logo
0
читателей
Поведенческие финансы и инвестирование  Блог клинического психолога и инвестора о том, как используя данные из области психологии, поведенческих финансов и когнитивных наук лучше понять, как наша психика управляет процессом принятия инвестиционных решений на фин
О проекте Просмотр Уровни подписки Фильтры Статистика Обновления проекта Контакты Поделиться Метки
Все проекты
О проекте
Всё, о чём будет идти речь в этом блоге, является моим личным мнением и основано на моей практике работы в качестве психолога с профессиональными трейдерами и портфельными управляющими. Рассматривая вопросы психологии инвестирования в широком смысле, я также буду говорить и о конкретных участниках мира инвестиций – от частных инвесторов до управляющих фондами.
Однако проект не будет фокусироваться исключительно на сфере финансов. Скорее мы будем говорить о поведении человека в целом, чем оно определяется и какие внутренние механизмы руководят процессом принятия решений, в том числе в сфере инвестиций.
Публикации, доступные бесплатно
Уровни подписки
Единоразовый платёж

Безвозмездное пожертвование без возможности возврата. Этот взнос не предоставляет доступ к закрытому контенту.

Помочь проекту
Промо уровень 250₽ месяц Осталось 15 мест
Доступны сообщения

Подписка по специальным условиям для ограниченного количества подписчиков.

Оформить подписку
Бронза 500₽ месяц 5 100₽ год
(-15%)
При подписке на год для вас действует 15% скидка. 15% основная скидка и 0% доп. скидка за ваш уровень на проекте Поведенческие финансы и инвестирование
Доступны сообщения

Укажите здесь, что получат подписчики уровня. Что входит в стоимость, как часто публикуется контент, какие дополнительные преимущества у подписчиков этого уровня.

Оформить подписку
Серебро 990₽ месяц 10 098₽ год
(-15%)
При подписке на год для вас действует 15% скидка. 15% основная скидка и 0% доп. скидка за ваш уровень на проекте Поведенческие финансы и инвестирование
Доступны сообщения

Укажите здесь, что получат подписчики уровня. Что входит в стоимость, как часто публикуется контент, какие дополнительные преимущества у подписчиков этого уровня.

Оформить подписку
Золото 1 750₽ месяц 17 850₽ год
(-15%)
При подписке на год для вас действует 15% скидка. 15% основная скидка и 0% доп. скидка за ваш уровень на проекте Поведенческие финансы и инвестирование
Доступны сообщения

Укажите здесь, что получат подписчики уровня. Что входит в стоимость, как часто публикуется контент, какие дополнительные преимущества у подписчиков этого уровня.

Оформить подписку
Платина 5 000₽ месяц 51 000₽ год
(-15%)
При подписке на год для вас действует 15% скидка. 15% основная скидка и 0% доп. скидка за ваш уровень на проекте Поведенческие финансы и инвестирование
Доступны сообщения

Укажите здесь, что получат подписчики уровня. Что входит в стоимость, как часто публикуется контент, какие дополнительные преимущества у подписчиков этого уровня..

Оформить подписку
Фильтры
Статистика
Обновления проекта
Контакты
Поделиться
Читать: 38+ мин
logo Поведенческие финансы и инвестирование

Анализ будущего криптовалюты с точки зрения психологии толпы

Подход ‎к‏ ‎триангуляции ‎в ‎реальности ‎рынка ‎BTC‏ ‎с ‎помощью‏ ‎анализа‏ ‎психологических ‎настроений ‎рынка

Цены‏ ‎на ‎Биткойны‏ ‎(далее ‎и ‎везде ‎BTC)‏ ‎постоянно‏ ‎колеблются ‎от‏ ‎крайности ‎до‏ ‎крайности. ‎Во ‎втором ‎квартале ‎2021‏ ‎года‏ ‎на ‎рынке‏ ‎BTC ‎произошел‏ ‎обвал, ‎который ‎был ‎обусловлен ‎исключительно‏ ‎настроениями‏ ‎инвесторов.‏ ‎Но ‎влияют‏ ‎ли ‎на‏ ‎цену ‎BTC‏ ‎только‏ ‎настроения ‎рынка‏ ‎или ‎на ‎них ‎влияют ‎ещё‏ ‎какие-либо ‎факторы?

Сразу‏ ‎хочу‏ ‎оговориться, ‎что ‎данная‏ ‎статья ‎является‏ ‎лишь ‎попыткой ‎психолога, ‎а‏ ‎не‏ ‎крипто-трейдера ‎применить‏ ‎триангуляционный ‎подход‏ ‎к ‎пониманию ‎этого ‎вопроса. ‎В‏ ‎процессе‏ ‎её ‎написания‏ ‎использовались ‎результаты‏ ‎смешанных ‎методов ‎исследования, ‎в ‎которых‏ ‎качественное‏ ‎исследование‏ ‎дополнялось ‎количественным‏ ‎методом. ‎Были‏ ‎рассмотрены ‎как‏ ‎качественные,‏ ‎так ‎и‏ ‎количественные ‎данные ‎за ‎период ‎2016–2021‏ ‎годов, ‎чтобы‏ ‎определить,‏ ‎влияют ‎ли ‎цены‏ ‎на ‎BTC‏ ‎непосредственно ‎на ‎рыночные ‎настроения.

Что‏ ‎такое‏ ‎Биткоин

Биткойн, ‎за‏ ‎время ‎своего‏ ‎существования, ‎показал ‎огромный ‎рост ‎стоимости‏ ‎и‏ ‎популярности. ‎Через‏ ‎двенадцать ‎лет‏ ‎после ‎его ‎создания ‎в ‎2008‏ ‎году‏ ‎неким‏ ‎программистом ‎Сатоши‏ ‎Накамото, ‎цена‏ ‎BTC ‎взлетела‏ ‎до‏ ‎беспрецедентных ‎высот.‏ ‎Важной ‎характеристикой ‎рынка ‎криптовалют ‎является‏ ‎то, ‎что‏ ‎цены‏ ‎на ‎валюту ‎колеблются‏ ‎в ‎строгой‏ ‎зависимости ‎от ‎личного ‎восприятия‏ ‎и‏ ‎мнения ‎людей,‏ ‎торгующих ‎на‏ ‎крипторынке.

Многих ‎криптоинвесторов ‎BTC ‎привлекает ‎именно‏ ‎своей‏ ‎высокой ‎ликвидностью,‏ ‎низкими ‎транзакционными‏ ‎издержками ‎и ‎простотой ‎транзакций ‎через‏ ‎интернет.‏ ‎Однако‏ ‎на ‎цену‏ ‎Биткойна ‎влияют‏ ‎настроения ‎рынка,‏ ‎а‏ ‎именно ‎мысли,‏ ‎чувства ‎и ‎эмоции ‎инвесторов ‎в‏ ‎отношении ‎актива.‏ ‎Хорошим‏ ‎примером ‎этого ‎может‏ ‎послужить ‎пост‏ ‎в ‎Твитере ‎генерального ‎директора‏ ‎Tesla‏ ‎Элона ‎Маска‏ ‎от ‎12‏ ‎мая ‎2021 ‎года ‎о ‎том,‏ ‎что‏ ‎его ‎компания‏ ‎больше ‎не‏ ‎будет ‎принимать ‎BTC.

