Electricity Consumption, Carbon Emission and Price Relationship in Cryptocurrency: Case of Selected Tokens

Öz

Dijitalleşmenin etkisiyle teknolojik gelişmelerin beraberinde getirdiği kripto varlıklar günden güne insan hayatında yer edinmekte ve sunduğu avantajlar ile oldukça ilgi çekmektedir. Bununla birlikte son yıllarda kripto varlık kullanımına yönelimde görülen artış; kolaylık, şeffaflık, hız gibi birçok avantaj sunan ve kazanç vaat eden bu yeni teknolojinin çevresel açıdan etkilerini ve potansiyel risk sorunlarını da beraberinde getirmiştir. Bu durumdan hareketle çalışmada kripto varlıkların çevresel etkilerini araştırmak amacıyla Ethereum’un İş Kanıtı protokolündeki yüksek elektrik tüketimi sorununu ortadan kaldırmak üzere Hisse Kanıtı protokolüne geçişini temsil eden merge uygulamasının öncesindeki ve sonrasındaki elektrik tüketimi, CO2 emisyonu ve fiyat değişkenleri acrasındaki ilişkiler Shiba Inu ve Chainlink tokenleri için ekonometrik testlerle analiz edilmiştir. Çalışmada 22.09.2021 ve 09.09.2023 dönemleri arası günlük verilerden oluşan ve merge öncesi-sonrası olarak ayrı ayrı incelenen zaman serilerinin nedensellik ilişkisini incelemek üzere Fourier Toda-Yamamoto nedensellik testi; eşbütünleşme ilişkisini analiz etmek üzere ise Fourier ARDL sınır testi kullanılmıştır. Elde edilen bulgular sonucu Shiba Inu için merge öncesinde CO2 emisyonundan ve elektrik tüketiminden fiyata doğru tek yönlü nedensellik ilişkisi olduğu tespit edilmişken, Chainlink için herhangi bir nedensellik ilişkisine rastlanmamıştır. Eşbütünleşme analizlerine gelindiğinde ise merge sonrası dönemde Shiba Inu için elektrik tüketimi bağımsız değişken olarak alındığında fiyat ve elektrik tüketimi arasında uzun dönemli bir ilişki mevcuttur. Bununla birlikte Chainlink için bağımsız değişkenin fiyat olacağı şekilde analiz yapıldığında fiyatlar ile hem CO2 hem de elektrik tüketimi arasında uzun dönemde birlikte hareket gözlemlenmiştir. Chainlink için bağımsız değişkenin fiyat olacağı şekilde analiz yapıldığında fiyatlar ile hem CO2 hem de elektrik tüketimi arasında birlikte hareket gözlemlenmiştir. Söz konusu iki tokene ilişkin ampirik bulguların benzer olmamasının sebebi olarak bu varlıklara yatırım yapanların algısal farklılığından kaynaklı olabileceği düşünülmekte olup bu konuda yatırım profillerini inceleyen anket araştırmalarının yapılmasının konuyu daha fazla aydınlatacağı düşünülmektedir.

Anahtar Kelimeler

• Kripto Varlıklar
• Merge
• Token
• Elektrik Tüketimi
• Karbondioksit Emisyonu

Kripto Varlıklarda Elektrik Tüketimi, Karbon Emisyonu ve Fiyat İlişkisi: Seçilmiş Tokenler Örneği

