Lade Inhalt...

Kryptowährungen am Beispiel von Bitcoin. Einflussfaktoren auf die Wertentwicklung

Hausarbeit 2020 24 Seiten

Informatik - Kryptowährungen

Leseprobe

INHALTSVERZEICHNIS

ABBILDUNGSVERZEICHNIS

TABELLENVERZEICHNIS

FORMELVERZEICHNIS

ABKÜRZUNGSVERZEICHNIS

1. Einleitung
1.1 Problemstellung
1.2 Vorgehensweise

2. Forschungsansatz
2.1 Abhängige Variable
2.2 Unabhängige Variable

3. Empirische Untersuchung
3.1 Datenerhebung und Datenaufbereitung
3.2 Datenauswertung
3.3 Regressionsmodell

4 Regressionsdiagnostik
4.1 Variablenauswahl
4.2 Linearität in den Parametern
4.3 Unabhängigkeit der Störgrößen
4.4 Homoskedastizität der Störgrößen
4.5 Keine Multikollinearität der Störgrößen
4.6 Normalverteilung der Störgrößen

5. Fazit
5.1 Ergebnis der Studie
5.2 Kritische Würdigung und Ausblick

LITERATURVERZEICHNIS

ABBILDUNGSVERZEICHNIS

Abbildung 1: Kursverlauf Bitcoin in USD

Abbildung 2: Übersicht über die Variablen

Abbildung 3: Verteilung der Suchanfragen zum Begriff Bitcoin

Abbildung 4: Stetige Wochenrenditen von Bitcoin in USD

Abbildung 5: Modellgüte der multiplen linearen Regression

Abbildung 6: RESET-Test

Abbildung 7: Durbin-Watson-Test

Abbildung 8: Goldfeld-Quandt-Test

Abbildung 9: Korrelationsmatrix der Variablen

Abbildung 10: Shapiro-Wilk-Test

Abbildung 11: Jarque-Bera-Test

Abbildung 12: Verteilung der Residuen

Abbildung 13: Multiples lineares Regressionsergebnis

TABELLENVERZEICHNIS

Tabelle 1: Entwicklung der abhängigen Variable auf Wochenbasis

Tabelle 2: Entwicklung der unabhängigen Variablen auf Wochenbasis

FORMELVERZEICHNIS

Formel 1: Formeln für diskrete und stetige Renditen

Formel 2: Gleichung eines multiplen linearen Regressionsmodells

Formel 3: Gleichung des Regressionsmodells der Untersuchung

ABKÜRZUNGSVERZEICHNIS

BLUE Best-Linear-Unbiased-Estimator (dt. bester linearer unvoreingenommener Schätzer)

Dist. Distributing (dt. ausschüttend)

DW Durbin-Watson

ETF Exchange-Traded-Fund

EUR Euro

FTSE Financial-Times-Stock-Exchange

H0 Nullhypothese

H1 Alternativhypothese

LLC Limited-Liability-Company (dt. Unternehmen mit beschränkter Haftung)

UCITS Undertaking for Collective Investments in Transferable Securities (dt. Organismen für gemeinsame Anlagen in Wertpapieren)

US United States

USD United States Dollar

RESET Regression-Specification-Error-Test (dt. Regressionsspezifikationsfehlertest)

R2 Bestimmtheitsmaß

1. Einleitung

1.1 Problemstellung

Die Wertentwicklung von Kryptowährungen wie Bitcoin und Ethereum hat in den vergangenen Jahren nicht nur Blockchain-Interessierte auf diese neue Assetklasse aufmerksam gemacht.1 Technikinteressierte Anhänger gehörten bereits zu den ersten Investoren in diese digitalen Zahlungsmittel.2 Mittlerweile gibt es weltweit mehr als 6500 solcher Kryptowährungen mit einer Marktkapitalisierung von 364,14 Milliarden US-Dollar.3

Ihnen wird aufgrund ihrer Dezentralität, die aus dem Prinzip der Kryptografie resultiert, ein hohes Maß an Sicherheit als Zahlungsmittel zugesprochen. Ihre Datenverteilung erfolgt auf eine Vielzahl verschiedener Server und erschwert Manipulationen.4 Dennoch gab es in der Vergangenheit bereits etliche Male größere Diebstähle.5 Neben dem Transfer werden Kryptowährungen allerdings von vielen auch zur Wertaufbewahrung, Kursspekulation und Diversifikation ihrer Portfolios genutzt.6 Bitcoin ist dabei mit einem Marktanteil von 59,2 Prozent die mit Abstand größte und bekannteste Kryptowährung.7

In Zeiten historisch niedriger Zinsen und mit der Furcht vor Inflation und einer langanhaltenden Rezession sind viele Investoren auf der Suche nach alternativen Investmentmöglichkeiten.8 Jedoch sind Kryptowährungen nicht nur eine Wette auf die Zukunft, sondern auch hoch volatil.9 Die Menge der erzeugbaren Bitcoins ist darüber hinaus auf 21 Millionen Stück begrenzt. Dadurch entsteht eine künstliche Knappheit und der Preis soll gestützt werden.10

In der vorliegenden Hausarbeit wird die Fragestellung untersucht, welche Determinanten einen signifikanten Einfluss auf die Kursentwicklung der Kryptowährung Bitcoin haben und welche nicht. Indirekt wird bei der Auswahl der Variablen damit auch untersucht, inwieweit diese neue Assetklasse als Diversifikationsinstrument genutzt werden kann. Dazu wird ein lineares Regressionsmodell verwendet.