Это ‎вызвало ‎обвал‏ ‎рынка‏ ‎BTC.‏ ‎Биткойн ‎упал‏ ‎на ‎40%‏ ‎с ‎рекордно‏ ‎высокого‏ ‎уровня ‎в‏ ‎65 ‎000 ‎долларов ‎до ‎31‏ ‎000 ‎долларов‏ ‎в‏ ‎тот ‎же ‎день.‏ ‎Такое ‎внезапное‏ ‎падение ‎стоимости ‎BTC ‎показывает‏ ‎влияние‏ ‎всего ‎лишь‏ ‎одного ‎твита‏ ‎на ‎стоимость ‎крупнейшей ‎в ‎мире‏ ‎криптовалюты.‏ ‎Естественно, ‎возникает‏ ‎вопрос: ‎являются‏ ‎ли ‎настроения ‎инвесторов ‎ответственными ‎за‏ ‎крах‏ ‎BTC?

Предпосылки‏ ‎исследования

BTC ‎—‏ ‎это ‎цифровая‏ ‎валюта, ‎которая‏ ‎не‏ ‎подкреплена ‎никакими‏ ‎материальными ‎или ‎нематериальными ‎активами, ‎имеющими‏ ‎внутреннюю ‎ценность.‏ ‎Его‏ ‎фундаментальная ‎цена ‎равна‏ ‎нулю. ‎Следовательно,‏ ‎рынок ‎BTC ‎нельзя ‎предсказать‏ ‎в‏ ‎соответствии ‎с‏ ‎моделями ‎экономической‏ ‎оценки, ‎такими ‎как ‎фундаментальный ‎и‏ ‎технический‏ ‎анализы. ‎Существование‏ ‎«эффекта ‎толпы»‏ ‎на ‎крипторынке ‎и ‎отсутствие ‎внутренней‏ ‎стоимости‏ ‎затрудняют‏ ‎определение ‎справедливой‏ ‎стоимости ‎BTC‏ ‎инвесторами.

На ‎крипторынке‏ ‎часто‏ ‎можно ‎увидеть,‏ ‎как ‎сообщения ‎на ‎форумах ‎и‏ ‎в ‎соцсетях‏ ‎вызывают‏ ‎у ‎инвесторов ‎не‏ ‎здоровый ‎оптимизм,‏ ‎который ‎заставляет ‎их ‎толкать‏ ‎цену‏ ‎вверх. ‎Более‏ ‎того, ‎фундаментальный‏ ‎анализ, ‎технический ‎анализ, ‎инвестиционное ‎планирование‏ ‎и‏ ‎все ‎предположения‏ ‎о ‎рациональности‏ ‎современных ‎финансовых ‎теорий ‎по ‎отношению‏ ‎к‏ ‎BTC‏ ‎просто ‎не‏ ‎применимы ‎в‏ ‎принципе.

Хотя ‎существует‏ ‎множество‏ ‎академических ‎работ‏ ‎по ‎криптовалютам, ‎исследования, ‎в ‎которых‏ ‎изучается ‎взаимосвязь‏ ‎качественных‏ ‎данных ‎о ‎настроениях‏ ‎инвесторов ‎и‏ ‎количественных ‎данных ‎о ‎рыночных‏ ‎ценах‏ ‎на ‎BTC,‏ ‎встречаются ‎довольно‏ ‎редко. ‎Тем ‎не ‎менее, ‎такие‏ ‎исследования‏ ‎были ‎бы‏ ‎ценным ‎дополнением‏ ‎к ‎криптолитературе.

Теории ‎о ‎росте ‎BTC

Биткойн‏ ‎—‏ ‎это‏ ‎виртуальные ‎деньги,‏ ‎полученные ‎с‏ ‎помощью ‎математической‏ ‎криптографии‏ ‎и ‎задуманные‏ ‎как ‎альтернатива ‎официальным ‎валютам ‎стран.‏ ‎Введённый ‎в‏ ‎оборот‏ ‎в ‎2009 ‎году,‏ ‎BTC ‎привлек‏ ‎внимание ‎основных ‎инвесторов ‎только‏ ‎в‏ ‎2012 ‎году.‏ ‎На ‎глобальном‏ ‎уровне ‎внезапный ‎рост ‎BTC ‎произошел‏ ‎за‏ ‎короткий ‎промежуток‏ ‎времени, ‎примерно‏ ‎за ‎10 ‎лет. ‎С ‎тех‏ ‎пор‏ ‎на‏ ‎крипторынке ‎появились‏ ‎валюты ‎первого,‏ ‎второго ‎и‏ ‎третьего‏ ‎поколений, ‎из‏ ‎которых ‎валюты ‎третьего ‎поколения ‎всё‏ ‎ещё ‎находятся‏ ‎в‏ ‎зачаточном ‎состоянии.

Однако ‎в‏ ‎последнее ‎время‏ ‎база ‎пользователей ‎криптовалюты ‎резко‏ ‎увеличивается‏ ‎по ‎всему‏ ‎миру. ‎Криптовалюты‏ ‎совмещают ‎в ‎себе ‎одновременно ‎инновационные‏ ‎технологии,‏ ‎высокозащищенную ‎архитектуру,‏ ‎перспективные ‎функциональные‏ ‎и ‎инвестиционные ‎возможности ‎в ‎качестве‏ ‎активов,‏ ‎которые‏ ‎делают ‎их‏ ‎привлекательными ‎для‏ ‎венчурных ‎капиталистов‏ ‎и‏ ‎инвесторов.

Предположительно, ‎факторами,‏ ‎которые ‎приводят ‎к ‎популярности ‎криптовалют,‏ ‎являются, ‎с‏ ‎одной‏ ‎стороны, ‎чрезвычайно ‎высокие‏ ‎затраты, ‎связанные‏ ‎с ‎использованием ‎(средством ‎обмена‏ ‎и‏ ‎сохранения ‎стоимости)‏ ‎фиатных ‎валют,‏ ‎а ‎с ‎другой, ‎чрезвычайно ‎низкие‏ ‎затраты,‏ ‎связанные ‎с‏ ‎использованием ‎криптовалют.

Более‏ ‎того, ‎крах ‎бумажной ‎валюты ‎в‏ ‎таких‏ ‎странах,‏ ‎как ‎Зимбабве‏ ‎и ‎Ливан,‏ ‎добавил ‎популярности‏ ‎крипто-движению.‏ ‎Люди ‎начали‏ ‎узнавать ‎о ‎криптовалютах, ‎когда ‎появился‏ ‎BTC. ‎Следовательно,‏ ‎его‏ ‎часто ‎считают ‎отцом‏ ‎криптовалют, ‎а‏ ‎все ‎остальные ‎криптовалюты ‎называют‏ ‎альткойнами.‏ ‎Недавние ‎новости‏ ‎о ‎том,‏ ‎что ‎Сальвадор ‎признал ‎BTC ‎и‏ ‎официально‏ ‎принял ‎его‏ ‎в ‎качестве‏ ‎законного ‎платежного ‎средства, ‎стали ‎неожиданной‏ ‎и‏ ‎позитивной‏ ‎новостью ‎для‏ ‎поклонников ‎BTC‏ ‎во ‎всем‏ ‎мире.