Öz

Dijitalleşmenin etkisiyle teknolojik gelişmelerin beraberinde getirdiği kripto varlıklar günden güne insan hayatında yer edinmekte ve sunduğu avantajlar ile oldukça ilgi çekmektedir. Bununla birlikte son yıllarda kripto varlık kullanımına yönelimde görülen artış; kolaylık, şeffaflık, hız gibi birçok avantaj sunan ve kazanç vaat eden bu yeni teknolojinin çevresel açıdan etkilerini ve potansiyel risk sorunlarını da beraberinde getirmiştir. Bu durumdan hareketle çalışmada kripto varlıkların çevresel etkilerini araştırmak amacıyla Ethereum’un İş Kanıtı protokolündeki yüksek elektrik tüketimi sorununu ortadan kaldırmak üzere Hisse Kanıtı protokolüne geçişini temsil eden merge uygulamasının öncesindeki ve sonrasındaki elektrik tüketimi, CO2 emisyonu ve fiyat değişkenleri acrasındaki ilişkiler Shiba Inu ve Chainlink tokenleri için ekonometrik testlerle analiz edilmiştir. Çalışmada 22.09.2021 ve 09.09.2023 dönemleri arası günlük verilerden oluşan ve merge öncesi-sonrası olarak ayrı ayrı incelenen zaman serilerinin nedensellik ilişkisini incelemek üzere Fourier Toda-Yamamoto nedensellik testi; eşbütünleşme ilişkisini analiz etmek üzere ise Fourier ARDL sınır testi kullanılmıştır. Elde edilen bulgular sonucu Shiba Inu için merge öncesinde CO2 emisyonundan ve elektrik tüketiminden fiyata doğru tek yönlü nedensellik ilişkisi olduğu tespit edilmişken, Chainlink için herhangi bir nedensellik ilişkisine rastlanmamıştır. Eşbütünleşme analizlerine gelindiğinde ise merge sonrası dönemde Shiba Inu için elektrik tüketimi bağımsız değişken olarak alındığında fiyat ve elektrik tüketimi arasında uzun dönemli bir ilişki mevcuttur. Bununla birlikte Chainlink için bağımsız değişkenin fiyat olacağı şekilde analiz yapıldığında fiyatlar ile hem CO2 hem de elektrik tüketimi arasında uzun dönemde birlikte hareket gözlemlenmiştir. Chainlink için bağımsız değişkenin fiyat olacağı şekilde analiz yapıldığında fiyatlar ile hem CO2 hem de elektrik tüketimi arasında birlikte hareket gözlemlenmiştir. Söz konusu iki tokene ilişkin ampirik bulguların benzer olmamasının sebebi olarak bu varlıklara yatırım yapanların algısal farklılığından kaynaklı olabileceği düşünülmekte olup bu konuda yatırım profillerini inceleyen anket araştırmalarının yapılmasının konuyu daha fazla aydınlatacağı düşünülmektedir.

Anahtar Kelimeler

• Kripto Varlıklar
• Merge
• Token
• Elektrik Tüketimi
• Karbondioksit Emisyonu

Kaynakça

1. Addai, K., Genç, S. Y., Castanho, R. A., Couto, G., Orhan, A., Umar, M., & Kirikkaleli, D. (2023). Financial Risk and Environmental Sustainability in Poland: Evidence from Novel Fourier-Based Estimators. Sustainability, 15(7), 9. https://doi.org/10.3390/su15075801
2. Akardeniz, E., Ertürkmen, G., & Bolat, İ. 2023. Türkiye’de Genişletilmiş Marshall-Lerner Koşulunun Fourier Yaklaşımı ile İncelenmesi. Kahramanmaraş Sütçü İmam Üniversitesi Sosyal Bilimler Dergisi, 20(2), 425-426. https://doi.org/10.33437/ksusbd.1282714
3. Akdağ, S. (2019). VIX korku endeksinin finansal göstergeler üzerindeki etkisi: Türkiye örneği. Hitit Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 12(1), 241. https://doi.org/10.17218/hititsosbil.522619
4. Ampel, B. (2023). The effect of consensus algorithm on Ethereum price and volume, 1.
5. Arvas, İ. S. (2022). Gutenberg galaksisinden meta evrenine: üçüncü kuşak internet, web 3.0. AJIT-e: Academic Journal of Information Technology, 13(48), 63-66. https://doi.org/10.5824/ajite.2022.01.003.x
6. Bai, J., & Perron, P. (2003). Computation and analysis of multiple structural change models. Journal of applied econometrics, 18(1), 1-22. https://doi.org/10.1002/jae.659
7. Bakır, H. (2018). Bitcoin: Yeni Bir Finansal Krize Doğru Mu? Finans Politik & Ekonomik Yorumlar, 55(646), 133.
8. Bayram Koçak, T. (2023). Paranın dijitalleşme süreci: Kripto para [Yüksek lisans tezi], Trakya Üniversitesi.

