اهمیت نسبی رقابت برای مسری: شواهدی از بازار ارز دیجیتال

تغییر ارزیابی یک رهبر صنعت چگونه بر رقبای خود تأثیر می گذارد؟آیا این یک اثر رقابتی یا اثر مسری را القا می کند؟نیروهای محرک چنین تأثیراتی چیست؟ما سعی کردیم به این سؤالات در بازارهای ارز دیجیتال پاسخ دهیم. ما دریافتیم که هر دو رقبای نزدیک و دوردست در برابر یک رهبر صنعت اثرات رقابتی بالایی را تجربه می کنند ، در حالی که رقبای متوسط اثرات مسری بالایی را تجربه می کنند. در مرحله بعد ، ما به صورت تجربی نشان دادیم که چگونه این الگوی U شکل بسته به غلظت صنعت به یک رابطه خطی کاهش می یابد. سرانجام ، ما هشت دسته اطلاعات متمایز را از یک بستر رسانه اجتماعی رهبر صنعت شناسایی کردیم و تأثیر هشت دسته اطلاعات را بر رقبای رهبر صنعت مقایسه کردیم. تجزیه و تحلیل ما نشان می دهد که اهمیت نسبی اثر رقابتی به اثر مسری در صنعت بستگی به دسته اطلاعات دارد.

معرفی

چگونه یک شرکت نسبت به رسانه های اطلاعاتی رقبای خود واکنش نشان می دهد؟چگونه شدت واکنش در رقبای مختلف متفاوت است؟اینها سؤالات مهمی در ادبیات مالی هستند زیرا درک چنین تعاملات درون صنعت برای بسیاری از برنامه ها ، مانند مدیریت نمونه کارها ، تصمیمات محافظت از سر و اندازه گیری ریسک سیستماتیک بازار بسیار مهم است.

در این مطالعه ، ما عمدتاً بررسی می کنیم که چگونه تغییرات در ارزیابی یک رهبر صنعت بر رقبای درون صنعت در همان جهت (اثر مسری) یا در جهت مخالف (اثر رقابتی) تأثیر می گذارد. در ادبیات مربوطه توافق کلی وجود دارد که اطلاعات گسترده در صنعت منجر به اثر مسری می شود (قیمت سهام رقبا در همان جهت حرکت می کند) زیرا چنین اطلاعاتی به طور همزمان بر همه رقبا در صنعت تأثیر می گذارد ، در حالی که اطلاعات خاص شرکت منجر می شودبه یک اثر رقابتی (قیمت سهام رقبا در جهت مخالف حرکت می کند) زیرا چنین اطلاعاتی تعادل رقابتی در صنعت را تغییر می دهد."اثر خالص" که ما در واقع برای یک بخش خاص از اطلاعات مشاهده می کنیم ، به اهمیت نسبی اثرات رقابتی به اثرات مسری بستگی دارد. تحقیقات تجربی قبلی اهمیت نسبی رقابت و آلودگی را در زمینه های مختلف ، از رویدادهای مالی (به عنوان مثال ، IPO ، ورشکستگی ، تقسیم سهام ، پیشنهادات ادغام و مسائل مربوط به سود) تا رویدادهای غیر مالی مورد مطالعه قرار داده است (به عنوان مثال ، اعلامیه های اخراج ،اطلاعیه های جدید محصول و اعلامیه های خصوصی سازی). مطالعات گذشته تا حد زیادی روی یک رویداد واحد متمرکز شده بود. برخی اثر رقابتی را مشاهده کردند ، در حالی که برخی دیگر اثر مسری را مشاهده کردند. حتی همین رویداد ، مانند ورشکستگی (لنگ و استولز 1992) ، کاهش سود سهام (اسلوین و همکاران 1999) و اقدامات اجرای نظارتی (اسلوین و همکاران 1999) گزارش شده است که باعث ایجاد یک اثر رقابتی خالص یا یک شبکه می شوداثر مسری در شرایط مختلف.

از آنجا که برای مطالعات تک رویداد غیرممکن است که تأثیر مقوله های مختلف اطلاعات را مقایسه کند ، زیرا تنها یک نوع رویداد مورد مطالعه قرار می گیرد ، مشخص نیست که چگونه می توان نتایج متناقض تجربی را توضیح داد. مأموریت اصلی این مقاله آزمایش این است که آیا "اثر خالص" به دسته اطلاعاتی که در آن ریخته می شود بستگی دارد.