Ценообразование‏ ‎Биткойнов ‎

В‏ ‎отличии ‎от ‎фиатных ‎валют, ‎корпоративных‏ ‎акций ‎и‏ ‎облигаций‏ ‎криптовалюты ‎не ‎имеют‏ ‎базовой ‎стоимости.‏ ‎Криптовалюты ‎более ‎чувствительны ‎к‏ ‎спросу,‏ ‎поэтому ‎рыночная‏ ‎стоимость ‎в‏ ‎большей ‎степени ‎зависит ‎от ‎того,‏ ‎насколько‏ ‎известна ‎и‏ ‎популярна ‎данная‏ ‎криптовалюта.

С ‎момента ‎своего ‎создания ‎BTC‏ ‎был‏ ‎самой‏ ‎популярной ‎криптовалютой,‏ ‎поэтому ‎его‏ ‎рыночная ‎стоимость‏ ‎также‏ ‎беспрецедентно ‎росла.‏ ‎Поскольку ‎BTC ‎— ‎это ‎глобальная‏ ‎криптовалюта, ‎его‏ ‎стоимость‏ ‎принципиально ‎одинакова ‎на‏ ‎разных ‎рынках.‏ ‎Таким ‎образом, ‎цена ‎определяется‏ ‎глобально‏ ‎и ‎не‏ ‎может ‎зависеть‏ ‎в ‎течение ‎более ‎длительного ‎периода‏ ‎от‏ ‎отдельных ‎рынков‏ ‎в ‎разных‏ ‎странах.

Была ‎установлена ‎долгосрочная ‎взаимосвязь ‎между‏ ‎BTC‏ ‎и‏ ‎набором ‎переменных,‏ ‎способных ‎объяснить‏ ‎динамику ‎стоимости‏ ‎криптовалюты‏ ‎с ‎использованием‏ ‎методов ‎коинтеграции. ‎Биткойн ‎— ‎это‏ ‎проциклин, ‎стоимость‏ ‎которого‏ ‎движима ‎интересом ‎инвесторов‏ ‎к ‎криптовалюте,‏ ‎и ‎он ‎положительно ‎коррелирует‏ ‎с‏ ‎рыночным ‎портфелем.‏ ‎А ‎в‏ ‎настоящее ‎время ‎BTC ‎следует ‎тенденции,‏ ‎демонстрируемой‏ ‎финансовыми ‎рынками,‏ ‎и ‎не‏ ‎может ‎рассматриваться ‎как ‎чисто ‎альтернативный‏ ‎актив.

Неопределенность‏ ‎глобальной‏ ‎экономической ‎ситуации‏ ‎сегодняшнего ‎дня‏ ‎оказала ‎как‏ ‎положительное,‏ ‎так ‎и‏ ‎отрицательное ‎влияние ‎на ‎доходность ‎BTC.‏ ‎Однако ‎его‏ ‎не‏ ‎всегда ‎можно ‎рассматривать‏ ‎как ‎новую‏ ‎«корзину ‎для ‎яиц». ‎Важными‏ ‎факторами,‏ ‎влияющими ‎на‏ ‎ценообразование ‎BTC,‏ ‎являются ‎доходность ‎S& ‎P ‎500,‏ ‎NIFTY‏ ‎50, ‎SENSEX30‏ ‎и ‎других‏ ‎популярных ‎рыночных ‎индексов.

При ‎помощи ‎традиционных‏ ‎моделей‏ ‎оценки‏ ‎активов ‎невозможно‏ ‎качественно ‎объяснить‏ ‎последние ‎изменения‏ ‎в‏ ‎цене ‎BTC.‏ ‎Однако ‎некоторые ‎финансовые ‎модели ‎указывают‏ ‎на ‎то,‏ ‎что‏ ‎BTC ‎в ‎настоящее‏ ‎время ‎переоценен.‏ ‎То ‎всей ‎видимости, ‎именно‏ ‎гипотеза‏ ‎финансовой ‎нестабильности‏ ‎лучше, ‎чем‏ ‎любая ‎из ‎проверенных ‎экономических ‎теорий,‏ ‎подходит‏ ‎для ‎объяснения‏ ‎недавних ‎изменений‏ ‎цен ‎на ‎BTC.

Изучая ‎связь ‎риска‏ ‎падения‏ ‎цен‏ ‎на ‎BTC‏ ‎с ‎экономической‏ ‎неопределенностью ‎можно‏ ‎заметить,‏ ‎что ‎экономическая‏ ‎неопределенность ‎показывает ‎значительную ‎отрицательную ‎корреляцию‏ ‎с ‎риском‏ ‎падения‏ ‎цен ‎на ‎BTC.‏ ‎Следовательно, ‎при‏ ‎высокой ‎экономической ‎неопределенности ‎риск‏ ‎краха‏ ‎BTC ‎низок.

Более‏ ‎того, ‎поведенческие‏ ‎факторы ‎несут ‎в ‎себе ‎ограниченный‏ ‎риск‏ ‎краха ‎BTC.‏ ‎В ‎ситуации‏ ‎экономической ‎нестабильности ‎инвесторы ‎могут ‎застраховаться‏ ‎от‏ ‎её‏ ‎влияния, ‎инвестируя‏ ‎в ‎рынок‏ ‎BTC. ‎Теория‏ ‎предполагает,‏ ‎что, ‎поскольку‏ ‎рынок ‎BTC ‎движется ‎против ‎макроэкономических‏ ‎основ ‎экономики,‏ ‎эмоции‏ ‎являются ‎основным ‎фактором,‏ ‎определяющим ‎спрос‏ ‎на ‎рынке ‎BTC.

Предвзятость ‎инвесторов‏ ‎и‏ ‎волатильность ‎цен‏ ‎на ‎BTC

Биткойн‏ ‎обладает ‎уникальными ‎характеристиками ‎доходности ‎и‏ ‎риска,‏ ‎имеет ‎иные,‏ ‎чем ‎другие‏ ‎активы ‎принципы ‎волатильности ‎и ‎не‏ ‎коррелирует‏ ‎с‏ ‎другими ‎активами.‏ ‎Следовательно, ‎избыточная‏ ‎доходность ‎и‏ ‎волатильность‏ ‎BTC ‎несколько‏ ‎напоминают ‎более ‎спекулятивный ‎вид ‎активов,‏ ‎чем ‎золото‏ ‎или‏ ‎доллар ‎США.

Волатильность ‎BTC‏ ‎является ‎экстремальной,‏ ‎и ‎цены ‎ежедневно ‎значительно‏ ‎колеблются.‏ ‎BTC ‎примерно‏ ‎в ‎восемь‏ ‎раз ‎более ‎волатилен, ‎чем ‎фондовый‏ ‎рынок,‏ ‎и ‎почти‏ ‎в ‎20‏ ‎раз ‎более ‎волатилен, ‎чем ‎доллар‏ ‎США.‏ ‎В‏ ‎такой ‎конфигурации‏ ‎можно ‎допустить,‏ ‎что ‎мир‏ ‎финансов,‏ ‎в ‎том‏ ‎виде, ‎в ‎каком ‎мы ‎знаем‏ ‎его ‎сегодня,‏ ‎вскоре‏ ‎будет ‎разрушен, ‎а‏ ‎BTC ‎можно‏ ‎назвать ‎предвестником ‎этого ‎разрушения.

