RELATIONSHIP BETWEEN THE RETURNS OF ERC-20 BASED TOKENS ON THE ETHEREUM NETWORK

Abstract

Cryptocurrencies are increasingly widespread currencies that cannot be evaluated through traditional economic frameworks. Therefore, this study investigates whether there is a causal relationship among five cryptocurrencies, all produced in accordance with ERC-20 (ERC, "Ethereum Request for Comments") standards, that have the highest market value as of the start date of the study. The cryptocurrencies used in this study are DAI Token (DAI), SHIBA Inu (SHIBA), Tether USDt (TETHER), Uniswap (UNI), and USD Coin (USDC). A VAR (Vector Autoregressive) model is employed, and based on this, Granger causality, Impulse-Response, and Variance decomposition analyses are performed. The study covers the period from 01.10.2021 to 05.02.2024, using daily returns of the series. In this context, 10 models are estimated. No causality relationship is detected in 4 of these models, while a unidirectional causality relationship is identified in 3 models, and a bidirectional causality relationship is found in the remaining 3 models. Although the Impulse-Response analyses generally indicate that each cryptocurrency is sensitive to shocks occurring within itself and not to those occurring in others (this is the case in 5 out of the 10 models), both mutual and one-way effects are also observed. The most striking result from the Impulse-Response analysis is that shocks to USDC have a very long-term effect on TETHER. The most notable finding from the Variance Decomposition results is that DAI is the primary determinant of the variation in USDC, with this effect being approximately 70% throughout all periods. Slightly more than two-thirds of the variation in USDC is due to the variation in DAI. Another significant finding in this context is that the variation in TETHER, while not as substantial as the effect of DAI on USDC, still explains a considerable portion of the variation in USDC. This effect is highest in the 1st period (approximately 39.5%) and stabilizes around 35.3% after the 4th period.

Keywords

• Time Series Analysis
• Blockchain Technology
• Cryptocurrencies
• VAR Analysis

ETHEREUM AĞINDA BULUNAN ERC-20 TABANLI TOKENLERİN GETİRİLERİ ARASINDAKİ İLİŞKİ

Abstract

Kripto paralar, geleneksel ekonomik anlayışla değerlendirilmesi mümkün olmayan ve giderek yaygınlaşan para birimleridir. Bu nedenle, bu çalışma, başladığı tarih itibarıyla en yüksek piyasa değerine sahip olan, ERC-20 (ERC, "Ethereum Request for Comments") standartlarına uygun şekilde üretilmiş 5 kripto para arasında nedensellik ilişkisi olup olmadığını araştırmaktadır. Çalışmada incelenen tokenler: DAI Token (DAI), SHIBA Inu (SHIBA), Tether USDt (TETHER), Uniswap (UNI) ve USD Coin (USDC)’dir. Çalışmada VAR (Vektör Otoregresif) modeli kullanılmakta olup, bu modele dayalı olarak Granger nedensellik, Etki-Tepki ve Varyans ayrıştırması analizleri yapılmaktadır. Çalışma, 01.10.2021-05.02.2024 dönemini kapsamakta olup, serilerin günlük getirileri kullanılmaktadır. Bu bağlamda, 10 model tahmin edilmiştir. Bu modellerden 4'ünde herhangi bir nedensellik ilişkisi tespit edilmezken, 3'ünde tek yönlü, 3'ünde ise çift yönlü nedensellik ilişkisi tespit edilmiştir. Etki-Tepki analizleri genel olarak, kripto paraların kendi içlerinde meydana gelen şoklara duyarlı olduğunu, ancak diğer kripto paraların şoklarına duyarlı olmadığını göstermektedir (10 modelin 5'inde bu durum geçerlidir). Bununla birlikte, karşılıklı ve tek yönlü etkilerden de söz edilebilir. Etki-Tepki analizlerinin en çarpıcı sonucu, USDC’de meydana gelen şokların TETHER üzerinde oldukça uzun dönemli etkiler yaratmasıdır. Varyans ayrıştırması sonuçlarına göre en dikkat çekici bulgu, DAI’nın USDC'deki varyasyonun ana belirleyicisi olmasıdır ve bu etkinin tüm dönemler itibarıyla yaklaşık %70 civarında olduğu tespit edilmiştir. USDC’deki varyasyonun yaklaşık üçte ikisi, DAI’da meydana gelen varyasyondan kaynaklanmaktadır. Diğer bir önemli bulgu ise, TETHER’deki varyasyonun, DAI’nın USDC üzerindeki etkisi kadar büyük olmasa da, oldukça yüksek miktarda USDC varyasyonunu açıklamasıdır. Bu etkinin 1. dönemde en yüksek seviyesinde olduğu (%39,5 civarında) ve 4. dönemden sonra %35,3 civarında stabilize olduğu görülmektedir.