1.2 Vorgehensweise

Im ersten Teil der Hausarbeit wird zunächst der Forschungsansatz erläutert. Kern ist dabei ein Verständnis für die abhängigen und unabhängigen Variablen.

Im Anschluss erfolgt die empirische Untersuchung. Auf ein erläuterndes Theoriekapitel hinsichtlich Bitcoin und Kryptowährungen wurde aufgrund des begrenzten Umfangs dieser Hausarbeit und der medialen Berichterstattung verzichtet. Eine Detailbetrachtung der Konstruktion und Funktionsweise dieser Assetklasse ist für diese Ausarbeitung nicht relevant.

Im dritten Kapitel wird zunächst die Datenerhebung und -aufbereitung thematisiert. Danach werden erste Zeitreihen des Datensatzes analysiert und das Regressionsmodell aufgestellt mit Bitcoin als Regressand und abhängiger Variable sowie mehreren unabhängigen Variablen als Regressoren. Die Nullhypothese (H0) beschreibt, dass die Regressoren keinen signifikanten Einfluss auf die Veränderung des Bitcoin-Kurses haben. Die Alternativhypothese (H1) lautet dementsprechend, dass die Regressoren einen signifikanten Einfluss auf die Veränderung des Kurses haben. Das Signifikanzniveau Alpha wird auf 5 Prozent festgelegt.

Im nächsten Abschnitt schließt die Regressionsdiagnostik an. Ziel bei der Diagnostik ist die Überprüfung der Güte des Modells anhand von diversen Testverfahren zur Feststellung der BLUE-Kriterien.11

Beendet wird diese Ausarbeitung mit einer Präsentation der Ergebnisse der Studie sowie einer kritischen Würdigung der Inhalte. Ein Ausblick über mögliche weitere Forschungsfragen und erweiternde Ansätze schließt diese Arbeit ab.

2. Forschungsansatz

2.1 Abhängige Variable

Die Entwicklung des Kurses der Kryptowährung Bitcoin ist die abhängige Variable dieser Untersuchung.

Abbildung 1: Kursverlauf Bitcoin in USD

Abbildung in dieser Leseprobe nicht enthalten

Quelle: finanzen.net, Bitcoin Kursverlauf, 2020, o. S.

2.2 Unabhängige Variable

Die unabhängigen Variablen sind vier unterschiedliche Assetklassen sowie die Google-Trends-Analyse zum Suchbegriff Bitcoin.

Abbildung 2: Übersicht über die Variablen

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung (ICONs wurden selbst erstellt – Originalquellen im Literaturverzeichnis)

Als Repräsentant eines weltweiten Aktienindexes wurde der Financial Times Stock Exchange (FTSE) All World Index ausgewählt. Er enthält Aktien von ungefähr 4000 Unternehmen aus Industrie- und Schwellenländern.12

Die Google-Trends-Analyse zeigt die prozentuale Häufigkeitsverteilung von Suchanfragen zu einem bestimmten Suchbegriff. Die Werte reichen von 0 bis 100, wobei der letzte Wert den Punkt der maximalen Anzahl von Suchanfragen des Begriffs im Zeitverlauf angibt.13 In dieser Untersuchung wurde der Begriff Bitcoin betrachtet.

Abbildung 3: Verteilung der Suchanfragen zum Begriff Bitcoin

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Google LLC, Google-Trends-Analyse Bitcoin, 2020, o. S.

Jeder Datenpunkt stellt die kumulierten Suchanfragen der zurückliegenden Woche zu einem Sonntagsstichtag dar.14

Der iShares US Aggregate Bond UCITS ETF USD (Dist.) repräsentiert in dieser Untersuchung den US-amerikanischen Anleihenmarkt. Er stellt eine Nachbildung des gleichnamigen Indexes dar, „der aus auf US-Dollar lautenden Staatsanleihen, regierungsnahen Anleihen, Unternehmensanleihen und verbrieften Anleihen mit Investment-Grade-Rating besteht.“15

Der Wechselkurs EUR/USD wurde als Währungskomponente hinzugefügt.