Сегодня‏ ‎многие‏ ‎экономисты ‎считают,‏ ‎что ‎волатильность‏ ‎рынка ‎криптовалют ‎связана ‎с ‎новостями,‏ ‎сообщениями‏ ‎и ‎публикациями‏ ‎в ‎социальных‏ ‎сетях. ‎Поскольку ‎криптовалюта ‎является ‎одной‏ ‎из‏ ‎валют‏ ‎нового ‎времени,‏ ‎инвесторы ‎больше‏ ‎полагаются ‎на‏ ‎социальные‏ ‎сети ‎для‏ ‎получения ‎оперативной ‎информации, ‎чем ‎на‏ ‎обычные ‎средства‏ ‎массовой‏ ‎информации.

Анализ ‎настроений ‎инвесторов‏ ‎по ‎их‏ ‎активности ‎в ‎соцсетях ‎выявил,‏ ‎что‏ ‎волатильность ‎криптовалют‏ ‎больше ‎коррелирует‏ ‎с ‎количеством ‎сообщений ‎в ‎Twitter‏ ‎чем‏ ‎поисковых ‎запросов‏ ‎в ‎Google‏ ‎Trends. ‎Частота ‎и ‎характер ‎твитов‏ ‎являются‏ ‎важным‏ ‎фактором ‎объема‏ ‎торгов ‎и‏ ‎реализованной ‎волатильности‏ ‎на‏ ‎следующий ‎день,‏ ‎что ‎дополнительно ‎подтверждается ‎линейными ‎и‏ ‎нелинейными ‎тестами‏ ‎причинности‏ ‎Грейнджера. ‎Учитывая ‎эти‏ ‎факты, ‎можно‏ ‎сказать, ‎что ‎настроения ‎инвесторов,‏ ‎эмоции‏ ‎и ‎поведенческие‏ ‎предубеждения ‎могут‏ ‎оказывать ‎существенное ‎влияние ‎на ‎движение‏ ‎цен‏ ‎криптовалюты.

Качественный ‎подход‏ ‎в ‎исследовании‏ ‎рынка ‎Биткоина

Качественный ‎анализ ‎не ‎часто‏ ‎встречается‏ ‎в‏ ‎литературе ‎о‏ ‎BTC, ‎несмотря‏ ‎на ‎то,‏ ‎что‏ ‎криптоинвесторы ‎принимая‏ ‎решения ‎мыслят ‎вне ‎логики ‎теорий.‏ ‎Во ‎время‏ ‎последней‏ ‎пандемии ‎COVID-19, ‎поскольку‏ ‎все ‎паниковали‏ ‎по ‎поводу ‎неопределенного ‎будущего,‏ ‎влияние‏ ‎страха ‎инвесторов‏ ‎на ‎динамику‏ ‎цен ‎BTC ‎предсказать ‎было ‎невозможно.‏ ‎Было‏ ‎замечено, ‎что‏ ‎в ‎период‏ ‎кризиса ‎на ‎рынке, ‎BTC ‎ведет‏ ‎себя‏ ‎как‏ ‎традиционные ‎финансовые‏ ‎активы, ‎такие‏ ‎как ‎золото.

Следовательно,‏ ‎попытка‏ ‎хеджировать ‎риски,‏ ‎связанные ‎с ‎другими ‎активами ‎через‏ ‎покупку ‎BTC,‏ ‎может‏ ‎быть ‎не ‎самым‏ ‎лучшим ‎решением.‏ ‎Фактический ‎рынок ‎BTC ‎не‏ ‎служил‏ ‎убежищем ‎во‏ ‎время ‎пандемии.‏ ‎Однако ‎цена ‎BTC ‎в ‎основном‏ ‎определяется‏ ‎интересом ‎инвесторов‏ ‎к ‎криптовалюте,‏ ‎а ‎не ‎макроэкономическими ‎основами ‎или‏ ‎финансовыми‏ ‎коэффициентами.

Изучая‏ ‎динамику ‎цен‏ ‎на ‎криптовалюты‏ ‎можно ‎заметить,‏ ‎что‏ ‎на ‎них‏ ‎влияет ‎взаимодействие ‎между ‎поведенческими ‎факторами,‏ ‎лежащими ‎в‏ ‎основе‏ ‎решений ‎инвесторов, ‎и‏ ‎общедоступными ‎потоками‏ ‎информации. ‎На ‎этом ‎фоне‏ ‎полезно‏ ‎провести ‎психологический‏ ‎анализ, ‎чтобы‏ ‎понять ‎влияние ‎и ‎направление ‎настроений‏ ‎инвесторов‏ ‎на ‎ценовое‏ ‎направление ‎рынка‏ ‎BTC.

Эффект ‎влияния ‎эмоций ‎трейдеров ‎на‏ ‎цену‏ ‎Биткоина

Анализ‏ ‎настроений ‎—‏ ‎это ‎процесс‏ ‎извлечения ‎и‏ ‎измерения‏ ‎субъективных ‎эмоций‏ ‎или ‎мнений, ‎выраженных ‎в ‎тексте.‏ ‎Его ‎цель‏ ‎—‏ ‎изучить ‎мнения ‎людей,‏ ‎чтобы ‎определить‏ ‎отношение ‎автора ‎к ‎конкретному‏ ‎предмету.‏ ‎Современные ‎алгоритмы‏ ‎анализа ‎настроений‏ ‎могут ‎с ‎достаточной ‎степенью ‎точности‏ ‎определять‏ ‎силу ‎положительных‏ ‎и ‎отрицательных‏ ‎эмоций ‎в ‎коротких ‎неофициальных ‎текстах.

Инвесторы‏ ‎активно‏ ‎делятся‏ ‎в ‎соцсетях‏ ‎своими ‎взглядами‏ ‎на ‎рынок,‏ ‎мнениями‏ ‎и ‎переживаемыми‏ ‎эмоциями. ‎Поведенческие ‎науки ‎исследовали ‎доказательства‏ ‎взаимосвязи ‎между‏ ‎социальными‏ ‎сетями ‎и ‎колебаниями‏ ‎цен ‎на‏ ‎криптовалюту. ‎Помимо ‎обычных ‎социальных‏ ‎сетей,‏ ‎таких ‎как‏ ‎Facebook ‎и‏ ‎Twitter, ‎на ‎рынок ‎значительно ‎влияют‏ ‎несколько‏ ‎профильных ‎криптовалютных‏ ‎форумов, ‎таких‏ ‎как ‎ADVFN, ‎Moon ‎forum, ‎Blackhat‏ ‎world,‏ ‎Bitcointalk,‏ ‎Crypto ‎compare‏ ‎и ‎т.‏ ‎д. ‎«Bitcointalk»‏ ‎разделен‏ ‎на ‎несколько‏ ‎разделов, ‎таких ‎как ‎обсуждение ‎BTC,‏ ‎майнинг ‎монет,‏ ‎техническая‏ ‎помощь ‎и ‎экономика‏ ‎BTC, ‎где‏ ‎инвесторы ‎могут ‎поделиться ‎своими‏ ‎взглядами.