توسعه سریع فن آوری های رسانه های اجتماعی یک راه حل ممکن را در اختیار ما قرار می دهد. امروزه تعداد زیادی از اطلاعات تجاری از طریق سیستم عامل های رسانه های اجتماعی با نرخ بالایی منتقل می شود. محققان قبلاً متوجه شده اند که محتوای تولید شده توسط کاربر در رسانه های اجتماعی نقش مهمی در ارائه اطلاعات مربوط به شرکت کنندگان در بازار مالی دارد تا به آنها در تصمیم گیری های بهتر سرمایه گذاری کمک کند (چن و همکاران 2014). ما برای پر کردن این شکاف از این انواع فوق العاده اطلاعات در رسانه های اجتماعی استفاده می کنیم.

در این مقاله ، ما به تدریج تجزیه و تحلیل خود را در دو مرحله آشکار می کنیم. ما ابتدا بررسی می کنیم که چگونه تغییرات ارزیابی بازار یک رهبر صنعت بر ارزش گذاری بازار رقبا (یک اثر رقابتی خالص یا یک اثر آلودگی خالص) تأثیر می گذارد ، و اینکه چگونه شدت اثر خالص به اندازه رقبا بستگی دارد (نزدیک ، دور و متوسطرقبا). سپس ما سعی می کنیم منشأ "اثر خالص" را به دسته بندی اطلاعاتی که از رهبر صنعت ریخته می شود ، ردیابی کنیم.

برای پیش نمایش نتیجه: ما برای اولین بار رابطه U شکل بین اثر رقابتی خالص و اندازه رقیب داخل صنعت را کشف کردیم. هر دو رقبای نزدیک و دوردست مستعد تغییر ارزیابی بازار یک رهبر صنعت هستند ، در حالی که رقبای متوسط کمتر هستند. ما استدلال می کنیم که این الگوی U شکل نتیجه تجارت بین دو مکانیسم ، مقایسه و نگرانی بقا است. برای رقبای نزدیک ، مکانیسم غالب مقایسه پذیری است (Goins and Gruca 2008). شباهت در موضوعاتی از قبیل شهرت ، تقاضای بازار ، آگاهی عمومی ، منابع ، پشتیبانی شخص ثالث و اکوسیستم های سکو ، رقابت سر به سر را ایجاد می کند. ادبیات رقابت همچنین از استدلال های ما پشتیبانی می کند. یوهانسون و کدی از الگوی کنترل طاقچه بیرون کشیدند و به طور تجربی این پیش بینی را آزمایش کردند که شدت رقابت بین یک جفت افراد با شباهت بین رقبا افزایش می یابد (یوهانسون و کدی 1991). در نتیجه ، ما انتظار داریم که اثر رقابتی خالص برای رقبای نزدیک تقویت شود. در مقابل ، برای رقبای دوردست در برابر رهبر صنعت ، مکانیسم حاکم بر بقا نگرانی است. ادبیات تجارت کوچک شواهد فراوانی را برای رابطه مثبت بین اندازه شرکت و احتمال بقا به صورت تجربی و تحلیلی ارائه می دهد (آگاروال و آدرتش 2001 ؛ بک و همکاران 2005 ؛ پیکس و اریکسون 1998). بنگاه های کوچک برای زنده ماندن در بازار به نوآوری های مداوم احتیاج دارند و در برابر چالش های رهبران صنعت آسیب پذیرتر هستند (چن و همکاران 2005). از این رو ، انتظار می رود رقبا دوردست نیز نسبت به تغییرات ارزیابی رهبران صنعت نیز واکنش نشان دهند. نیروی مشترک این دو مکانیسم رابطه U شکل را تشکیل می دهد.

به دنبال این منطق ، ما همچنین پیش بینی می کنیم که مکانیسم مقایسه بر مکانیسم نگرانی بقا در یک صنعت غیر متمرکز ، جایی که رقبا بیشتر به یکدیگر شبیه هستند ، حاکم است و منجر به بخش بالایی از رقبا نزدیک می شود. از طرف تلنگر ، ما پیش بینی می کنیم که مکانیسم نگرانی بقا بر مکانیسم مقایسه در یک صنعت متمرکز حاکم است ، جایی که بیشتر رقبای کوچکتر توسط رهبر صنعت غالب تهدید می شوند و منجر به نگرانی های بزرگ بازمانده می شوند. ما این پیش بینی را در صنعت cryptocurrency (یک صنعت بسیار متمرکز) آزمایش می کنیم و پیش بینی توسط یافته های ما پشتیبانی می شود.

