Kripto Para Türlerinin Dinamik Volatilite Yayılımı

Abstract

Bu çalışma, kripto para piyasasının iki ana aktörü olan Bitcoin ve Ethereum ile altcoinlerin sektörel ve finansal grupları arasındaki volatilite yayılımlarını analiz etmeyi amaçlamaktadır. 1 Ocak 2021 – 6 Mart 2023 dönemi verileri kullanılarak gerçekleştirilen çalışmada, Diebold ve Yılmaz (2012) tarafından geliştirilen VAR temelli yöntem uygulanmış ve hem yönlü hem de toplam volatilite yayılımları ölçülmüştür. Bulgular, Bitcoin’in volatilitesinin büyük ölçüde iç dinamiklerden kaynaklandığını ve diğer kripto paralara sınırlı düzeyde bulaştığını göstermektedir. Buna karşın, Ethereum’un dışsal şoklardan daha fazla etkilendiği ve piyasa genelinde daha güçlü bir volatilite yayılımı sergilediği görülmüştür. Altcoin kategorileri arasında Oyun (Gaming), Analitik (Analytics) ve DeFi gruplarının volatilite aktarımında en etkili gruplar olduğu; NFT, Web3 ve Metaverse gibi tematik tokenlerin ise dışsal volatiliteye daha duyarlı olduğu belirlenmiştir. Buna karşılık, stablecoinler ve kimlik ile sağlık sektörlerindeki tokenlerin görece düşük volatiliteye ve daha istikrarlı bir yapıya sahip olduğu saptanmıştır. Bu sonuçlar, yatırımcılar ve düzenleyiciler açısından risk yönetimi stratejileri ile portföy çeşitlendirmesi konularında önemli çıkarımlar sunmaktadır. Çalışma, kripto para ekosistemi içerisindeki sistematik volatilite dinamiklerini anlamak için değerli bir çerçeve ortaya konulmuştur.

Keywords

• Kripto Para Birimi
• Volatilite Yayılımı
• Bitcoin
• Ethereum
• Altcoinler
• Diebold-Yılmaz Method

Dynamic Volatility Propagation of Cryptocurrency Types

Abstract

This study aims to analyze the volatility spillovers between Bitcoin and Ethereum, the two main actors in the cryptocurrency market, and altcoins across sectoral and financial groups. Using data from January 1, 2021, to March 6, 2023, the study applied the VAR-based method developed by Diebold and Yılmaz (2012) and measured both directional and total volatility spillovers. The findings show that Bitcoin's volatility largely stems from internal dynamics and spreads to other cryptocurrencies to a limited extent. In contrast, Ethereum is more affected by external shocks and exhibits a stronger volatility spillover across the market. Among altcoin categories, Gaming, Analytics, and DeFi groups were found to be the most influential in volatility transmission, while thematic tokens such as NFT, Web3, and Metaverse were more sensitive to external volatility. In contrast, stablecoins and tokens in the identity and healthcare sectors were found to have relatively low volatility and a more stable structure. These results offer important insights for investors and regulators regarding risk management strategies and portfolio diversification. The study provides a valuable framework for understanding the systematic volatility dynamics within the cryptocurrency ecosystem

Keywords

• Cryptocurrency
• Volatility Spillover
• Bitcoin
• Ethereum
• Altcoins
• Diebold-Yılmaz Method

References

1. Aksoy, E., Atik, A., & Altın, M. (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.
2. Alpago, H. (2018). The impact of individual motivations and competitive behavior on cryptocurrency investments. Istanbul University Journal of Economics, 68(1), 55–78.
3. Ammous, S. (2018). The Bitcoin Standard: The Decentralized Alternative to Central Banking. Wiley.
4. Antonakakis, N., Chatziantoniou, I., & Gabauer, D. (2019). Cryptocurrency market contagion: Market uncertainty, portfolio diversification, and dynamic connectedness. Journal of International Financial Markets, Institutions and Money, 61, 37–51. https://doi.org/10.1016/j.intfin.2019.02.003
5. Anyfantaki, S., Arvanitis, S., & Koutroumpis, D. (2018). Cryptocurrencies and portfolio diversification: Evidence from the Greek market. Journal of Risk and Financial Management, 11(4), 81.
6. Baek, C., & Elbeck, M. (2014). Bitcoins as an investment or speculative vehicle? A first look. Applied Economics Letters, 22(1), 30–34. https://doi.org/10.1080/13504851.2014.916379
7. Buğan, M. F. (2021). Bitcoin ve Altcoin Kripto Para Piyasalarında Finansal Balonlar. Akademik Araştırmalar ve Çalışmalar Dergisi (AKAD), 13(24), 165-180. https://doi.org/10.20990/kilisiibfakademik.880126
8. Corbet, S., Katsiampa, P., & Lau, C. K. M. (2020). Measuring quantile dependence and testing directional predictability between Bitcoin, altcoins and traditional financial assets. International Review of Financial Analysis, 71, 101571.

