Investigation of the Relationship between Cryptocurrencies: Hatemi-J Asymmetric Causality Analysis

Öz

with the highest market value and volatility among crypto currencies produced by systems called block chains with special encryption mechanisms using mathematical algorithms. Over time, many virtual currencies alternative to Bitcoin started to take place also in this system. In the study, 13 top-crypto currencies which are seen as an alternative to other investment instruments lately and whose data can be accessed in the relevant period, are used. The relationship between these coins during the winning and losing periods when positive and negative shocks are experienced is examined with Hatemi-J asymmetric causality test. For this purpose, the daily closing price data of Bitcoin, Ethereum, Ripple, Bitcoin cash, Litecoin, Eos, Binance coin, Stellar, Monero, Dash, Ethereum classic, Neo and Zcash crypto currencies between 26.7.2017-27.2.2020 are used. As a result of the analysis, it is stated that people diversify their investment tools especially in the periods that earned them; it is determined that they invest in crypto currencies, which are seen as less risky in the losing periods. While the most preferred crypto money in negative shock periods are Ripple, Binance coin, Bitcoin cash and Monero, in positive shock periods, they are Bitcoin, Ripple, Binance coin, Dash and Bitcoin cash.

Anahtar Kelimeler

• Crypto Currencies
• Hatemi-J Asymmetric Causality Test
• Blockchain

Kripto Paralar Arasındaki İlişkinin İncelenmesi: Hatemi-J Asimetrik Nedensellik Analizi

Öz

Kripto paralar, teknolojideki ilerlemeler ile birlikte ilk ortaya çıktığı günden itibaren hızlı bir şekilde gelişme göstererek işlem görmeye başlamıştır. Matematiksel algoritmalar kullanılarak özel şifreleme mekanizmalarıyla blok zincir (blockchain) olarak adlandırılan sistemler ile üretilen kripto paralar içinde Bitcoin, en yüksek piyasa değerine ve işlem hacmine sahip sanal paradır. Zamanla Bitcoin’e alternatif birçok sanal para da bu sistem içinde yer almaya başlamıştır. Bu çalışmada, son dönemde diğer yatırım araçlarına alternatif olarak görülen kripto paralardan piyasa değeri olarak ilk 30 içinde yer alan ve ilgili dönemde verisine ulaşılabilen 13 kripto para kullanılmıştır. Pozitif ve negatif şokların yaşandığı kazandıran ve kaybettiren dönemlerde bu paralar arasındaki ilişki, Hatemi-J asimetrik nedensellik testiyle incelenmiştir. Bu amaçla, Bitcoin, Ethereum, Ripple, Bitcoin cash, Litecoin, Eos, Binance coin, Stellar, Monero, Dash, Ethereum classic, Neo ve Zcash kripto paralarının 26.7.2017-27.2.2020 tarihleri arasındaki günlük kapanış fiyatları verileri kullanılmıştır. Yapılan analiz sonucunda özellikle kazandıran dönemlerde kişilerin yatırım araçlarını çeşitlendirebildiği; kaybettiren dönemlerde ise daha az riskli olarak görülen kripto paralara yatırım yaptığı gözlenmiştir. Negatif şok dönemlerinde en çok tercih edilen kripto para Ripple, Binance coin, Bitcoin cash ve Monero iken; pozitif şok dönemlerinde Bitcoin, Ripple, Binance coin, Dash ve Bitcoin cash’dir.