Keywords

• Zaman Serisi Analizi
• Blokchain Teknolojisi
• Kripto Paralar
• VAR Analizi

References

1. Adana Karaağaç, G., & Altınırmak, S. (2018). En Yüksek Piyasa Değerine Sahip On Kripto Paranın Birbirleriyle Etkileşimi. Muhasebe ve Finansman Dergisi, (79), 123-138.
2. Akçalı, B. Y., & Şişmanoğlu, E. (2019). Kripto Para Birimleri Arasındaki İlişkinin Todo-Yamamoto Nedensellik Testi ile Analizi. Ekev Akademi Dergisi, (78), 99-128.
3. Aksoy, E., Teker, T., Mazak, M., & Kocabıyık, T. (2020). Kripto Paralar ve Fiyat İlişkileri Üzerine Bir Analiz: Toda-Yamamoto Nedensellik Analizi ile Bir İnceleme. Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 37, 110-129.
4. Alsadı, M. (2020). Akıllı Ortamlarda Blockchain Tabanlı Kimlik Doğrulama Sisteminin Geliştirilmesi. Doktora Tezi, İstanbul Üniversitesi Fen Bilimleri Enstitüsü, İstanbul.
5. Bitlo, (2023). ERC20. www.bitlo.com, (Erişim Tarihi: 05.05.2023).
6. Dickey, D. A., & Fuller, W. A. (1981). Likelihood Ratio Statistics for Autoregressive Time Series With A Unit Root. Econometrica: Journal of the Econometric Society, 1057-1072.
7. Dönmez, C. Ç., Şen, D., & Hazır, U. (2021). Kriptopara Dinamikleri: Bitcoin Cash, Ethereum, Litecoin ve Ripple. Int. J. Adv. Eng. Pure Sci. 2021, 33(4), 636-650.
8. Engle, R. F., & Granger, C. W. (1987). Co-integration and error correction: representation, estimation, and testing. Econometrica: Journal of the Econometric Society, 251-276.

9. Investing, (2024). Tüm Kripto Paralar. https://tr.investing.com/crypto/currencies, (Erişim Tarihi: 05.02.2024).
10. Konuşkan, A., Teker, T., Ömürbek, V., & Bekci, İ. (2019). Kripto Paraların Fiyatları Arasındaki İlişkinin Tespitine Yönelik Bir Araştırma. Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 2(2), 311-318.
11. Kwiatkowski, D., Phillips, P. C., Schmidt, P., & Shin, Y. (1992). Testing The Null Hypothesis of Stationarity Against The Alternative of A Unit Root: How Sure Are We That Economic Time Series Have A Unit Root? Journal of Econometrics, 54(1-3), 159-178.
12. Pesaran, M. H., Shin, Y., & Smith, R. J. (2001). Bounds Testing Approaches to The Analysis of Level Relationships. Journal of Applied Econometrics, 16(3), 289-326.
13. Phillips, P. C., & Perron, P. (1988). Testing for A Unit Root in Time Series Regression. Biometrika, 75(2), 335-346.