经济泡沫的数字追踪： 在比特币经济中社会经济的反馈周期研究外文翻译资料

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

经济泡沫的数字追踪：

在比特币经济中社会经济的反馈周期研究

在价格泡沫的产生中，什么才是主要因素?回答这个问题需要首先追踪大量参与这一集体行为的参与者在其中的行为。数字货币巧妙地提供了一种可以从虚拟途径衡量社会经济变化的可能性。在这里，我们主要研究比特币：最著名的加密货币。比特币币值在经历了一段时间的急速增长后就剧烈下跌。我们推测这些巨幅波动很可能是由不同社会现象相互作用所引起的。因此我们从大量关于比特币的参数中量化了四个社会经济标记：在线交易的价格；在线交流的全球总量;搜索信息的总量以及用户基数的增长量。在没有外生变量的情况下，我们通过使用矢量自回归的方法确定了导致价格泡沫的两个正反馈循环：一个是由于口碑，另一个是由新的比特币持有者引起的。与此同时，我们发现搜索与外部相关信息的峰值总是在剧烈的价格波动之前，了解测量的这几个社会经济中相互作用的标志可以应用在不仅仅局限于加密货币，乃至包括数字信息之外的其他资料，比如说社交网络的使用。

1. 介绍

作为最著名的加密货币，比特币在经历了长时间的稳定（现在有些风险的预兆）几乎可以充当一种成熟的主流货币。在它诞生之后的五年中，由于其爆发式增长及其急速增长的币值，比特币越来越引人关注。在围绕货币的炒作中，我们已经很难弄清是哪些因素导致比特币币值的增长或者影响其币值。比特币的去中心化结构基于使用它的用户而非单一的管理人员，这使得社会因素的变化很可能引起比特币经济的波动，而市场参与者的相互作用会引起社会因素的一定变化。这篇论文揭示了比特币经济中的价格变动与社会因素之间的相互作用，即一个由口碑效应与消费者驱动的使用效应组成的社会反馈循环。

比特币的增长速度的确十分惊人，在比特币在2010年7月开始公开交易的时候，其流通中的市值仅为27.2万美元，但到了2013年的12月份，其市值已经超过14亿美元（超过5万倍的增幅）。这使得公众对于比特币有着极大的兴趣，这种兴趣体现在公众在网络上的搜索量：在这一时期，比特币在Google搜索上的搜索量增长了100倍。我们假设比较容易追踪的网络用户的行为和个体用户的相互作用是导致这一巨额增长的原因。那么如何使用这些数字信息去量化市场动态与公众利益之间的联系。在这篇文章中，我们结合了价格和市场信息两种指标，作为衡量这种市场反馈的工具。通过基于尤金·法马和桑福德·J·格罗斯曼的研究方法调查价格的影响，经济业者将各种常规渠道的信息整理归类，从而调整商品的价格，或者单一的价格。桑吉弗·卡比尚达尼是最先研究单纯社会信息在价格信息中的作用，他说明了在经济价格大幅波动且没有其他信息来源的情况下，从众行为是一种相对合理的策略。

由于比特币的稳定供量，其稀缺性以及其用户群体的独立性，使得比特币的价格，公众吸引力与使用度互相联系，互相作用。基于我们对于社会经济相互作用的假设，研究比特币最重要的是弄清楚社会经济的影响在价格波动中有何作用。通过量化这些社会因素指标，我们可以从分析角度去研究比特币的交易量与这些指标之间的关系。通过这种角度的研究，我们发现多时间依赖性诱发了比特币的价格泡沫。

• 1. 四级数据

我们将交易数据，社会媒体行为，搜索趋势以及用户对比特币的接受度这四种数据整合，制作了一个四级数据集。

我们使用四层数据集 (表 1), 它由 exchange 数据记录、社交媒体活动、搜索趋势和用户采用比特币组成。

1.2. 比特币块链和软件客户端: 用户群

比特币块链是一个公共分类帐, 包含所有公共交易记录在比特币货币的历史 [1]。比特币网络的每个节点都运行一个比特币软件客户端, 它保留了块链的副本。我们对块链的分析, 以及软件客户端下载的数量, 为新的比特币用户的真实数量在任何时候产生了两个近似。在时间 t 中采用货币的新的比特币用户数由图1b 中的变量 U_t表示。