Anahtar Kelimeler

• Kripto Para
• Hatemi-J Asimetrik Nedensellik Testi
• Blok Zincir

Kaynakça

1. Adana Karaağaç, G. ve Altınırmak, S. (2018). En yüksek piyasa değerine sahip on kripto paranın birbirleriyle etkileşimi. Muhasebe ve Finansman Dergisi, 79, 123-138.
2. Algan, N., İşcan, E. ve Oktay, D. S. (2020). Economics of blockchain and impacts on economy: Rise of the crypto economy. S. Evci ve A. Sharma (Ed.). Studies at the Crossroads of Management & Economics içinde (177-186), London: IJOPEC Publication Limited.
3. Anavatan, A. ve Yalçın Kayacan, E. (2019). Are bitcoin returns predictable?. Journal of Current Researches on Business and Economics, 9(1), 13-22.
4. Attaran, M. ve Gunasekaran, A. (2019). Blockchain-enabled technology: the emerging technology set to reshape and decentralise many Industries. Int. J. Applied Decision Sciences, 12(4), 424-444.
5. Balcılar, M, Bouri, E., Gupta, R. ve Roubaud, D. (2017). Can volume predict bitcoin returns and volatility? A Quantiles-Based Approach, Economic Modelling, 64, 74-81.
6. Baur, D. G. ve Dimpfl, T. (2017). Realized bitcoin volatility. SSRN, 2949754,1-26.
7. Böhme, R., Christin, N., Edelman, B. G. ve Moore, T. (2015). Bitcoin: Economics, technology, and governance. Journal of Economic Perspectives, 29(2), 213–238.
8. Ciaian, P., Rajcaniova, M. ve Kancs, d’A. (2018). Virtual relationships: Short and long run evidence from bitcoin and altcoin markets. Journal of International Financial Markets, Institutions and Money, 52, 173-195.