در مرحله بعدی ، ما منبع تأثیر خالص (اثر رقابتی یا اثر مسری) را به دسته بندی اطلاعات منتقل شده از طریق وب سایت رسانه های اجتماعی رهبر صنعت ردیابی می کنیم. ما مقالات منتشر شده از هشت دسته اطلاعات مجزا را بارگیری کردیم و سپس تأثیر آنها را بر رقبا مقایسه کردیم. هشت دسته اطلاعاتی مبادله ، بازرگانان ، سرمایه گذاران ، بودجه ، تنظیم ، جرم ، کیف پول و رویدادها (کنفرانس ها و جلسات) است. نتایج ما حاکی از آن است که برخی از مقولات اطلاعاتی تمایل به ایجاد اثر مسری (باعث می شود قیمت رقبا در همان جهت حرکت کند) ، در حالی که برخی دیگر تمایل به ایجاد یک اثر رقابتی دارند (باعث می شود قیمت رقبا در جهت مخالف حرکت کند).

تحقیقات ما مربوط به تعدادی از مطالعات تجربی است که به بررسی اثر رقابتی و اثر آلودگی می پردازد. بسیاری از وقایع در گذشته مورد مطالعه قرار گرفتند ، مانند ورشکستگی (فریس و همکاران 1997 ؛ هلوی و ژانگ 2015 ؛ لنگ و استولز 1992) ، اعلامیه های IPO (Hsu و همکاران 2010) ، معرفی محصولات جدید (چن و همکاران 2005) ،اعلامیه های ادغام (Akhigbe and Martin 2000) ، اعلامیه های مربوط به سود سهام (Laux et al. 1998 ؛ Slovin et al. 1999) ، بازپرداخت بازار آزاد (اروین و میلر 1998) ، اعلامیه های خصوصی سازی (Ochere 2007) ، اعلامیه های اخراج (Gains and Gucaa2008) ، اعلامیه های تقسیم سهام (Tawatnuntachai and D'Mello 2002) ، نظرات حسابرسی در حال شرکت (الیوت و همکاران 2006) و شگفتی های قیمت سهام (Akhigbe و همکاران 2015).

این مطالعه همچنین به ادبیات سرریز و همبستگی مربوط می شود. حرکات مشترک در تعدادی از بازارهای مانند سهام S& P 500 ، بازارهای سهام بین المللی ، کلیه لیست های سهام مشترک (به عنوان مثال ، NYSE ، AMEX ، NASDAQ) و مبادلات ارز ثبت شده است (Barberis et al. 2005 ؛ Boyer 2011 ؛ Breer etAl. 2009 ؛ Coolly and Wang 2003 ؛ Dajcman et al. 2012 ؛ Hameed et al. 2015 ؛ Pirinsky and Wang 2004). توضیحات مربوط به همبستگی چند منظوره مانند اثرات ثروت (کایل و Xiong 2001) ، تعادل بین بازار متقابل (Kodres and Pritsker 2002) و ارزش های اساسی محکم است (باربریس و همکاران 2005). تحقیقات ما با مطالعه سرریز اطلاعات رسانه های اجتماعی در چارچوب بازار ارزهای دیجیتال به این خط ادبیات کمک می کند.

این مطالعه همچنین به ادبیات مربوط به اثرات مسری در سیستم های اجتماعی مربوط می شود. مطالعات قبلی نشان داده اند که روابط اجتماعی منجر به اثرات مسری در جنبه های مختلف می شود. کریستاکیس و فاولر (2007) این پدیده را کشف کردند که شانس فرد برای چاق شدن در صورتی که افراد مرتبط با اجتماعی از چاقی رنج می برند ، به طرز چشمگیری افزایش می یابد. Aral و Nicolaides (2017) از تغییرات الگوی هواشناسی اگزوژن استفاده کردند تا نشان دهند که شدت ورزش (دویدن) نیز از طریق شبکه های دوستی مسری است.(Centola 2010) رابطه بین گسترش رفتار سالم و ساختار شبکه های اجتماعی را مورد مطالعه قرار داد و دریافت که اتخاذ رفتار سالم در شبکه های خوشه ای سریعتر از شبکه های تصادفی است. مطالعه ما با بررسی اثر مسری ناشی از گسترش اطلاعات از رسانه های اجتماعی به این خط ادبیات می افزاید. ما شواهدی پیدا کردیم که برخی از کانال های اطلاعاتی در رسانه های اجتماعی اثرات مسری قوی تری را القا می کنند در حالی که سایر کانال های اطلاعاتی در رسانه های اجتماعی باعث ایجاد اثرات رقابتی قوی تر می شوند.