Кроме‏ ‎того, ‎трейдеры‏ ‎часто ‎используют‏ ‎Google ‎в ‎качестве ‎поисковой ‎системы.‏ ‎Таким‏ ‎образом, ‎Google‏ ‎может ‎дать‏ ‎представление ‎об ‎интересах ‎людей, ‎и‏ ‎он‏ ‎может‏ ‎предоставить ‎эти‏ ‎данные ‎поиска‏ ‎в ‎формате‏ ‎«Google‏ ‎Trends». ‎Было‏ ‎обнаружено, ‎что ‎волатильность ‎цен ‎предыдущего‏ ‎дня ‎и‏ ‎объем‏ ‎поиска ‎в ‎Google‏ ‎Trends ‎являются‏ ‎важными ‎факторами, ‎привлекающими ‎внимание‏ ‎к‏ ‎BTC.

Поведение ‎рыночной‏ ‎толпы ‎и‏ ‎цена ‎Биткойнов

Цена ‎BTC ‎никогда ‎не‏ ‎оставалась‏ ‎неизменной ‎с‏ ‎момента ‎его‏ ‎создания. ‎Стоимость ‎BTC ‎достигла ‎уровня‏ ‎в‏ ‎60‏ ‎000 ‎долларов,‏ ‎но ‎затем‏ ‎внезапно ‎упала‏ ‎до‏ ‎30 ‎000‏ ‎долларов ‎в ‎период ‎с ‎мая‏ ‎2020 ‎года.‏ ‎Если‏ ‎мы ‎проанализируем ‎рыночную‏ ‎тенденцию, ‎то‏ ‎мы ‎сможем ‎понять, ‎что‏ ‎рынок‏ ‎в ‎настоящее‏ ‎время ‎в‏ ‎значительной ‎степени ‎зависит ‎от ‎настроений,‏ ‎поведенческих‏ ‎предубеждений ‎и‏ ‎эмоций ‎трейдеров.

Данные‏ ‎взлеты ‎и ‎падения ‎цен ‎в‏ ‎основном‏ ‎связаны‏ ‎с ‎твитами‏ ‎и ‎комментариями‏ ‎некоторых ‎влиятельных‏ ‎персонажей,‏ ‎таких ‎как‏ ‎генеральный ‎директор ‎Space ‎X ‎и‏ ‎Tesla ‎Илон‏ ‎Маск.‏ ‎Это ‎наглядный ‎пример‏ ‎предвзятости ‎и‏ ‎эффекта ‎эмоций. ‎Из ‎недавних‏ ‎событий‏ ‎видно, ‎что‏ ‎твиты ‎и‏ ‎сообщения ‎Илона ‎Маска ‎оказывают ‎значительное‏ ‎влияние‏ ‎на ‎рынок‏ ‎крипты ‎и‏ ‎на ‎объем ‎и ‎цену ‎криптовалют.

В‏ ‎феврале‏ ‎2021‏ ‎года ‎Элон‏ ‎Маск ‎написал‏ ‎в ‎твиттере‏ ‎о‏ ‎BTC, ‎что‏ ‎привело ‎к ‎заметному ‎росту ‎его‏ ‎цены. ‎В‏ ‎мае‏ ‎2021 ‎года ‎он‏ ‎написал ‎в‏ ‎твиттере ‎о ‎Dogecoin, ‎другой‏ ‎криптовалюте,‏ ‎которая ‎на‏ ‎некоторое ‎время‏ ‎заставила ‎трейдеров ‎продавать ‎BTC ‎и‏ ‎инвестировать‏ ‎в ‎Dogecoin.‏ ‎Это ‎показывает,‏ ‎как ‎настроения ‎и ‎эмоции ‎влияют‏ ‎на‏ ‎цену‏ ‎BTC.

Ряд ‎интересных‏ ‎вопросов ‎для‏ ‎осмысления

Существует ‎ряд‏ ‎интересных‏ ‎вопросов, ‎на‏ ‎которые ‎хотелось ‎бы ‎иметь ‎ответ.‏ ‎Поискать ‎его‏ ‎можно‏ ‎с ‎помощью ‎как‏ ‎количественных, ‎так‏ ‎и ‎качественных ‎методов ‎исследования.‏ ‎Давайте‏ ‎попробуем ‎с‏ ‎количественно ‎оценить‏ ‎взаимосвязь ‎цен ‎на ‎BTC ‎с‏ ‎настроениями‏ ‎инвесторов ‎начиная‏ ‎с ‎2016‏ ‎года ‎и ‎проанализируем ‎возможную ‎корреляцию‏ ‎между‏ ‎ними.

С‏ ‎другой ‎стороны,‏ ‎хотелось ‎бы‏ ‎разобраться ‎и‏ ‎причинах‏ ‎высокой ‎волатильности‏ ‎цен ‎путем ‎сравнения ‎качественных ‎и‏ ‎количественных ‎данных,‏ ‎связанных‏ ‎с ‎ценами ‎на‏ ‎BTC. ‎Ряд‏ ‎исследователей ‎этого ‎вопроса ‎пытаются‏ ‎спрогнозировать‏ ‎рынок ‎BTC,‏ ‎анализируя ‎настроения,‏ ‎эмоции ‎и ‎действия ‎на ‎форуме‏ ‎Bitcointalk‏ ‎и ‎Google‏ ‎Trends.

Вопросы:

  1. Являются ‎ли‏ ‎сегодняшняя ‎цена ‎BTC ‎справедливой, ‎завышенной‏ ‎или‏ ‎заниженной?
  2. Играют‏ ‎ли ‎настроения‏ ‎трейдеров ‎значительную‏ ‎роль ‎в‏ ‎движении‏ ‎цен ‎на‏ ‎BTC?
  3. Переоценен ‎ли ‎BTC ‎из-за ‎настроений‏ ‎рынка?
  4. Есть ‎ли‏ ‎какое-либо‏ ‎сходство, ‎если ‎сравнивать‏ ‎качественные ‎и‏ ‎количественные ‎данные ‎о ‎ценах‏ ‎на‏ ‎BTC?
  5. Доминируют ‎ли‏ ‎предубеждения ‎инвесторов‏ ‎на ‎рынке ‎BTC?
  6. Влияют ‎ли ‎твиты‏ ‎известных‏ ‎людей ‎на‏ ‎тенденции ‎крипто-рынка?

Методология‏ ‎триангуляции

Этот ‎подход ‎триангуляции ‎считается ‎рабочим‏ ‎для‏ ‎смешанных‏ ‎исследований. ‎Он‏ ‎повысил ‎бы‏ ‎достоверность ‎и‏ ‎релевантность‏ ‎результатов ‎исследований.‏ ‎Для ‎проведения ‎качественного ‎анализа ‎можно‏ ‎воспользоваться ‎данными‏ ‎с‏ ‎биткойн-форума ‎Bitcointalk. ‎Это‏ ‎самый ‎популярный‏ ‎биткойн-форум, ‎на ‎котором ‎зарегистрировано‏ ‎более‏ ‎9 ‎00‏ ‎000 ‎пользователей,‏ ‎которые ‎обмениваются ‎информацией, ‎техническими ‎знаниями‏ ‎и‏ ‎опытом. ‎Он‏ ‎представляет ‎из‏ ‎себя ‎достаточно ‎надежный ‎ресурс, ‎который‏ ‎гарантирует‏ ‎убедительный‏ ‎объем ‎данных‏ ‎для ‎анализа‏ ‎эмоциональных ‎настроений‏ ‎трейдеров.