1.3. 比特币汇率

比特币 (BTC) 在公共互联网交易所交易其他货币。截至 2013年12月, 最旧的公共交易, 最大的贸易 BTC 美元 (美元) 和欧元 (欧元), 是葡萄糖氧化酶;最大的交换由 BTC 容量是 BTC-中国, 交易 BTC 为中国人民币 (CNY) [12]。对于我们的分析, 我们使用的交易数据从这两个交易所和第三次交易所在欧洲举办, BTC, 包括汇率三美元, 欧元和人民币, 使用 BTC/美元作为历史参考。交易价格由图1b 中的变量 P_t表示。

1.4. 信息检索

我们衡量的兴趣, 获得有关比特币的信息, 通过规范化的搜索量的术语 比特币 在谷歌搜索引擎。搜索量数据已被证明是有用的, 以捕获的信息收集阶段的个人决策过程, 导致洞察量和波动 [1314], 以及财务回报 [15]。或者, 维基百科的用法 [16] 可以用作信息收集的指示器。

这两个指标都显示出领先的比特币价格 [17], 推动交叉验证我们的结果与维基百科的观点, 为比特币页面上的英文维基百科。搜索卷由图1b 中的变量 S_t表示。

1.5. 信息共享

在我们的分析中, 信息搜索是一种无需在个人之间共享的私有操作, 而信息共享则是严格的社会性的。个人之间的社会互动可以通过他们的沟通水平来衡量。以前的作品应用在 Twitter 上的公众信息的情绪分析, 以预测股票价格的变化 [18], 或在即时消息的语言模式预测股票波动 [10]。除了情感, 绝对在线口碑水平, 如总的鸣叫或新闻文章的总数, 是有用的预测价格变化 [19]。我们测量信息共享, 或在线的口碑通信, 通过每日数量的比特币相关的推特 B_t每百万邮件在我们的 Twitter 提要t, 计算为 (B_t/t_t) 10⁶。为了进一步验证, 我们计算了一个替代方法, 取代了比特币相关的推特数和 'reshares' 的数量, 在最古老的, 经常活跃的公众 Facebook 页面上张贴的信息, 专门针对比特币。联机口字由图1b 中的变量 W_t表示.

经济代理人迅速整合共同的信息来源, 将价格分配给一个好的, 包括价格本身。纯粹社会信息的作用为价格形成首先被研究了 Bikhchandani [ 9 ] , 谁表明模仿是一个合理的战略在动期间或在缺乏其他信息来源。

在比特币经济中, 固定供应和可预测的稀缺性, 既独立于用户基础, 又在公共利益、用户采用和价格之间建立了强有力的联系 (图1a 的时间序列中说明)。根据我们对社会互动作用的假设, 一个关键问题是对社会影响 [1011] 在价格变化中的作用进行表征。我们量化这些社会经济信号, 以便对比特币汇率与其经济的社会方面之间的关系提供分析性的观点。通过这种观点, 我们揭示了多时间依赖导致比特币价格泡沫的形成。

1.1. 四级数据

我们使用四层数据集 (表 1), 它由 exchange 数据记录、社交媒体活动、搜索趋势和用户采用比特币组成。

1.2. 比特币块链和软件客户端: 用户群

比特币块链是一个公共分类帐, 包含所有公共交易记录在比特币货币的历史 [1]。比特币网络的每个节点都运行一个比特币软件客户端, 它保留了块链的副本。我们对块链的分析, 以及软件客户端下载的数量, 为新的比特币用户的真实数量在任何时候产生了两个近似。在时间 t 中采用货币的新的比特币用户数由图1b 中的变量 U_t表示。