تحقیقات ما همچنین به ادبیات تأثیر رسانه های اجتماعی بر قیمت بازار کمک می کند. بسیاری از مطالعات قبلی تأثیر رسانه های خبری سرمقاله بر قیمت سهام را مورد بررسی قرار داده اند (دیویس و همکاران 2012 ؛ لوفران و مک دونالد 2011 ؛ تتلوک 2007 ؛ تتلوک و همکاران 2008). با پیشرفت اخیر رسانه های اجتماعی ، محققان به سرعت گرفتار شدند و شروع به مطالعه اثرات رسانه های اجتماعی کردند (Antweiler and Frank 2004 ؛ Chen et al. 2014 ؛ Das and Chen 2007 ؛ Tumarkin and Whitelaw 2001). چندین جوامع مهم رسانه های اجتماعی مورد بررسی قرار گرفته است ، مانند Yahoo! صفحه پیام مالی (Antweiler and Frank 2004) ، Ragingbulls (Tumarkin and Whitelaw 2001) و به دنبال آلفا (چن و همکاران 2014). این مقاله همچنین با مطالعه ارزش رسانه های اجتماعی برای رقبای درون صنعت ، به این خط تحقیق کمک می کند.

سرانجام ، این مطالعه به ادبیات نوظهور در مورد cryptocurrency می افزاید. عمدتا سه جریان تحقیق در این زمینه وجود دارد. بدنه ای از ادبیات با تمرکز بر روی فناوری پشت cryptocurrency ، مانند معدن (لی و همکاران 2019) ، زنجیره بلوک (هاولیتشک و همکاران 2018 ؛ سابری و همکاران 2019 ؛ فرانسیسکو و سوانسون 2018) و قراردادهای هوشمند (Gatteschiو همکاران 2018). مطالعات دیگر در مورد موضوعات امنیتی cryptocurrency به دلیل نقض مداوم امنیتی در این زمینه بحث می کنند (گائو و همکاران 2018 ؛ کونتی و همکاران 2018 ؛ کیم و لی 2018). مطالعه ما در دسته دیگری از ادبیات قرار می گیرد که در آن پویایی بازار رمزنگاری مورد مطالعه قرار می گیرد. Omane-Adjepong و Alagidede (2019) سرریز نوسانات را در بین ارزهای مختلف رمزنگاری مورد مطالعه قرار دادند و دریافتند که تنوع ، مزایایی را برای سرمایه گذاری کوتاه مدت فراهم می کند. میلز و نور (2019) داده های مقطعی را از یک بررسی آنلاین جمع آوری کردند و ارتباط بین تمایل به قمار و سرمایه گذاری رمزنگاری را نشان دادند. آنها همچنین دریافتند که تجارت ارزهای رمزپایه با تجارت سهام پرخطر به شدت همپوشانی دارد. Antonakakis و همکاران.(2019) به طور همكاری ارزهای رمزپایه مورد مطالعه قرار گرفت. آنها دریافتند که نوسانات بالای بازار با هماهنگی بازار قوی همراه است در حالی که نوسانات پایین بازار با همبستگی ضعیف بازار همراه است. Caporale و همکاران.(2018) همبستگی بین ارزشهای بازار cryptocurrency گذشته و ارزش های بازار رمزنگاری آینده را بررسی کرد و همبستگی مثبت پیدا کرد. آنها ادعا کردند که چنین همبستگی شواهدی از ناکارآمدی بازار را ارائه می دهد. بوری و همکاران.(2018) با تمرکز بر انفجار همزمان (هماهنگی سنبله های قیمت) از بازار رمزنگاری و دریافت که هماهنگی بدون در نظر گرفتن بلوغ بازار وجود دارد. مقاله ما با بررسی آلودگی و تأثیر رقابتی در بین ارزهای برتر ، به این خط تحقیق کمک می کند. ما دریافتیم که هم رقبای نزدیک و هم دور از رهبر صنعت (بیت کوین) مستعد اثرات رقابتی هستند. ما همچنین شواهد تجربی ارائه می دهیم که نشان می دهد اثر مسری و اثر رقابتی توسط انواع مختلفی از اطلاعات در رسانه های اجتماعی ایجاد می شود.