9. Corbet, S., Lucey, B., Urquhart, A., & Yarovaya, L. (2020). Cryptocurrencies as a financial asset: A systematic analysis. International Review of Financial Analysis, 71, 101560. https://doi.org/10.1016/j.irfa.2019.101560
10. Çakan, E. (2022). The development and potential of cryptocurrencies. Journal of Financial Studies, 18(2), 21–34.
11. Diebold, F. X., Yilmaz, K. (2012). Better to give than to receive: Predictive directional measurement of volatility spillovers, International Journal of Forecasting, 28 (1), 57-66, https://doi.org/10.1016/j.ijforecast.2011.02.006
12. Elendner, H., Trimborn, S., Ong, B., & Lee, T. M. (2016). The cross-section of cryptocurrencies as financial assets. Finance Research Letters, 22, 81–88. https://doi.org/10.1016/j.frl.2016.10.003
13. Feng, W., Wang, Y., & Zhang, Z. (2018). Can cryptocurrencies be a safe haven: A tail risk perspective analysis. International Review of Financial Analysis, 60, 111–126. https://doi.org/10.1080/00036846.2018.1466993
14. Gemici, E. (2020). “Gelişmekte Olan Piyasalarda Finansal Bağlantılılık”. Uluslararası Toplum Araştırmaları Dergisi-International Journal of Society Researches, Cilt: 16, Sayı: 30, s. 3144-3146. https://doi.org/10.26466/opus.778653
15. Grinberg, R. (2011). Bitcoin: An innovative alternative digital currency. Hastings Science & Technology Law Journal, 4(1), 159–207. https://doi.org/10.2139/ssrn.1817857
16. Gültekin, Y., & Bulut, Y. (2016). Bitcoin Ekonomisi: Bitcoin Eko-sisteminden Doğan Yeni Sektörler ve Analizi. Adnan Menderes Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 3(3), 82-92. https://doi.org/10.30803/adusobed.288167
17. Haliplii, Y., Koyun, A., & Çavdar, E. (2020). Bubble detection in cryptocurrencies. Journal of Digital Finance, 3(2), 58–76.
18. Hrytsiuk, D., Górka, J., & Greń, R. (2019). Risk analysis and portfolio optimization of Bitcoin. Financial Sciences, 24(2), 45–59.
19. Iyer, S., & Popeescu, D. (2023). Cryptocurrencies and volatility transmission to traditional markets. Finance Research Letters, 50, 103063.
20. Ji, Q., Bouri, E., Lau, C. K. M., & Roubaud, D. (2019). Dynamic connectedness and integration in cryptocurrency markets. International Review of Financial Analysis, 63, 257–272. https://doi.org/10.1016/j.irfa.2018.12.002
21. Karaağaç, H., & Altınırmak, M. (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
22. Karabıyık, C. (2020). Türkiye’de Borsa, Emtia, Tahvil ve Döviz Piyasaları Arasındaki Etkileşim: Yayılım Endeksi Yaklaşımı. Yönetim ve Ekonomi Araştırmaları Dergisi / Journal of Management and Economics Research. Cilt: 18. s. 272-273. https://doi.org/10.1016/j.econlet.2017.06.023
23. Katsiampa, P. (2017). Volatility estimation for Bitcoin: A comparison of GARCH models. Economics Letters, 158, 3–6. https://doi.org/10.1016/j.econlet.2017.06.023
24. Kayral, İ. (2020). En Yüksek Piyasa Değerine Sahip Üç Kripto Paranın Volatilitelerinin Tahmin Edilmesi. Finansal Araştırmalar ve Çalışmalar Dergisi, 12(22), 152-168. https://doi.org/10.14784/marufacd.688447
25. Ketelaars, T. (2018). Investing in the Cryptocurrency Market: Analyzing the diversification effects of cryptocurrencies in a well-diversified portfolio. https://theses.ubn.ru.nl/handle/123456789/6169
26. Nguyen, T. V. H., Nguyen, B. T., Nguyen, T. C., & Nguyen, Q. Q. (2019). Bitcoin return: Impacts from the introduction of new altcoins. Research in International Business and Finance, 48, 420-425.
27. Pesaran, M. H., & Shin, Y. (1998). Generalized impulse response analysis in linear multivariate models. Economics Letters, 58(1), 17–29. https://doi.org/10.1016/S0165-1765(97)00214-0
28. Pesaran, M.H., Schuermann, T. ve Weiner, S.M. (2004). Modeling regional interdependencies using a global error-correcting macroeconomic model. Journal of Business & Economic Statistics, 22(2), 129-162. https://doi.org/10.1198/073500104000000019
29. Shu, P., Liu, J., & Chen, Y. (2021). The dynamics of Bitcoin bubbles and crashes. Journal of Economic Dynamics and Control, 125, 104078. https://doi.org/10.1016/j.jedc.2021.104078
30. Wong, W. K., Xu, D., & Yu, J. (2018). The role of cryptocurrencies in portfolio diversification. International Review of Financial Analysis, 59, 259–270.
31. Yağcılar, M. (2021). “Borsa İstanbul’un Bölgesel Piyasalar ile Entegrasyonu: Dinamik Koşullu Korelasyonlar ve Yayılım Endeksinden Kanıtlar”. Gümüşhane Üniversitesi Sosyal Bilimler Enstitüsü Elektronik Dergisi, Cilt: 12 Sayı: 3, s. 947.