9. Charles, A. ve Darne, O. (2018). Volatility estimation for bitcoin: Replication and robustness. International Economics, 157, 23-32.
10. Chu, J., Chan, S., Nadarajah, S. ve Osterrieder, J. (2017). GARCH modelling of cryptocurrencies. Journal of Risk and Financial Management, 10(17), 1-15. doi:10.3390/jrfm10040017
11. Çetiner, M. (2018). Bitcoin (Kripto para) ve blok zincirin yeni dünyaya getirdikleri. İstanbul Journal of Social Sciences, 20, 1-16.
12. CoinMarket cap. (2020). Top 100 Cryptocurrencies by Market Capitalization, Erişim adresi: https://coinmarketcap.com, (21.04.2020).
13. Çütçü, İ. ve Kılıç, Y. (2018). Bitcoin fiyatları ile dolar kuru arasındaki ilişki: Yapısal kırılmalı zaman serisi analizi. Yönetim ve Ekonomi Araştırmaları Dergisi, 16(4), 349-366.
14. Dilek, Ş. (2018). Blockchain Teknolojisi ve Bitcoin, 231, 1-32. Erişim adresi: https://setav.org/assets/uploads/2018/02/231.-Bitcoin.pdf, (21.04.2020).
15. Dirican, C. ve Canoz, İ. (2017). The Cointegration relationship between bitcoin prices and major world stock indices: An analysis with ARDL model approach. Journal of Economics, Finance and Accounting, 4(4), 377-392.
16. Dulupçu, M. A., Yiyit, M. ve Genç, A. G. (2017). Dijital ekonominin yükselen yüzü: Bitcoin’in değeri ile bilinirliği arasındaki ilişkinin analizi. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 22(15), 2241-2258.
17. Dyhrberg, A. H. (2016). Bitcoin, gold and the dollar, a GARCH volatility analysis. Finance Research Letters, 16, 85-92.
18. Erkuş, H. ve Gümüş, A. (2019). Blockchain ve kripto paraların kullanımı üzerine bir değerlendirme. Anemon Muş Alparslan Üniversitesi Sosyal Bilimler Dergisi, 7(2), 41–49.
19. Granger, C. W. J. (1969). Investigating causal relations by econometric models and cross-spectral methods, Econometrica, 37(3), 424-438.
20. Güleç, Ö. M., Çevik, E. ve Bahadır, N. (2018). Bitcoin ile finansal göstergeler arasındaki ilişkinin incelenmesi. Kırklareli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 7(2), 18-37.
21. Günay, H. F. ve Kargı, V. (2018). Kripto paranın vergilendirilmesi fikrinin mali yönden değerlendirilmesi. Journal of Life Economics, 5(3), 61-76.
22. Hatemi-J, A. (2012). Asymmetric causality tests with an application. Empirical Economics, 43(1), 447 – 456.
23. Kahraman, İ. K., Küçükşahin, H. ve Çağlak, E. (2019). Kriptopara birimlerinin volitilite yapısı: GARCH modelleri karşılaştırması, Fiscaoeconomia, 3(2), 21-45.
24. Katsiampa, P. (2017). Volatility estimation for bitcoin: A comprasion of GARCH models, Economics Letters, 158, 3-6.
25. Koçoğlu, Ş., Çevik, Y. E. ve Tanrıöven, C. (2016). Bitcoin piyasalarının etkinliği, likiditesi ve oynaklığı. İşletme Araştırmaları Dergisi, 8(2), 77-97.
26. Korkmaz, Ö. (2018). The relationship between bitcoin, gold and foreign exchange retruns: The case of Turkey. Turkish Economic Review. 5(4), 359-374.
27. Lee, J. ve Strazicich, M. C. (2003). Minimum lagrange multiplier unit root test with two structural breaks. The Reviews of Economics and Statistics, 85(4), 1082-1089.
28. Nakamoto, S. (2008). Bitcoin: a peer-to-peer electronic cash system. Erişim adresi: https://bitcoin.org/bitcoin.pdf.1-9, (21.04.2020).
29. Oktar, S. ve Salihoğlu, E. (2018). Merkezi olmayan dijital para birimlerinin merkez bankası parasal büyüklükleri ile ilişkisinin analizi: Bitcoin örneği. Social Sciences Studies Journal (SSS Journal), 4(22), 4164-4177.
30. Özyeşil, M. (2019). The relationship between the popularity of cryptocurrencies and their prices, returns and trading volumes: A structural break and comparative analysis. İstanbul İktisat Dergisi (Istanbul Journal of Economics), 69(2), 133-157.
31. Pichl, L. ve Kaizoji, T. (2017). Volatility analysis of bitcoin price time series. Quantitative Finance and Economics, 1(4), 474-485.
32. Polat, M. ve Gemici, E. (2018). Bitcoin ve altcoinler arasındaki ilişki. 22. Finans Sempozyumu, Mersin Üniversitesi, 10-13 Ekim 2018, Mersin, 83-90. Sahoo, P. K. (2017). Bitcoin as digital money: Its growth and future sustainability. Theoretical and Applied Economics, 24 (4-613), 53-64.
33. Salihoğlu, E. ve Han, A. (2019). Bitcoin ve seçilmiş kripto para birimlerinin fiyatları arasındaki ilişki üzerine bir inceleme. 4. Uluslararası Sosyoloji ve Ekonomi Kongresi, USE, 21-22 Aralık 2019, Ankara, 616-622.
34. Samırkaş, M. C. (2020). Modeling and forecasting volatility of bitcoin. S. Evci ve A. Sharma (Ed.). Studies at the crossroads of management & economics içinde (263-271), London: IJOPEC Publication Limited.
35. Teker, D., Teker, S. ve Özyeşil, M. (2019). Determinants of cryptocurrency price movements. 14th Paris international conference on marketing, economics, education and interdisciplinary studies, MEEIS-19, 12-14 Kasım, 2019, Paris (France) 29-34.
36. Toda, H. Y. ve Yamamoto, T. (1995). Statistical inference in vector autoregressions with possibly integrated process. Journal of Econometrics, 66, 225-250.
37. Topaloğlu, E. E. (2019). Kripto para bitcoin ve döviz kurları ilişkisi: yapısal kırılmalı eşbütünleşme ve nedensellik analizi. CBÜ Sosyal Bilimler Dergisi, 17(2), 367-382.
38. Yaşar Akçalı, B. ve Şişmanoğlu, E. (2019). Kripto para birimleri arasındaki ilişkinin Toda–Yamamoto nedensellik testi ile analizi. EKEV Akademi Dergisi, 23 (78), 99-122.
39. Yıldırım, H. (2018). Günlük bitcoin ile altın fiyatları arasındaki ilişkinin test edilmesi: 2012-2013 yılları arası Johansen eşbütünleşme testi. İnsan ve Toplum Bilimleri Araştırmaları Dergisi. 7(4), 2328-2343.