باقیمانده مقاله به شرح زیر است. بخش داده داده های مورد استفاده در این تحقیق را ارائه می دهد. بخش تجزیه و تحلیل تجربی تمام نتایج را ارائه می دهد. سپس استحکام نتایج خود را آزمایش می کنیم و یافته های اصلی را در بخش نتیجه گیری خلاصه می کنیم.

داده ها

تنظیم تحقیق ما صنعت در حال ظهور ارز دیجیتال (از نظر فنی به عنوان cryptocurrency) است که از زمان ایجاد بیت کوین در سال 2009 به سرعت رشد کرده است. این سیستم ارز دیجیتال را می توان به عنوان یک شبکه پرداخت غیر متمرکز جهانی به همسالان مشاهده کرد. این یک سیستم مبتنی بر وب است که کاربران را قادر می سازد بدون نیاز به تأیید شخص ثالث ، ارزش را به سرعت و ناشناس منتقل کنند. اگرچه این فناوری در نگاه اول به سیستم پرداخت کارت اعتباری شبیه است ، اما چند تفاوت اساسی وجود دارد: (1) سیستم عامل های رمزنگاری ارزهای اساسی خود را دارند و نرخ ارز با ارزهای فیات در مبادلات اختصاصی تصمیم می گیرد.(2) هیچ مرجع مرکزی برای حفظ عملیات ، تنظیم صدور ارز یا نگه داشتن سابقه دقیق هر معامله وجود ندارد.

به عنوان رهبر صنعت ، بیت کوین از زمان ایجاد آن شاهد رشد چشمگیری بوده است. از نوامبر 2017 حدود 100 میلیارد دلار در سرمایه گذاری در بازار ارزش دارد. ادبیات دانشگاهی در مورد این پدیده نیز رو به رشد است ، اگرچه در درجه اول روی جنبه های فنی آن متمرکز شده است (Eyal and Sirer 2014 ؛ Johnson et al. 2014 ؛ Reid and Harigan 2013).

ما 25 ارز برتر دیجیتال را به عنوان رقبای بیت کوین در نمونه با توجه به سرمایه بازار در ژانویه سال 2016 انتخاب کردیم. آستانه هایی که به عنوان یک رقیب بیت کوین در نظر گرفته می شوند این هستند که (1) ارز در هر زمان به سرمایه گذاری در بازار 1 میلیون دلار رسیده است.(2) حداقل یک مبادله مستقیم با بیت کوین وجود دارد ، و (3) تمام متغیرهای مورد نیاز در مطالعه قابل مشاهده است. دوره جمع آوری داده ها بین دسامبر 2013 و ژانویه 2016 است ، در مجموع 747 روز معاملاتی (هر روز یک روز معاملاتی است که معاملات در بازار بدون توقف است). بازده روزانه بر اساس قیمت 0:00 GMT (میانگین زمان گرینویچ) و قیمت 24:00 GMT محاسبه می شود.

برای گرفتن اثر رقابتی خالص (اهمیت نسبی رقابت در مورد آلودگی) ، ما بازده های بیت کوین را با استفاده از قیمت های مبادلات بیت کوین به altcoin محاسبه کردیم (Altcoin به سایر رقبای بیت کوین اشاره دارد). بازده های بیان شده بیت کوین نشان دهنده تغییرات نسبی ارزیابی بین بیت کوین و رقبای آن است. هنگامی که بیت کوین شوک بازار را تجربه می کند و باعث ایجاد یک اثر رقابتی قوی می شود ، قیمت بیت کوین و رقبای آن به احتمال زیاد در جهت های مخالف پیش می روند و منجر به افزایش تغییرات نسبی می شوند. اما اگر شوک بازار باعث ایجاد اثر مسری شدید شود ، قیمت بیت کوین و رقبای آن به احتمال زیاد در همان جهت حرکت می کنند و منجر به کاهش تغییرات نسبی می شود.

