Yale Economists Share Strategies to Strongly Forecast Bitcoin Returns
นักเศรษฐศาสตร์เยล เผยโมเดลทำนายราคาบิทคอยน์
ในขณะที่อุตสาหรรมบิทคอยน์ได้สร้างสถิติการขาดทุนกว่า 3 หมื่นล้านเหรียญสหรัฐฯ เนื่องจากราคาที่ร่วงลงมาตั้งแต่ช่วงต้นปี นักเศรษฐศาสตร์ 2 คน จากมหาวิทยาลัยเยล (Yale University) เชื่อว่าความผันผวนของตลาดสามารถพยากรณ์ได้โดยใช้ “ตัวทำนายศักยภาพผลตอบแทนของค่าเงินคริปโต”
Aleh Tsyvinski และ Yukun Liu ได้ตีพิมพ์ผลการศึกษาในหัวข้อ “ความเสี่ยงและผลตอบแทนของค่าเงินคริปโต” หลังจากที่ได้ทำการวิจัยถึง 2 ปัจจัยที่สามารถทำนายผลตอบแทนของค่าเงินคริปโตได้อย่างแม่นยำ โดยจากการศึกษาพบว่า ปัจจัยมหภาคมีผลต่อค่าเงินคริปโตน้อย ซึ่งปัจจัยดังกล่าวจะมีผลต่อตลาดหุ้น การแลกเปลี่ยนเงินตราระหว่างประเทศ และสินค้าโภคภัณฑ์ อย่างไรก็ตาม ตลาดคริปโตและตลาดทั่วไปนั้น ยังมีแนวโน้มราคาและกลยุทธ์ในการซื้อขายที่ใกล้เคียงกันอยู่
ในการหากลยุทธ์ดังกล่าว Tsyvinski และ Liu ได้วิเคราะห์ราคาย้อนหลังของคริปโตต่างๆ เช่น บิทคอยน์ อีเธอเรี่ยม และ ริปเปิ้ล (BTC, ETH & XRP) จนกระทั่งได้พบปัจจัยที่สำคัญ 2 ประการ ที่สามารถทำนายแนวโน้มของตลาดในอนาคตได้ ซึ่งคือ ผลกระทบเชิงโมเม็นตัม และ ผลกระทบจากความสนใจของนักลงทุน (“Momentum Effect” &“Investor Attention Effect”)
ผลกระทบเชิงโมเม็นตัม : ขึ้นแปลว่าขึ้น ลงแปลว่าลง
นักเศรษฐศาสตร์ทั้ง 2 คนได้ตรวจสอบราคารายวันและรายสัปดาห์ของ BTC, ETH & XRP และเครื่องมือที่เชื่อว่าจะใช้ทำนายแนวโน้มราคาบิทคอยน์ได้ ซึ่งก็คือ “โมเม็นตัมอนุกรมเวลาของค่าเงินคริปโต”
โดยทั่วไป ผลกระทบเชิงโมเม็นตัมจะเปรียบเทียบแนวโน้มระหว่างกรอบเวลาต่างๆ เช่น ราคารายสัปดาห์ขึ้นไปเกิน 20% เป็นสัญญาณซื้อ ผู้ซื้อก็ควรจะถือสินทรัพย์ต่อไปอย่างน้อย 1 สัปดาห์ก่อนที่จะขายทำกำไร ในทางเดียวกันหากโมเม็นตัมยังคงเป็นขาลงอย่างต่อเนื่องในรายสัปดาห์ ก็เป็นสัญญาณขาย หรือควรจะออกจากตลาดก่อนที่ความเสี่ยงจะทวีความรุนแรงมากขึ้น
Tsyvinski บอกกับ CNBC ว่า
“โมเม็นตัมเป็นอะไรที่เรียบง่าย”
“หากมันขึ้นโดยเฉลี่ยแล้วมันก็จะขึ้นต่อ หากมันลงก็จะลงต่อ”
ผลกระทบจากความสนใจของนักลงทุน : แนวโน้มเชิงสังคม
การศึกษาของเยลได้เปรียบเทียบราคากับผลการค้นหารายสัปดาห์จาก Google ด้วย keywords คือ “Bitcoin,” “Ripple,” และ “Ethereum” และอื่นๆ keywords อีกที่มีความหมายใกล้เคียง หากมีการค้นหาหรือพูดถึง keywords ดังกล่าวในสื่อสังคมออนไลน์มากกว่าปกติ เช่น หากจำนวนโพสใน Twitter ที่พูดถึง Bitcoin มีมากขึ้น ก็จะทำให้ BTC มีราคาสูงขึ้นในสัปดาห์ถัดมา ในทำนองเดียวกัน หากนักลงทุนมุ่งความสนใจไปที่ keywords ที่เป็นเชิงลบ เช่น บิทคอยน์ +โดนแฮ็ก (“bitcoin hack”) ก็จะทำนายได้ว่าราคาจะลดลงในสัปดาห์ถัดไป
ผลการศึกษาระบุว่า
“หากโพสใน Twitter ที่พูดถึงบิทคอยน์มีจำนวนเพิ่มขึ้นเท่ากับ 1 ส่วนเบี่ยงเบนมาตรฐาน จะทำให้ผลตอบแทนของบิทคอยน์ เพิ่มขึ้น 2.5% ในสัปดาห์ถัดไป”
ผลข้อมูลจาก Bitcoin, Ethereum and Ripple
ผลการศึกษาได้เปรียบเทียบสถิติของบิทคอยน์เป็นรายวัน รายสัปดาห์ และรายเดือน และได้เทียบกับค่าเงินตราระหว่างประเทศ หุ้น และสินค้าโภคภัณฑ์ ซึ่งพบว่า ผลตอบแทนเฉลี่ยรายวันเคยอยู่ที่ 0.52% และส่วนเบี่ยงเบนมาตรฐานเคยอยู่ที่ 5.55% ที่รายสัปดาห์ ผลตอบแทนเฉลี่ยเคยอยู่ที่ 3.79% และส่วนเบี่ยงเบนมาตรฐานเคยอยู่ที่ 16.64% และรายเดือน ผลตอบแทนเฉลี่ยเคยอยู่ที่ 21.60% และส่วนเบี่ยงเบนมาตรฐานเคยอยู่ที่ 69.46%
โดนส่วนใหญ่ผลที่ได้สถิติของบิทคอยน์จะสูงกว่าทรัพย์สินประเภทอื่น ส่วนริปเปิ้ล และอีเธอเรี่ยมให้ผลตอบแทนเฉลี่ยและมีส่วนเบี่ยงเบนมาตรฐานสูงกว่าบิทคอยน์ อย่างไรก็ตาม มีค่าอัตราส่วนชาร์พ (Sharpe ratios) หรืออัตราส่วนผลตอบแทนต่อความเสี่ยงและค่ากำไรเฉลี่ย ค่อนข้างใกล้เคียงกับบิทคอยน์