Данные‏ ‎и ‎программное‏ ‎обеспечение

Исследователи ‎изучили ‎огромный ‎массив ‎сообщений‏ ‎на ‎форуме‏ ‎Bitcointalk,‏ ‎касающихся ‎BTC ‎за‏ ‎5 ‎лет,‏ ‎начиная ‎с ‎2016 ‎и‏ ‎по‏ ‎2021 ‎год.‏ ‎Данные ‎собирались‏ ‎и ‎анализировались, ‎по ‎ключевым ‎словам,‏ ‎таким,‏ ‎как: ‎«Биткойн»,‏ ‎«Крах», ‎«Падение»,‏ ‎«Страх», ‎«Колебания», ‎«Мошенничество», ‎«Жадность», ‎«Нестабильность»,‏ ‎«Манипуляция»,‏ ‎«Пессимистичный»,‏ ‎«Падение ‎цен»,‏ ‎«Риск», ‎«Сокращение»‏ ‎и ‎«Неопределенность».‏ ‎Дополнительно‏ ‎были ‎собраны‏ ‎и ‎обработаны ‎данные ‎за ‎6‏ ‎лет ‎с‏ ‎помощью‏ ‎поискового ‎запроса ‎«Крах‏ ‎BTC». ‎Это‏ ‎позволило ‎проанализировать ‎настроения ‎инвесторов.

С‏ ‎целью‏ ‎улучшения ‎качества‏ ‎анализа ‎эмоций‏ ‎также ‎использовались ‎данные ‎Google ‎Trends‏ ‎о‏ ‎цене ‎BTC‏ ‎за ‎6‏ ‎лет ‎с ‎2016 ‎по ‎2021‏ ‎год.‏ ‎В‏ ‎дополнение ‎к‏ ‎этому ‎использовались‏ ‎рыночные ‎данные‏ ‎цены‏ ‎Биткойнов, ‎чтобы‏ ‎выявить ‎возможную ‎связь ‎между ‎поисковыми‏ ‎запросами ‎и‏ ‎ростом‏ ‎рынка ‎BTC.

Для ‎аналитики‏ ‎эмоционального ‎состояния‏ ‎инвесторов ‎использовалось ‎программное ‎обеспечение‏ ‎NVivo,‏ ‎а ‎визуализация‏ ‎данных ‎выполнялась‏ ‎с ‎помощью ‎программного ‎обеспечения ‎Tableau.‏ ‎Где‏ ‎NVivo ‎позволяет‏ ‎исследователю ‎запрашивать‏ ‎данные ‎на ‎определенном ‎уровне. ‎Его‏ ‎результаты‏ ‎по‏ ‎частоте ‎слов‏ ‎продемонстрировали ‎идеальное‏ ‎соответствие ‎анализу‏ ‎сети‏ ‎с ‎социальными‏ ‎тегами, ‎что ‎является ‎дополнительным ‎преимуществом‏ ‎этого ‎программного‏ ‎обеспечения‏ ‎качественных ‎исследований.

Результаты ‎

Большинство‏ ‎статей ‎в‏ ‎общедоступной ‎литературе ‎показывают, ‎что‏ ‎существует‏ ‎чёткая ‎взаимосвязь‏ ‎между ‎объемом‏ ‎твитов ‎и ‎тенденциями ‎крипто-рынка. ‎Исследования‏ ‎на‏ ‎эту ‎тему‏ ‎продемонстрировали, ‎что‏ ‎твиты ‎могут ‎предсказывать ‎возможное ‎движение‏ ‎рынка‏ ‎за‏ ‎3-4 ‎дня,‏ ‎при ‎чём‏ ‎с ‎хорошими‏ ‎шансами‏ ‎на ‎успех.

Помимо‏ ‎твитов, ‎обсуждения ‎на ‎биткойн-форумах ‎также‏ ‎играют ‎значительную‏ ‎роль‏ ‎в ‎изменении ‎цены‏ ‎BTC. ‎Было‏ ‎проанализировано ‎поведение ‎цены ‎BTC,‏ ‎на‏ ‎основе ‎сравнения‏ ‎изменения ‎в‏ ‎соответствии ‎с ‎количеством ‎сообщений ‎на‏ ‎биткойн-форумах,‏ ‎в ‎частности,‏ ‎на ‎Bitcointalk‏ ‎с ‎результатами ‎Google ‎Trends.

Результаты ‎анализа‏ ‎настроений‏ ‎крипто-трейдеров‏ ‎показывают, ‎что‏ ‎тенденции ‎в‏ ‎Google ‎и‏ ‎сообщения‏ ‎на ‎биткойн-форуме‏ ‎сильно ‎коррелировали ‎с ‎рыночными ‎ценами‏ ‎на ‎BTC.‏ ‎Была‏ ‎также ‎обнаружена ‎сильная‏ ‎причинно-следственную ‎связь‏ ‎между ‎ценами ‎на ‎BTC‏ ‎и‏ ‎поисковыми ‎запросами‏ ‎инвесторов. ‎Что‏ ‎еще ‎более ‎важно, ‎удалось ‎выявить,‏ ‎что‏ ‎эта ‎причинно-следственная‏ ‎связь ‎является‏ ‎двунаправленной, ‎то ‎есть ‎поисковые ‎запросы‏ ‎влияют‏ ‎на‏ ‎цены ‎и‏ ‎наоборот.

Таким ‎образом,‏ ‎с ‎определённой‏ ‎долей‏ ‎уверенности ‎можно‏ ‎сказать, ‎что ‎в ‎динамике ‎цен‏ ‎на ‎BTC‏ ‎доминируют‏ ‎спекуляции ‎и ‎отслеживание‏ ‎тенденций. ‎На‏ ‎бычьем ‎рынке ‎повышенный ‎интерес‏ ‎толкает‏ ‎цены ‎выше‏ ‎тренда. ‎Однако,‏ ‎если ‎цены ‎ниже ‎тренда, ‎растущие‏ ‎медвежьи‏ ‎настроения ‎снижают‏ ‎цены. ‎Эти‏ ‎факторы ‎давления ‎и ‎повышения ‎цены‏ ‎формируют‏ ‎среду,‏ ‎в ‎которой‏ ‎легко ‎возникают‏ ‎сильные ‎эмоциональные‏ ‎реакции.‏ ‎Такое ‎эмоциональное‏ ‎поведение ‎инвесторов ‎имеет ‎решающее ‎значение‏ ‎для ‎точного‏ ‎прогнозирования‏ ‎рынка.