برای اندازه گیری اندازه رقیب ، ما داده های سرمایه گذاری در بازار را برای هر رقیب بیت کوین در نمونه خود بدست آوردیم و رتبه سرمایه گذاری روزانه بازار را به عنوان معیار اندازه رقیب بدست آوردیم. این رتبه با تغییرات گاه به گاه هر از گاهی برای بیشتر ارزهای دیجیتال نسبتاً پایدار می ماند. بیت کوین برای کل مدت زمان جمع آوری داده ها در رده شماره 1 قرار گرفت. اندازه گیری اندازه رقیب جایگزین در بخش بررسی استحکام مورد بحث قرار گرفته است.

بخش دیگر مجموعه داده های ما مقالاتی است که در Coindesk. com منتشر شده است. Coindesk. com خروجی اطلاعات جهانی در بیت کوین است. دسته های اطلاعاتی متنوعی وجود دارد ، و ما هشت مورد از آنها را انتخاب کردیم که به طور بالقوه اطلاعات مربوط به ارزیابی بیت کوین (منحصراً در بیت کوین) را ارائه می دهند. آنها مبادله ، بازرگانان ، سرمایه گذاران ، بودجه ، تنظیم ، جرم ، کیف پول و رویدادها (کنفرانس ها و جلسات) هستند. متأسفانه ، گروه فناوری باید از این امر مستثنا باشد زیرا پیشرفت های فناوری را برای همه ارزهای دیجیتال گزارش می دهد ، و بنابراین باعث ایجاد اثر آلودگی با طراحی می شود.

Coindesk. com در اصل یک رسانه اجتماعی است ، زیرا هر کسی می تواند مقاله ای بنویسد و آن را به Coindesk ارسال کند. مقاله پس از تأیید Coindesk. com منتشر می شود. ما تمام 2729 مقاله منتشر شده در هشت دسته اطلاعات منتخب را در دوره جمع آوری داده ها به همراه تعداد سهام فیس بوک هر مقاله به عنوان یک پروکسی برای اهمیت و اهمیت آن به دست آوردیم. متوسط طول مقالات 641 کلمه بود.

پس از ادبیات ، ما احساسات هر مقاله را در درجه اول با کسری از کلمات منفی اندازه گیری کردیم (Antweiler and Frank 2004 ؛ Chen et al. 2014 ؛ Loughran and McDonald 2011 ؛ Luo et al. 2013 ؛ Solomon 2012 ؛ Tetlock 2007 ؛ Tetlock et al. 2008 ؛ Tirunillai and Tellis 2012). اما توجه داشته باشید که کسری از کلمات مثبت در دو مورد از هشت دسته اطلاعات (جزئیات بیشتر بعداً) استفاده می شود. به جای لیست واژگان هاروارد IV-4 که اغلب مورد استفاده قرار می گیرد ، ما یک لیست واژگان را انتخاب کردیم که به طور خاص برای تجزیه و تحلیل احساسات در یک محیط مالی تهیه شده است (چن و همکاران 2014 ؛ لوفران و مک دونالد 2011). واژگان منفی واژگان شامل 2329 کلمه است ، در حالی که مجموعه واژگان مثبت جمع آوری واژگان شامل 354 کلمه است.

ارز دیجیتال به عنوان تنظیمات به جای سهام برای تعدادی از مزایای مرتبط با شناسایی استفاده می شود. اول ، نگرانی های بسیار کمتری برای نگرانی وجود دارد. بر خلاف بازارهای سهام ، جایی که شرکت های اصلی سهام موظفند صورتهای مالی را به صورت دوره ای فاش کنند ، چنین الزامی در تنظیمات ما وجود ندارد. علاوه بر این ، هیچ تحلیلگر مالی حرفه ای در متن ما وجود ندارد ، بنابراین نیازی به کنترل برای درآمد یا پیش بینی قیمت نیست. علاوه بر این ، انواع شاخص های مالی که اغلب در تحقیقات بازار سهام کنترل می شوند ، در تنظیمات تحقیق ما وجود ندارد (به عنوان مثال Q ، هزینه های تبلیغات ، اندازه شرکت ، اعلامیه های جدید محصول ، هزینه های تحقیق و توسعه ، ROA ، ROE ، اهرم و نقدینگی).

