The Impact of Digitalization on Crypto Asset Prices: An Application on G20 Countries

Year 2024, , 751 - 785, 31.10.2024

Samet Yaldizsal , Serkan Şahin

https://doi.org/10.25229/beta.1493731

Abstract

Digitalization enables the digitization of information and affects the financial system by increasing individuals' access to digital technologies. In recent years, the interest in crypto assets has increased with the changes brought about by digitalization. The digitalization process can affect crypto asset prices in different ways. First, digitalization may increase the demand for crypto assets by increasing access to crypto assets. Increased demand may increase crypto asset prices. The development of financial technologies following digitalization can also accelerate this process and increase the effects. Therefore, determining the relationship between digitalization and cryptoassets is essential for investors and policymakers. This aim of this paper is to examine the impact of digitalization on cryptoassets. For this purpose, the relationship between digitalization and Bitcoin in G20 countries is examined for the period 2014-2021 using panel data analysis. Within the study’s scope, we conducted rigorous tests for endogeneity, cross-sectional dependence, autocorrelation, and variance. Based on these tests, we analyzed the relationship with robust estimators developed by Beck and Katz (1995), instilling confidence in the reliability of our methodology. The results of the analysis show that digitalization positively affects crypto asset prices. Accordingly, the results support the hypothesis that digitalization increases access to crypto assets, leading to increased demand and the prices of crypto assets. Considering the positive impact of digitalization on cryptoasset prices, cryptoasset-related policies should be considered.

Keywords

Digitalization, Crypto Assets, Bitcoin, Panel Data Analysis

Dijitalleşmenin Kripto Varlık Fiyatları Üzerindeki Etkisi: G20 Ülkeleri Üzerine Bir Uygulama

Abstract

Dijitalleşme, bilginin sayısallaşmasını sağlamakla kalmayıp aynı zamanda bireylerin dijital teknolojilere erişimini artırarak finansal sistemi etkilemektedir. Son yıllarda dijitalleşmenin ortaya çıkardığı değişimle birlikte kripto varlıklara olan ilginin de arttığı görülmektedir. Dijitalleşme süreci, kripto varlık fiyatlarını farklı açılardan etkileyebilmektedir. Öncelikle, dijitalleşme kripto varlıklara erişimi artırarak kripto varlıklara olan talep artabilmektedir. Artan talep ise kripto varlık fiyatlarının yükselmesiyle sonuçlanabilmektedir. Dijitalleşmeyi takip eden finansal teknolojilerin gelişimi de bu süreci hızlandırarak etkileri artırabilmektedir. Bu nedenle dijitalleşme ve kripto varlıklar arasındaki ilişkilerin belirlenmesi hem yatırımcılar hem de politika geliştiriciler açısından önemlidir. Bu çalışmanın amacı, dijitalleşmenin kripto varlıklar üzerindeki etkisini incelemektir. Bu amaç doğrultusunda, G20 ülkelerinde dijitalleşme ve Bitcoin arasındaki ilişki panel veri analizi kullanılarak 2014-2021 dönemi için incelenmiştir. Çalışma kapsamında içsellik testleri, yatay kesit bağımlılığına ilişkin testler, otokorelasyon ve değişen varyans testleri kullanılmıştır. Bu testlerden yola çıkarak Beck & Katz (1995) tarafından geliştirilen ve metodolojik açıdan güvenirliği artıran dirençli tahminciler ile söz konusu ilişki analiz edilmiştir. Analiz sonuçları, dijitalleşmenin kripto varlık fiyatlarını pozitif yönde etkilediğini göstermektedir. Buna göre sonuçlar, dijitalleşmenin kripto varlıklara erişimi artırarak talep artışına ve kripto varlıkların fiyatlarının artışına yol açtığı hipotezini desteklemektedir. Dijitalleşmenin kripto varlık fiyatları üzerindeki pozitif etkisini dikkate alarak kripto varlık ile ilgili politikaların dijitalleşme politikaları ile birlikte ele alınması önerilmektedir.