Анализ ‎настроений ‎на‏ ‎форуме ‎Bitcointalk

Активность‏ ‎форума ‎Bitcointalk ‎напрямую ‎связана‏ ‎с‏ ‎тенденцией ‎в‏ ‎стоимости ‎BTC.‏ ‎Исследования ‎в ‎этом ‎направлении ‎демонстрируют,‏ ‎что‏ ‎переписка ‎на‏ ‎Bitcointalk ‎достаточно‏ ‎точно ‎отражает ‎настроения ‎пользователей. ‎Для‏ ‎оценки‏ ‎положительных‏ ‎и ‎отрицательных‏ ‎мнений ‎инвесторов‏ ‎были ‎собраны‏ ‎данные‏ ‎из ‎обсуждений‏ ‎на ‎Bitcointalk ‎за ‎период ‎2016–2021‏ ‎годов ‎с‏ ‎использованием‏ ‎различных ‎ключевых ‎слов.

В‏ ‎таблице ‎1‏ ‎отражены ‎настроения ‎участников ‎форума‏ ‎и‏ ‎их ‎соответствующие‏ ‎реакции. ‎Для‏ ‎поиска ‎информации ‎о ‎BTC ‎в‏ ‎Bitcointalk‏ ‎использовалось ‎несколько‏ ‎терминов. ‎Когда‏ ‎эти ‎сообщения ‎записали, ‎используя ‎расширение‏ ‎NVivo,‏ ‎было‏ ‎обнаружено, ‎что‏ ‎«Цена ‎BTC»‏ ‎является ‎самым‏ ‎популярным‏ ‎поисковым ‎запросом,‏ ‎используемым ‎в ‎Bitcointalk.

Из ‎1558 ‎комментариев,‏ ‎полученных ‎с‏ ‎использованием‏ ‎14 ‎негативных ‎ключевых‏ ‎слов, ‎365‏ ‎были ‎закодированы ‎как ‎очень‏ ‎негативные,‏ ‎884 ‎—‏ ‎как ‎умеренно‏ ‎негативные, ‎248 ‎— ‎как ‎умеренно‏ ‎позитивные‏ ‎и ‎61‏ ‎— ‎как‏ ‎очень ‎позитивные. ‎Например, ‎«коллапс» ‎—‏ ‎ключевое‏ ‎слово‏ ‎для ‎поиска,‏ ‎которое ‎21%‏ ‎пользователей ‎форума‏ ‎считают‏ ‎крайне ‎негативным‏ ‎настроением, ‎умеренно ‎негативным ‎— ‎68%‏ ‎и ‎умеренно‏ ‎позитивным‏ ‎— ‎11%.

Таким ‎образом,‏ ‎почти ‎89%‏ ‎пользователей ‎форума ‎негативно ‎настроены‏ ‎в‏ ‎отношении ‎ключевого‏ ‎слова ‎«collapse»,‏ ‎и ‎только ‎11% ‎пользователей ‎настроены‏ ‎позитивно.‏ ‎Следовательно, ‎во‏ ‎время ‎экспериментального‏ ‎периода ‎проведённого ‎исследования, ‎негативные ‎настроения‏ ‎привели‏ ‎рынок‏ ‎BTC ‎к‏ ‎снижению.

Аналогичным ‎образом,‏ ‎пользователи ‎форума‏ ‎оценивались‏ ‎по ‎другим‏ ‎ключевым ‎словам ‎поиска, ‎таким ‎как‏ ‎«сбой», ‎«падение»,‏ ‎«страх»,‏ ‎«колебания», ‎«мошенничество», ‎«жадность»,‏ ‎«нестабильность», ‎«манипулирование»,‏ ‎«пессимистичный» ‎и ‎«падение ‎цен».

Таблица‏ ‎1

Классификация‏ ‎настроений ‎пользователей‏ ‎Bitcointalk

В ‎таблице‏ ‎представлены ‎различные ‎настроения ‎биткойн-инвесторов. ‎Настроения‏ ‎были‏ ‎восприняты ‎как‏ ‎очень ‎негативные‏ ‎22,04%, ‎умеренно ‎негативные ‎56,21%, ‎умеренно‏ ‎позитивные‏ ‎16,32%‏ ‎и ‎очень‏ ‎позитивные ‎5,4%

Общее‏ ‎среднее ‎значение‏ ‎негативных‏ ‎настроений ‎составило‏ ‎78,25%, ‎а ‎общее ‎среднее ‎значение‏ ‎позитивных ‎настроений‏ ‎составило‏ ‎21,75%. ‎Более ‎того,‏ ‎было ‎обнаружено,‏ ‎что ‎реальный ‎рынок ‎BTC‏ ‎отреагировал‏ ‎в ‎соответствии‏ ‎с ‎общим‏ ‎мнением ‎инвесторов ‎форума ‎Bitcointalk.

Детали ‎настроений‏ ‎и‏ ‎диаграмма ‎в‏ ‎поддержку ‎аргументов‏ ‎данной ‎гипотезы ‎представлены ‎на ‎рис.‏ ‎1.‏ ‎Данные‏ ‎результаты ‎исследования‏ ‎подтверждают ‎теорию‏ ‎о ‎том,‏ ‎что‏ ‎мероприятия ‎и‏ ‎обсуждения, ‎проводимые ‎на ‎Bitcointalk, ‎влияют‏ ‎на ‎рынок‏ ‎BTC.‏ ‎Следовательно, ‎мы ‎можем‏ ‎однозначно ‎заключить,‏ ‎что ‎биткойн-форумы ‎и ‎сообщества‏ ‎играют‏ ‎важную ‎роль‏ ‎во ‎влиянии‏ ‎на ‎рыночные ‎цены ‎BTC.


Рис. ‎1

Анализ‏ ‎средних‏ ‎настроений ‎инвесторов‏ ‎BTC ‎в‏ ‎Bitcointalk. ‎Средние ‎настроения ‎комментариев ‎были‏ ‎нанесены‏ ‎на‏ ‎график ‎и‏ ‎показывают, ‎что‏ ‎настроения ‎5,40%‏ ‎очень‏ ‎позитивные, ‎настроения‏ ‎16,32% ‎умеренно ‎позитивные, ‎56,21% ‎умеренно‏ ‎негативные ‎и‏ ‎22,04%‏ ‎очень ‎негативные

Долгосрочное ‎сопоставление‏ ‎рыночных ‎цен‏ ‎BTC ‎и ‎настроений ‎инвесторов:‏ ‎взаимосвязь‏ ‎между ‎Google‏ ‎Trends ‎и‏ ‎рынком ‎BTC ‎в ‎период ‎2016-2021

В‏ ‎процессе‏ ‎изучения ‎связи‏ ‎между ‎частотой‏ ‎поиска ‎Google ‎Trends ‎и ‎рынком‏ ‎BTC‏ ‎было‏ ‎замечено, ‎что‏ ‎пики ‎в‏ ‎ключевом ‎слове‏ ‎поиска‏ ‎«Падение ‎цены‏ ‎BTC» ‎в ‎поиске ‎Google ‎привели‏ ‎к ‎падению‏ ‎цены‏ ‎на ‎рынке ‎BTC.‏ ‎На ‎рисунках‏ ‎2 ‎и ‎3 ‎показана‏ ‎взаимосвязь‏ ‎между ‎двумя‏ ‎наборами ‎данных‏ ‎временных ‎рядов. ‎За ‎значительным ‎пиком‏ ‎поискового‏ ‎запроса ‎«Крах‏ ‎BTC» ‎в‏ ‎Google ‎Trends ‎17 ‎декабря ‎2017‏ ‎года‏ ‎последовал‏ ‎ужасающий ‎обвал‏ ‎цены.