Da der Assetklasse Gold wie auch Bitcoin der Status einer Krisenwährung zugesprochen wird, wurde der Goldpreis je Feinunze in USD als unabhängige Variable untersucht.16

3. Empirische Untersuchung

3.1 Datenerhebung und Datenaufbereitung

Der Zeitraum dieser Untersuchung reicht vom 31.07.2015 bis zum 31.07.2020 und beträgt damit knapp fünf Jahre. Die Informationen zu Tagen und Schlusskursen für die abhängige Variable Bitcoin und die unabhängige Variable US-Aggregate-Bond wurden dem Finanzportal finanzen.net entnommen. Die Daten zu Suchanfragen des Begriffs Bitcoin stammen aus dem Onlinedienst Google-Trends-Analyse. Für alle übrigen Daten wurde das Finanzportal onvista.de genutzt.

Da die Daten der Suchanfragen aus der Google-Trends-Analyse stets kumulierte Sonntagswerte darstellen, wurden für die übrigen Variablen ebenfalls kumulierte Wochenrenditen berechnet. Insgesamt ergeben sich aus dieser Datenaufbereitung 261 Wochenschlusskurse und -renditen, die weitergehend untersucht wurden.

Aufgrund der vorteilhaften Zeitadditivität sowie der Tatsache, dass die gleichen absoluten Abweichungen bei diskreten Renditen nicht zu den gleichen prozentualen Abweichungen führen, wurden alle Renditen mit dem natürlichen Logarithmus (ln) als stetige Renditen ermittelt.17

Formel 1: Formeln für diskrete und stetige Renditen

Quelle: In Anlehnung an Hölscher, R., Kalhöfer, C., Finanzmathematik, 2015, S. 4–10

3.2 Datenauswertung

Die erste Datenauswertung zeigt, dass die maximale negative Entwicklung der abhängigen Variable Bitcoin in einer Woche mit minus 40,40 Prozent stärker ausfiel als die maximale positive von plus 35,89 Prozent. Im Mittel stieg der Bitcoin im Betrachtungszeitraum um durchschnittlich 1,67 Prozent pro Woche und somit stärker als die übrigen Variablen (s. Tab. 2).

[...]


1 Vgl. Küfner, R. A., Kryptowährungen, 2019, S. 117,131.

2 Vgl. Koenig, A., Bitcoin, 2018, S. 90; Küfner, R. A., Kryptowährungen, 2019, S. 38,47; Specht, P., Blockchain, 2019, S. 212.

3 Vgl. CoinMarketCap, Cryptocurrencies, 2020, o. S.

4 Vgl. Küfner, R. A., Kryptowährungen, 2019, S. 38; Specht, P., Blockchain, 2019, S. 212–214.

5 Vgl. Koenig, A., Bitcoin, 2018, S. 11; Specht, P., Blockchain, 2019, S. 218.

6 Vgl. Küfner, R. A., Kryptowährungen, 2019, S. 72; Specht, P., Blockchain, 2019, S. 218.

7 Vgl. CoinMarketCap, Cryptocurrencies, 2020, o. S.; Koenig, A., Bitcoin, 2018, S. 16.

8 Vgl. Koenig, A., Bitcoin, 2018, S. 12; Küfner, R. A., Kryptowährungen, 2019, S. 47.

9 Vgl. Koenig, A., Bitcoin, 2018, S. 100; Küfner, R. A., Kryptowährungen, 2019, S. 72,153.

10 Vgl. Koenig, A., Bitcoin, 2018, S. 10,94; Specht, P., Blockchain, 2019, S. 218.

11 Best-Linear-Unbiased-Estimator (dt. bester linearer unvoreingenommener Schätzer) Vgl. Urban, D., Mayerl, J., Regression, 2018, S. 379.

12 Vgl. The Vanguard Group, FTSE All-World ETF, 2020, S. 3.

13 Vgl. Google LLC, Google-Trends-Analyse ‚Bitcoin‘, 2020, o. S.

14 Vgl. Google LLC, Google Trends Analyse ‚Bitcoin‘, 2020, o. S.

15 BlackRock Inc., iShares US Aggregate Bond ETF, 2020, S. 1.

16 Vgl. Koenig, A., Bitcoin, 2018, S. 96.

17 Vgl. Ernst, D., Schurer, M., Portfoliomanagement, 2014, S. 68,72–73; Hölscher, R., Kalhöfer, C., Finanzmathematik, 2015, S. 4–10; Schwenkert, R., Stry, Y., Finanzmathematik, 2016, S.°17–19.

Details

Seiten
24
Jahr
2020
ISBN (eBook)
9783346268990
ISBN (Buch)
9783346269003
Sprache
Deutsch
Katalognummer
v939090
Institution / Hochschule
FOM Hochschule für Oekonomie & Management gemeinnützige GmbH, Bochum Standort besteht nicht mehr
Note
1,0
Schlagworte
Bitcoin Kryptowährungen Börse Crash Börsenkurse Regressionsdiagnostik Multiples lineares Regressionsmodell

Autor

Zurück

Titel: Kryptowährungen am Beispiel von Bitcoin. Einflussfaktoren auf die Wertentwicklung