Keywords

Dijitalleşme, Kripto Varlıklar, Bitcoin, Panel Veri Analizi

References

• Açıkalın, S., & Sakınç, İ. (2022). Zayıf form etkinlik ve kripto para piyasası. Maliye ve Finans Yazıları, 117, 177-196. https://doi.org/10.33203/mfy.1084658
• Akçay-Öztürkçü, A. (2022). Kurumsal sosyal sorumluluk ve kurumsal itibar ilişkisi: Brand Finance Turkey-100 firmaları üzerine bir araştırma. İçinde Y. A. Ünvan (Ed.), İktisadi ve İdari Bilimler: Araştırma, Metodoloji ve Değerlendirme (ss. 201-215). Livre de Lyon.
• Akdoğan, N., & Akdoğan, M. U. (2018). Büyük veri̇, bilişim teknolojisindeki̇ gelişmelerin muhasebe uygulamaların ve muhasebe mesleğine etkisi̇. Muhasebe ve Denetime Bakış, 18(55), 1-14.
• Baltagi, B. H. (2014). Econometric analysis of panel data (5. baskı). John Wiley & Sons.
• Baltagi, B. H. (2008). Econometric analysis of panel data (4. baskı). John Wiley & Sons.
• Baur, D. G., & Dimpfl, T. (2021). The volatility of bitcoin and its role as a medium of exchange and a store of value. Empirical Economics, 61(5), 2663-2683. https://doi.org/10.1007/s00181-020-01990-5
• Beck, N., & Katz, J. N. (1995). What to do (and not to do) with time-series cross-section data. American Political Science Review, 89(3), 634-647. http://dx.doi.org/10.2139/ssrn.1658640
• Bhargava, A., Franzini, L., & Narendranathan, W. (1982). Serial correlation and the fixed effects model. The Review of Economic Studies, 49(4), 533-549.
• Breusch, T. S., & Pagan, A. R. (1979). A simple test for heteroscedasticity and random coefficient variation. Econometrica, 47(5), 1287-1294. http://dx.doi.org/10.2307/1911963
• B20 Coalition. (2015). Digital economy the driver for growth. https://tusiad.org/en/press-releases/item/download/7322_7e328e486ce50d6ec794b9f59836f785 (Erişim tarihi: 16 Temmuz 2024)
• Cahyadi, A., & Magda, R. (2021). Digital leadership in the economies of the G20 countries: A secondary research. Economies, 9(1), 32, 1-15. https://doi.org/10.3390/economies9010032
• Coulter, K. A. (2022). The impact of news media on bitcoin prices: Modelling data-driven discourses in the crypto-economy with natural language processing. Royal Society Open Science, 9(4), 220276. https://doi.org/10.1098/rsos.220276
• CISCO. (2021). Digital readiness index. https://www.cisco.com/c/m/en_us/about/corporate-social-responsibility/research-resources/digital-readiness-index.html#/ (Erişim tarihi: 16 Temmuz 2024)
• Çelik, O. (2019). Implementation of technical analysis on selected cryptocurrencies (Yayımlanmamış yüksek lisans tezi). Marmara Üniversitesi.
• Çetinkaya, Ş. (2018). Kripto paraların gelişimi ve para piyasalarındaki yerinin SWOT analizi ile incelenmesi. Uluslararası Ekonomi ve Siyaset Bilimleri Akademik Araştırmalar Dergisi, 2(5), 11-21.
• Deniz, E. A. (2020). Finansal piyasalarda kripto para uygulamaları: Kripto para fiyatlarını etkileyen faktörler (Yayımlanmamış yüksek lisans tezi). Işık Üniversitesi.
• Dizkırıcı, A. S., & Gökgöz, A. (2018). Kripto para birimleri ve Türkiye’de bitcoin muhasebesi. Journal of Accounting, Finance and Auditing Studies, 4(2), 92-105.
• Durucasu, H. (1997). Ekonomik göstergelerin İMKB’ye etkisinin analizi. Anadolu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 13(1), 121-150.
• Ege, İ., & Nur-Topaloğlu, T. (2020). The relationship between financial performance of banking sector and economic growth: A research on EU Countries. Gümüşhane Üniversitesi Sosyal Bilimler Enstitüsü Elektronik Dergisi, 11(2), 508-518.
• Erden, C. (2023). Derin öğrenme ve ARIMA yöntemlerinin tahmin performanslarının kıyaslanması: Bir Borsa İstanbul hissesi örneği. Yönetim ve Ekonomi Dergisi, 30(3), 419-438. https://doi.org/10.18657/yonveek.1208807
• Erdem, M. S. (2018). Savunma ekonomisi üzerine üç makale [Yayımlanmamış doktora tezi]. Eskişehir Osmangazi Üniversitesi.