دوم ، ما نگرانی کمتری در مورد متغیرهای متغیر زمان در متن خود داریم. بر خلاف یک شرکت ، تمام مشخصات فنی یک ارز دیجیتال در تنظیمات ما (مانند زمان بلوک ، الگوریتم هشینگ بلوک ، روشهای امضای معاملات و نرخ تولید ارز) در زمان ایجاد ارز تعیین شده است. در نتیجه ، ما نگرانی های بسیار کمتری در مورد متجاوزان متغیر زمان در مقایسه با مطالعات موجود در بورس سهام داریم.

سرانجام ، برخلاف بازار سهام ، جایی که بسته شدن بازار ثابت وجود دارد ، تجارت بیت کوین مداوم است (24/7). ویژگی تجارت بدون توقف ، تعصب رفتاری کمتری را که در ادبیات مالی ثبت شده است ، تضمین می کند. به عنوان مثال ، بازرگانان به نظر می رسد که ریسک بعد از ظهر بالاتر از حد متوسط برای بهبودی از ضررهای صبحگاهی (Coval و Shumway 2005) ، ایجاد می کنند و باعث ایجاد تعصب از ارزش ذاتی به دلیل معامله گران با ضرر و معکوس قیمت های کوتاه مدت می شوند. ما اساساً در متن خود از چنین تعصباتی عاری هستیم.

تحلیل تجربی

در این بخش ، تجزیه و تحلیل خود را به تدریج در دو مرحله ارائه می دهیم. ما ابتدا رابطه بین شدت اثر رقابتی خالص (اهمیت نسبی رقابت در مقابل مسری) و اندازه رقیب را بررسی می کنیم. سپس من منشأ اثر خالص (یا یک اثر رقابتی یا اثر مسری) را به دسته اطلاعات منتقل شده از طریق وب سایت رسانه های اجتماعی رهبر صنعت ردیابی می کنیم.

در مرحله اول ، ما یک رابطه U شکل بین اثر رقابتی خالص و اندازه رقیب را در نتیجه تجارت بین دو مکانیسم (مقایسه و نگرانی بقا) پیشنهاد می کنیم. برای رقبای نزدیک رهبر صنعت ، مکانیسم مقایسه بر نگرانی بقا حاکم است. مکانیسم مقایسه این امر حاکی از آن است که شباهت های بین رقبای نزدیک در مورد موضوعاتی از قبیل شهرت ، تقاضای بازار ، آگاهی عمومی ، منابع مالی ، پشتیبانی شخص ثالث و اکوسیستم های سکو ، منجر به رقابت سر به سر می شود. تحقیقات قبلی نشان می دهد که شدت رقابت بین یک جفت از افراد با شباهت بالایی بین رقبا افزایش می یابد (یوهانسون و کدی 1991). از این رو ، باید اثر رقابتی در بین رقبای نزدیک تقویت شود. با این حال ، برای رقبای دوردست رهبر صنعت ، مکانیسم نگرانی بقا در نهایت از مکانیسم مقایسه بیشتر خواهد بود. مکانیسم نگرانی بقا حاکی از آن است که رقبای کوچکتر در برابر چالش های رهبر صنعت آسیب پذیرتر هستند ، زیرا خارج شدن از بازار به احتمال زیاد نگرانی عمده ای برای رقبای دوردست است. در نتیجه ، اثر رقابتی برای رقبای کوچکتر نیز شدت می یابد.

ما از واکنش بازده های بیت کوین بیت کوین (تغییرات نسبی ارزیابی نسبی رقبا بیت کوین در برابر بیت کوین) به بازده های بیت کوین (تغییرات ارزیابی مطلق بیت کوین) برای گرفتن شدت اثر رقابتی خالص استفاده می کنیم. برای اندازه گیری اندازه رقیب ، محققان قبلی روشهای بسیاری را ارائه دادند. اقدامات متداول شامل اندازه شرکت و شاخص Herfindahl است. برخی از آنها از گروه خود انتخاب شده شرکت از رقبای ذکر شده در بیانیه پروکسی شرکت (قطعی 14A) استفاده می کنند تا رقبای نزدیک را از رقبای دوردست متمایز کنند (Goins and Gruca 2008). در مطالعه ما ، ما رتبه روزانه سرمایه گذاری در بازار را برای اندازه گیری اندازه رقبا بیت کوین بدست می آوریم. لطفاً توجه داشته باشید که هرچه رتبه بزرگتر باشد ، اندازه رقیب کوچکتر است.