1.3. 比特币汇率

比特币 (BTC) 在公共互联网交易所交易其他货币。截至 2013年12月, 最旧的公共交易, 最大的贸易 BTC 美元 (美元) 和欧元 (欧元), 是葡萄糖氧化酶;最大的交换由 BTC 容量是 BTC-中国, 交易 BTC 为中国人民币 (CNY) [12]。对于我们的分析, 我们使用的交易数据从这两个交易所和第三次交易所在欧洲举办, BTC, 包括汇率三美元, 欧元和人民币, 使用 BTC/美元作为历史参考。交易价格由图1b 中的变量 P_t表示。

1.4. 信息检索

我们衡量的兴趣, 获得有关比特币的信息, 通过规范化的搜索量的术语 比特币 在谷歌搜索引擎。搜索量数据已被证明是有用的, 以捕获的信息收集阶段的个人决策过程, 导致洞察量和波动 [1314], 以及财务回报 [15]。或者, 维基百科的用法 [16] 可以用作信息收集的指示器。

这两个指标都显示出领先的比特币价格 [17], 推动交叉验证我们的结果与维基百科的观点, 为比特币页面上的英文维基百科。搜索卷由图1b 中的变量 S_t表示。

1.5. 信息共享

在我们的分析中, 信息搜索是一种无需在个人之间共享的私有操作, 而信息共享则是严格的社会性的。个人之间的社会互动可以通过他们的沟通水平来衡量。以前的作品应用在 Twitter 上的公众信息的情绪分析, 以预测股票价格的变化 [18], 或在即时消息的语言模式预测股票波动 [10]。除了情感, 绝对在线口碑水平, 如总的鸣叫或新闻文章的总数, 是有用的预测价格变化 [19]。我们测量信息共享, 或在线的口碑通信, 通过每日数量的比特币相关的推特 B_t每百万邮件在我们的 Twitter 提要t, 计算为 (B_t/t_t) 10⁶。为了进一步验证, 我们计算了一个替代方法, 取代了比特币相关的推特数和 'reshares' 的数量, 在最古老的, 经常活跃的公众 Facebook 页面上张贴的信息, 专门针对比特币。联机口字由图1b 中的变量 W_t表示.

2. 材料和方法

2.1. 因特网数据集

我们下载了整个比特币块链, 其中包含每个块的详细记录, 从网站 http://blockex plorer.com 截至2013年11月5日。我们从 Google 的趋势检索到的搜索量数据在 2013年11月5日 (http://www. google.com/trends/explore )。我们查询了一组时间间隔的 '比特币' 一词: 首先是整个时间段 (返回每周卷), 然后是两个月的滚动窗口 (返回每日卷)。我们结合了这些查询的结果 (参见电子补充材料、sect;S1.1、数字 S1 和 S2), 以便在整个时间段内生成规范化的每日搜索量。通过使用http://stats.grok.se 的 JSON 接口, 我们检索了英文维基百科 (http://en.wikipedia.org/wiki/Bitcoin) 中的比特币页面的每日视图数. 。我们查询数据集的每个月份, 获取所查询月份中每天的页面总视图量。在 2013年11月5日, 我们通过玩转 (http://topsy.com) 来收集关于比特币的推特的相对音量, 通过将包含至少以下术语之一的推文的数量除以: 'BTC'、'#BTC'、'比特币 或 #bitcoin 的总的鸣叫量的每一天的研究阶段。我们提取的数量的 'reshares' 张贴项目的最古老 (我们最好的知识), 定期活跃的公众 Facebook 页面专用于比特币 (http://www.face book.com/bitcoins )。我们下载了比特币市场数据从 http://bitcoincharts.com, 涵盖最大的市场为三种货币: Mt 葡萄糖氧化酶为美元, BTC 中国为人民币, 和葡萄糖氧化酶和 BTC 的欧元。在正文中, 我们使用葡萄糖氧化酶 BTC/美元时间序列作为价格的参考, 当没有提及其他时, 因为它是最大的市场由容量在

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[23968]，资料为PDF文档或Word文档，PDF文档可免费转换为Word