• Garcia, D., & Schweitzer, F. (2015). Social signals and algorithmic trading of Bitcoin. Royal Society Open Science, 2, 150288. https://doi.org/10.1098/rsos.150288
• Gülmez, A., & Huseynlı, S. (2019). Enerji ihracatı ve ekonomik büyüme ilişkisi: Azerbaycan örneği. Uluslararası Ekonomik Araştırmalar Dergisi, 5(1), 9-23.
• G20 Italia. (2021). Italian G20 presidency G20 menu of policy options: Digital transformation and productivity recovery. https://globalgovernanceprogram.org/g20/2021/G20-Menu-of-Policy-Options.pdf
• Hair, J., Anderson, R., Tatham, R., & Black, W. (1998). Multivariate data analysis. Prentice-Hall.
• Hartono, D. J., & Suyanto, S. (2023). Major determinants of Bitcoin price: Application of a vector error correction model. Investment Management and Financial Innovations, 20(4), 257-271. http://dx.doi.org/10.21511/imfi.20(4).2023.21
• International Monetary Fund (IMF). (2023). G20 note on the macrofinancial implications of crypto assets. https://www.imf.org/-/media/Files/Research/imf-and-g20/2023/g20-report-macrofinancial-implications-crypto-assets-february23.ashx
• Kalkan, Y., & Tatlı, H. (2022). Blockchain analiz göstergelerinin Bitcoin fiyatı üzerindeki etkisi. Ekonomik ve Sosyal Araştırmalar Dergisi, 18(2), 109-140.
• Kang, H., Lee, S., & Park, S. Y. (2021). Information efficiency in the cryptocurrency market: The efficient-market hypothesis. Journal of Computer Information Systems, 22(3), 622-631. https://doi.org/10.1080/08874417.2021.1872046
• Karaağaç, G. A., & Altınırmak, S. (2018). En yüksek piyasa değerine sahip on kripto paranın birbirleriyle etkileşimi. Muhasebe ve Finansman Dergisi, 79, 123-138. https://doi.org/10.25095/mufad.438852
• Karagöz, İ. (2023). Dijital finansta yeni trendler. In R. Yücel, Y. Ayyıldız, & H. Er (Eds.), Dijitalleşmenin finans sektörüne getirdiği yenilikler (pp. 39-56). Özgür Yayınları.
• Kökhan, S. (2021). Dijital gelecek, dijital dönüşüm. Efe Akademi Yayınları.
• Kristoufek, L. (2015). What are the main drivers of the Bitcoin price? Evidence from wavelet coherence analysis. Plos One, 10(4), e0123923. https://doi.org/10.1371/journal.pone.0123923
• López-Cabarcos, M. Á., Pérez-Pico, A. M., Piñeiro-Chousa, J., & Šević, A. (2021). Bitcoin volatility, stock market, and investor sentiment: Are they connected? Finance Research Letters, 38, 101399. https://doi.org/10.1016/j.frl.2019.101399
• Mai, F., Shan, Z., Bai, Q., Wang, X., & Chiang, R. H. L. (2018). How does social media impact Bitcoin value? A test of the silent majority hypothesis. Journal of Management Information Systems, 35(1), 19-52. https://doi.org/10.1080/07421222.2018.1440774
• Matta, M., Lunesu, M. I., & Marchesi, M. (2016). Is Bitcoin’s market predictable? Analysis of web search and social media. In Communications in computer and information science (Vol. 631, pp. 155-172). Springer. https://doi.org/10.1007/978-3-319-52758-1_10
• Nasir, M. A., Huynh, T. L. D., Nguyen, S., & Duong, D. (2019). Forecasting cryptocurrency returns and volume using search engines. Financial Innovation, 5(2), 1-13. https://doi.org/10.1186/s40854-018-0119-8
• Nguyen, K. Q. (2022). The correlation between the stock market and Bitcoin during COVID-19 and other uncertainty periods. Finance Research Letters, 46, 102284. https://doi.org/10.1016/j.frl.2021.102284
• Omar, H., & Lasrado, L. A. (2023). Uncover social media interactions on cryptocurrencies using social set analysis (SSA). Procedia Computer Science, 219, 161-169. https://doi.org/10.1016/j.procs.2023.01.277
• Özdemir, A. (2023). Finans sektörünü yapay zekâ ile birlikte okumak: Yenilikler, fırsatlar ve engeller. In R. Yücel, Y. Ayyıldız, & H. Er (Eds.), Dijitalleşmenin finans sektörüne getirdiği yenilikler (pp. 57-70). Özgür Yayınları.