برای آزمایش رابطه U شکل پیشنهادی، ما دو عبارت تعاملی (خطی و درجه دوم) بین بازده بیت کوین دلاری و اندازه گیری اندازه رقیب (رتبه) را محاسبه کردیم تا نحوه واکنش رقبای بیت کوین با اندازه های مختلف به تغییرات قیمت بیت کوین را نشان دهیم. ما تجزیه و تحلیل خود را حول مدل داده پانل اثر ثابت زیر سازماندهی کردیم:

$$ _=آلفا +_1_+_2_^2+_3_+_4_بار _+_5_^2بار _+دلتا _+i+t+_ $$

R_{آن، BTC}بازده بیت کوین رقیب i در زمان t است که با استفاده از قیمت های مبادلات بین بیت کوین و رقیب i محاسبه می شود. اگر i = بیت کوین باشد همیشه صفر است. رتبه_itرتبه ارزش روزانه بازار برای رقیب i در زمان t است. رتبه_itاز 2 تا 26 متغیر است زیرا بیت کوین همیشه در رتبه اول قرار دارد. BTCR_{تی، دلار آمریکا}بازده بیت کوین دلاری در زمان t است. X شامل تمامی متغیرهای کنترلی مورد استفاده در این مدل می باشد. ما از ادبیات (چن و همکاران 2014) برای اضافه کردن متغیرهای کنترل پیروی می کنیم. متغیرهای کنترلی شامل نوسانات بازدهی است که به عنوان مجموع بازده های مجذور در ماه تقویمی قبل، بازدهی 1 روزه با تاخیر BTC، بازدهی 2 روزه با تاخیر BTC و بازده تجمعی BTC در ماه تقویمی گذشته محاسبه می شود.

جدول 1 نتایج را نشان می دهد. رگرسیون ها برای چهار پنجره زمانی مختلف اجرا می شوند: واکنش بازگشت درون روز، واکنش بازگشت تجمعی یک هفته، واکنش بازگشت تجمعی یک ماهه، و واکنش بازگشت تجمعی سه ماهه. از آنجایی که رتبه در کوتاه مدت نسبتاً پایدار است، ممکن است این نگرانی وجود داشته باشد که تا حدی با مدل های رقیب همسطح باشد. بنابراین ما آدمک های رقیب را در ستون های زوج در جدول 1 حذف می کنیم.

حقوق و مجوزها

دسترسی آزاد این مقاله تحت شرایط مجوز بین المللی Creative Commons Attribution 4. 0 (http://creativecommons. org/licenses/by/4. 0/) توزیع شده است، که اجازه استفاده، توزیع و بازتولید نامحدود در هر رسانه را می دهد، به شرطی که شما ارائه دهید. اعتبار مناسب برای نویسنده(های) اصلی و منبع، یک پیوند به مجوز Creative Commons ارائه دهید و نشان دهید که آیا تغییراتی ایجاد شده است یا خیر.

درباره این مقاله

به این مقاله استناد کنید

Xie, P., Wu, J. & Du, H. اهمیت نسبی رقابت در برابر سرایت: شواهدی از بازار ارز دیجیتال. Finance Iov 5, 41 (2019). https://doi. org/10. 1186/s40854-019-0156-y

• دریافت: 03 ژانویه 2019
• پذیرش: 16 اکتبر 2019
• تاریخ انتشار: 08 نوامبر 2019
• DOI: https://doi. org/10. 1186/s40854-019-0156-y

این مقاله را به اشتراک بگذارید

هر کسی که پیوند زیر را با او به اشتراک بگذارید، می تواند این محتوا را بخواند:

دریافت لینک قابل اشتراک گذاری

با عرض پوزش، پیوند قابل اشتراک گذاری در حال حاضر برای این مقاله موجود نیست.

کپی به کلیپ بورد

ارائه شده توسط Springer Nature SharedIt ابتکار اشتراک محتوا

کلید واژه ها

• رسانه های اجتماعی
• سرایت
• رقابت
• سرریز اطلاعات
• اقتصاد دیجیتال