9. Caglar, A. E. (2020). The importance of renewable energy consumption and FDI inflows in reducing environmental degradation: bootstrap ARDL bound test in selected 9 countries. Journal of Cleaner Production, 264, 6. https://doi.org/10.1016/j.jclepro.2020.121663
10. Coşkun, K., & Yıldırım, S. (2023). Paranın tarihsel serüven içerisindeki formları. Muhasebe ve Finans Tarihi Araştırmaları Dergisi, (25), 86-87.
11. Çağlar, A. E., & Mert, M. (2022). Türkiye’de Karbon Histeri Hipotezi Geçerli midir? Fourier Birim Kök Testlerinden Kanıtlar. Fiscaoeconomia, 6(3), 1595-1596.
12. Çallı, F., & Şentürk, N. (2021). Tedarik zinciri yönetiminde blok zinciri platformlarının karşılaştırılması. Dijital Dönüşüm ve İşletmecilik, 98.
13. Çiftçi, N. (2014). Reel döviz kuru oynaklığının Türkiye’nin Avrupa Birliği’ne ihracatı üzerine etkisi: AR (1)-GARCH (1, 1) ve ARDL tekniği ile analiz. Sakarya İktisat Dergisi, 3(3), 94.
14. Çomruk, A. (2022). Covid-19 pandemisi ve VIX korku endeksinin finansal piyasalar üzerindeki etkisi [Yüksek lisans tezi], Burdur Mehmet Akif Ersoy Üniversitesi.
15. Dickey, David A. ve Fuller, Wayne A., (1979) “Distribution of the Estimation for Autoregressive Time Series with a Unit Root, Journal of The American Statistical Association, 74(366a), s.427-43.
16. Enders, W. & Lee J. (2012), “The flexible Fourier form and Dickey-Fuller type unit root tests”, Economics Letters, 117(1), 196-199. https://doi.org/10.1016/j.econlet.2012.04.081
17. Erdoğan, S., Ahmed, M.Y. & Sarkodie, S.A. (2022). Analyzing asymmetric effects of cryptocurrency demand on environmental sustainability. Environmental Science and Pollution Research, 29(21), 31723. https://doi.org/10.1007/s11356-021- 17998-y
18. Felek, Ş., Karademir, C., & Ceylan, R. (2023). Bitcoin ile karbon emisyonu ilişkisi: Doğrusal olmayan eşbütünleşme analizi. Ekonomi Politika ve Finans Araştırmaları Dergisi, 8(1), 141. https://doi.org/10.30784/epfad.1261418
19. Fidan, M., Dilek,S. ve Esev, A. (2019). “Dünden Bugüne Paranın Tarihi Ve Türkiye’de Kağıt Para Kullanımı”, Kilis 7 Aralık Üniversitesi Sosyal Bilimler Dergisi, 9(18), 141-162. https://doi.org/10.31834/kilissbd.613107.
20. Granger, C.W.J. (1969), Investigating causal relations by econometric models and cross-spectral methods, Econometrica: Journal Of The Econometric Society, 20(4), 424-438. https://doi.org/10.2307/1912791
21. Gülcan, N., & Boyacıoğlu, N. (2023). Kripto Paralarda Yatırımcı Duyarlılığı Etkisi: Fourier Nedensellik Uygulaması. Turkish Studies-Economics, Finance, Politics, 18(1), 225. https://dx.doi.org/10.7827/TurkishStudies.63250
22. Güven, E. A., & Ayvaz, Y. (2016). Türkiye’de Enflasyon ve İşsizlik Arasındaki İlişki: Zaman Serileri Analizi. Kahramanmaraş Sütçü İmam Üniversitesi Sosyal Bilimler Dergisi, 13(1), 247.
23. Harvey, D.I. Leybourne, S.J. and Xiao, B. (2008). A powerful test for linearity when the order of ıntegration is unknown. Studies in Nonlinear Dynamics & Econometrics, 12(3), 1-22. https://doi.org/10.2202/1558-3708.1582
24. İzolluoğlu, Z. (2019). Zaman serileri birim kök testleri ve bir uygulama [Yüksek lisans tezi, İnönü Üniversitesi]. http://hdl.handle.net/11616/18395