• Özkurt, İ. C. (2016). Türkiye’de enflasyon hedeflemesi politikasını etkileyen etmenler: Ekonometrik bir analiz. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 19(35), 431-454. https://doi.org/10.31795/baunsobed.645334
• Öztürk, S. A., & Bilgiç, M. E. (2022). Twitter & Bitcoin: Are the most influential accounts really influential? Applied Economics Letters, 29(11), 1001-1004. https://doi.org/10.1080/13504851.2021.1904104
• Panagiotidis, T., Stengos, T., & Vravosinos, O. (2018). On the determinants of Bitcoin returns: A LASSO approach. Finance Research Letters, 27, 235-240. https://doi.org/10.1016/j.frl.2018.03.016
• Pesaran, H. (2004). General diagnostic tests for cross section dependence in panels. Cambridge Working Papers in Economics. https://ideas.repec.org/p/cam/camdae/0435.html
• Poyser, O. (2017). Exploring the determinants of Bitcoin's price: An application of Bayesian structural time series. IDEAS Papers. https://ideas.repec.org/p/arx/papers/1706.01437.html
• Sattarov, O., Jeon, H. S., Oh, R., & Lee, J. D. (2020, February 8-9). Forecasting Bitcoin price fluctuation by Twitter sentiment analysis. In Proceedings of the 2nd international conference on information science and communications technologies (ICISCT) [Conference presentation]. IEEE. https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=9351527
• Sevimli-Örgün, G., & Aygün, M. (2024). Maliyet yapışkanlığı ile kâr yönetimi ve firma karakteristikleri arasındaki ilişki: Borsa İstanbul üzerine bir inceleme. Sosyoekonomi, 32(60), 339-363. https://doi.org/10.17233/sosyoekonomi.2024.02.16
• Qureshi, K., & Zaman, T. (2023). Social media engagement and cryptocurrency performance. Plos One, 18(5), e0284501. https://doi.org/10.1371/journal.pone.0284501
• Soytaş, M. A., Denizel, M., Uşar, D. D., & Ersoy, İ. (2017). Sürdürülebilirlik yatırımlarının finansal performansa etkisi: Türkiye örneği. Yönetim ve Ekonomi Araştırmaları Dergisi, 15(2), 140-162. http://dx.doi.org/10.11611/yead.316847
• Topaloğlu, E. E. (2018). Bankalarda finansal kırılganlığı etkileyen faktörlerin panel veri analizi ile belirlenmesi. Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi, 13(1), 15-38. https://doi.org/10.17153/oguiibf.344856
• Topaloğlu, E. E., & Akgüç, Z. (2021). Yatırım ve finansman politikalarının finansal performansa etkisi: Borsa İstanbul üzerine ekonometrik bir araştırma. Bulletin of Economic Theory and Analysis, 6(2), 55-77. https://doi.org/10.25229/beta.992407
• UNDP. (2021). The G20 peoples climate vote. UNDP. https://www.undp.org/sites/g/files/zskgke326/files/2021-10/UNDP-G20-Peoples-Climate-Vote-2021-V3.pdf
• Ünvan, Y. A. (2021). Impacts of Bitcoin on USA, Japan, China and Turkey stock market indexes: Causality analysis with value at risk method (VAR). Communications in Statistics-Theory and Methods, 50(7), 1599-1614. https://doi.org/10.1080/03610926.2019.1678644
• Wang, Y., Andreeva, G., & Martin-Barragan, B. (2023). Machine learning approaches to forecasting cryptocurrency volatility: Considering internal and external determinants. International Review of Financial Analysis, 90, 102914. https://doi.org/10.1016/j.irfa.2023.102914
• Yankın, F. B. (2019). Dijital dönüşüm sürecinde çalışma yaşamı. Trakya Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 7(2), 1-38.
• Yerdelen-Tatoğlu, F. (2018). Panel veri ekonometrisi: Stata uygulamalı. Beta Yayınları.
• Yıldız, B., & Demireli, E. (2019). Borsa İstanbul A.Ş. perakende ticaret sektöründe sermaye yapısı kararlarının mikro panel veri yöntemi ile incelenmesi. Selçuk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (41), 220-234.
• Worldbank. (n.d.). Databank. https://www.worldbank.org
• CoinGecko. (n.d.). CoinGecko. https://www.coingecko.com