25. Kapengut, E., & Mizrach, B. (2023). An event study of the ethereum transition to proof-of-stake. Commodities, 2(2), 96. https://doi.org/10.3390/commodities2020006
26. Kapetanios G., Shin Y. and Snell A. (2003). Testing for a unit root in the nonlinear STAR framework. Journal of Econometrics, 112, 359-379. https://doi.org/10.1016/S0304-407(02)00202-6
27. Kapetanios, G., Shin, Y. and Snell, A. (2006). Testing for cointegration in nonlinear smooth transition error models. Econometric Theory, 22(2), 279-303. https://doi.org/10.1017/S0266466606060129
28. Kavas, Y. B. (2023). Kripto paraların çevre kirliliği, makroekonomik göstergeler ve suç üzerindeki etkileri. Celal Bayar Üniversitesi Sosyal Bilimler Dergisi, 21(03), 309-316-317. https://doi.org/10.18026/cbayarsos.1293132
29. Kesebir, M., & Günceler, B. (2019). Kripto para birimlerinin parlak geleceği. Iğdır Üniversitesi Sosyal Bilimler Dergisi, (17), 607.
30. Koçak, E., & Uçan, O. (2023). Kripto para ticaretinin çevre kirliliği üzerine etkileri: Panel veri analizi. Journal of Politics Economy and Management, 6(2), 95.
31. Luukkonen, R., Saikkonen, P. and Terasvirta, T. (1988). Testing linearity against smooth transition autoregressive models. Biometrika, 75(3), 491–499. https://doi.org/10.1093/biomet/75.3.491
32. Mike, F., & Alper, A. E. (2020). Gelismis ve gelismekte olan ülkeler için issizlik histerisinin incelenmesi: Fourier ADF test bulgulari. Cankiri Karatekin Universitesi Iktisadi ve Idari Bilimler Fakultesi Dergisi= Cankırı Karatekin University journal of the Faculty of Economcs et Admimistrative Sciences., 10(1), 1-14. https://doi.org/10.18074/ckuiibfd.661615
33. Murray, A., Kim, D., & Combs, J. (2023). The promise of a decentralized internet: What is Web3 and how can firms prepare?. Business Horizons, 66(2), 2. https://doi.org/10.1016/j.bushor.2022.06.002
34. Nazlıoglu S., Gormus, N. A., & Soytas, U. (2016). Oil prices and real estate investment trusts (reits): Gradual-shift causality and volatility transmission analysis. Energy Economics, 60, 168-14. https://doi.org/10.1016/j.eneco.2016.09.009
35. Nur, H., Şahin, G. (t, y.) Blockchain ve kripto paraların finans sektörüne etkileri ve enerji tüketimi.
36. Oral, B. G., & Yeşilkaya, Y. (2021). Kripto paraların vergilendirilmesi. Turkuaz Uluslararası Sosyo-Ekonomik Stratejik Araştırmalar Dergisi, 3(1), 84.
37. Özer, M. O. (2022). Ekonomik Büyüme ve İşsizlik Oranı Arasındaki İlişki: Kesirli Frekanslı Fourier ARDL Sınır Testi Yaklaşımı. İstanbul İktisat Dergisi, 72(1), 282. https://doi.org/10.26650/ISTJECON2022-1020006
38. Perron, P. (1990). Testing for a unit root in a time series with a changing mean. Journal of Business & Economic Statistics, 8(2), 153-162. https://doi.org/10.1080/07350015.1990.10509786
39. Pesaran, M.H., Shin, Y. & Smith, R.J. (2001). Bounds testing approaches to the analysis of level relationships. J Appl Econ, 16(3), 289-326. https://doi.org/10.1002/jae.616
40. Polat, Ö. Ü. A. (2022). FED politika kararı ve kripto para varlık getirileri: Olay çalışması analizi. İ. Merve Altan (Ed.). Dijital Etkileşimler: Sektörel Yansımaları 1 içinde (11-23). İstanbul: Efe Akademi Yay.
41. Roeck, M., & Drennen, T. (2022). Life cycle assessment of behind-the-meter Bitcoin mining at US power plant. The International Journal of Life Cycle Assessment, 27(3), 355. https://doi.org/10.1007/s11367-022-02025-0
42. Schinckus, C., Canh, N. P., & Ling, C. H. (2020). Crypto-currencies trading and energy consumption. International Journal of Energy Economics and Policy, 10(3), 355. https://doi.org/10.32479/ijeep.9258
43. Sims, C. (1980), Macroeconomics and reality, Econometrica, 48, 1-49. https://doi.org/10.2307/1912017
44. Şahbaz, Ü. (2015). Zaman Serilerinde Nedensellik Analizi: Türkiye'de Ekonomik Büyüme ve Turizm Gelirleri Arasındaki İlişkinin Nedensellik Analizi [Doktora tezi, Anadolu Üniversitesi].
45. Şenkardeş, C. G. (2021). Blockchain technology and NFT’s: a review in music industry. Journal of Management, Marketing and Logistics-JMML, 8(3), 160. http://doi.org/10.17261/Pressacademia.2021.1454
46. Toda, H.Y., & T. Yamamoto (1995), Statistical inference in vector autoregressions with possibly integrated processes. Journal of Econometrics, 66(1-2), 225-250. https://doi.org/10.1016/0304-4076(94)01616-8
47. Xiao, Z., Cui, S., Xiang, L., Liu, P., & Zhang, H. (2023). The Environmental Cost of Cryptocurrency: Assessing Carbon Emissions from Bitcoin Mining in China. Journal of Digital Economy, 2, 119. http://dx.doi.org/10.2139/ssrn.4560096
48. Yağmur, A., & Mangır, F. (2020). Bitcoin piyasasında rassal yürüyüş hipotezi. Journal of Management and Economics Research, 18(2), 163. https://doi.org/10.11611/yead.735134
49. Yıldırım, M. (2019). Blok zincir teknolojisi, kripto paralar ve ülkelerin kripto paralara yaklaşımları. Bartın Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 10(20), 266-267.
50. Yilanci V., Bozoklu, S. & Gorus, M.S. (2020). Are BRICS countries pollution havens? Evidence from a bootstrap ARDL bounds testing approach with a Fourier function. Sustain Cities Soc 55, 2-6. https://doi.org/10.1016/j.scs.2020.102035
51. Yurdabak, M.K., Deniz, R.B. (2023). Web 3.0’da fırsatlar ve meydan okuma: Merkeziyetsiz internet işletmelere neler vadediyor?. Turkish Journal of Marketing Research, 2(2), 165-167.
52. Yurtkuran, S. (2020). Türkiye’de Kirlilik Sığınağı Hipotezi Geçerli mi? Fourier Eşbütünleşme ve Nedensellik Yöntemlerinden Kanıtlar. Akademik Araştırmalar ve Çalışmalar Dergisi (AKAD), 13(24), 69.
53. Zhang, R., & Chan, W. K. V. (2020). Evaluation of energy consumption in block- chains with proof of work and proof of stake. In Journal of Physics: Conference Series, 1584(1), IOP- Publishing, 1-6. https://ui.adsabs.harvard.edu/link_gateway/2020JPhCS1584a2023Z/doi:10.1088/1742-6596/1584/1/012023
54. Zheng, M., Feng, G. F., Zhao, X., & Chang, C. P. (2023). The transaction behavior of cryptocurrency and electricity consumption. Financial Innovation, 9(1), 1-4-6. https://doi.org/10.1186/s40854-023-00449-7
55. Zivot, E. and Andrews, D. W. K. (1992). Further evidence on the great crash, the OilPrice shock, and the Unit-Root hypothesis. Journal of Business & Economic Statistics,10(3), 251-270.