Этот ‎эффект‏ ‎был ‎отмечен‏ ‎в‏ ‎следующие ‎дни:‏ ‎17 ‎декабря ‎2017 ‎года ‎цена‏ ‎BTC ‎составляла‏ ‎19‏ ‎783,06 ‎долларов, ‎а‏ ‎22 ‎декабря‏ ‎2017 ‎года ‎она ‎упала‏ ‎до‏ ‎13 ‎800‏ ‎долларов. ‎Причина‏ ‎этого ‎падения ‎цен ‎явно ‎была‏ ‎связана‏ ‎с ‎эмоциями‏ ‎инвесторов. ‎Кроме‏ ‎того, ‎запуск ‎фьючерсов ‎на ‎BTC‏ ‎помог‏ ‎лопнуть‏ ‎пузырю.

Цена ‎BTC‏ ‎начала ‎падать‏ ‎всего ‎через‏ ‎несколько‏ ‎дней ‎после‏ ‎введения ‎фьючерсов ‎на ‎BTC ‎11‏ ‎декабря ‎2017‏ ‎года‏ ‎и ‎в ‎следующем‏ ‎году ‎падение‏ ‎составило ‎80%. ‎На ‎рисунках‏ ‎2‏ ‎и ‎3‏ ‎показаны ‎колебания‏ ‎цен ‎на ‎рынке ‎BTC ‎в‏ ‎течение‏ ‎2016–2021 ‎годов‏ ‎и ‎частота‏ ‎поиска ‎«Биткойн» ‎в ‎Google ‎Trends‏ ‎в‏ ‎течение‏ ‎2016–2021 ‎годов.‏ ‎На ‎обоих‏ ‎диаграммах ‎можно‏ ‎увидеть‏ ‎аналогичный ‎результат.

Другими‏ ‎словами, ‎цены ‎на ‎рынке ‎BTC‏ ‎и ‎частота‏ ‎поисковых‏ ‎запросов ‎в ‎Google‏ ‎Trends ‎близко‏ ‎совпадают. ‎Это ‎означает, ‎что‏ ‎рынок‏ ‎BTC ‎во‏ ‎многом ‎руководствуется‏ ‎эмоциями ‎инвесторов. ‎Как ‎только ‎распространяются‏ ‎соответствующие‏ ‎новости, ‎инвесторы‏ ‎начинают ‎искать‏ ‎то ‎же ‎самое ‎в ‎Google‏ ‎и‏ ‎принимают‏ ‎связанные ‎решения.‏ ‎Поиск ‎в‏ ‎Google ‎Trends‏ ‎напрямую‏ ‎повлиял ‎на‏ ‎решение ‎рынка ‎BTC ‎о ‎покупке‏ ‎или ‎продаже.

Короче‏ ‎говоря,‏ ‎решение ‎инвесторов ‎покупать‏ ‎или ‎продавать‏ ‎BTC ‎зависит ‎от ‎результатов‏ ‎их‏ ‎поиска ‎в‏ ‎Google. ‎Таким‏ ‎образом, ‎мы ‎можем ‎сделать ‎вывод,‏ ‎что‏ ‎взлеты ‎и‏ ‎падения ‎рынка‏ ‎BTC ‎определяются ‎исключительно ‎настроениями ‎инвесторов,‏ ‎а‏ ‎не‏ ‎экономическими ‎и‏ ‎финансовыми ‎теориями.


Рис.‏ ‎2

Изменение ‎цен‏ ‎на‏ ‎рынке ‎BTC‏ ‎в ‎течение ‎2016–2021 ‎годов. ‎Иллюстрирует‏ ‎изменение ‎цен‏ ‎на‏ ‎рынке ‎BTC ‎в‏ ‎период ‎2016-2021


Рис.‏ ‎3

Частота ‎поиска ‎«Биткойн» ‎в‏ ‎Google‏ ‎Trends ‎в‏ ‎течение ‎2016–2021‏ ‎годов. ‎Иллюстрация ‎изменения ‎цен ‎результатов‏ ‎Google‏ ‎Trends ‎за‏ ‎период ‎2016-2021

Краткосрочное‏ ‎сопоставление ‎цен ‎BTC ‎с ‎настроениями‏ ‎инвесторов:‏ ‎взаимосвязь‏ ‎между ‎Google‏ ‎Trends ‎и‏ ‎рынком ‎BTC‏ ‎в‏ ‎период ‎2020-2021

Далее,‏ ‎на ‎рисунках ‎4 ‎и ‎5‏ ‎показаны ‎данные‏ ‎Google‏ ‎Trends ‎за ‎период‏ ‎с ‎июня‏ ‎2020 ‎по ‎июнь ‎2021‏ ‎года‏ ‎и ‎фактические‏ ‎данные ‎о‏ ‎ежедневных ‎ценах ‎на ‎рынке ‎BTC‏ ‎за‏ ‎период ‎с‏ ‎июня ‎2020‏ ‎по ‎июнь ‎2021 ‎года. ‎Влияние‏ ‎настроений‏ ‎инвесторов‏ ‎на ‎цену‏ ‎BTC ‎видно‏ ‎на ‎рис.‏ ‎4.‏ ‎Результаты ‎поиска‏ ‎по ‎запросу ‎«Крах ‎BTC» ‎были‏ ‎самыми ‎высокими‏ ‎16‏ ‎мая ‎2021 ‎года,‏ ‎после ‎чего‏ ‎цена ‎BTC ‎упала ‎до‏ ‎38‏ ‎249 ‎долларов‏ ‎24 ‎мая‏ ‎2021 ‎года ‎с ‎49 ‎764‏ ‎долларов‏ ‎16 ‎мая‏ ‎2021 ‎года‏ ‎на ‎рынке ‎BTC.

Этот ‎эффект ‎хорошо‏ ‎виден‏ ‎на‏ ‎рис. ‎5.‏ ‎Мы ‎можем‏ ‎видеть ‎аналогичную‏ ‎ситуацию‏ ‎на ‎обеих‏ ‎диаграммах, ‎то ‎есть ‎на ‎графике‏ ‎Google ‎Trends‏ ‎и‏ ‎рынка ‎BTC. ‎На‏ ‎рис. ‎4‏ ‎схематично ‎представлены ‎результаты ‎поискового‏ ‎запроса‏ ‎Google ‎Trends,‏ ‎которые ‎соответствуют‏ ‎фактическому ‎положению ‎на ‎рынке ‎BTC,‏ ‎представленному‏ ‎на ‎рис.‏ ‎5. ‎Колебания‏ ‎обеих ‎диаграмм ‎близко ‎совпадают. ‎Если‏ ‎рыночные‏ ‎цены‏ ‎на ‎BTC‏ ‎росли, ‎то‏ ‎в ‎том‏ ‎же‏ ‎направлении ‎виден‏ ‎объем ‎частоты ‎поиска ‎Google ‎Trends,‏ ‎и ‎наоборот.


Рис.‏ ‎4

Изменение‏ ‎цены ‎BTC ‎в‏ ‎течение ‎2020–2021‏ ‎годов. ‎Примечание: иллюстрирует ‎изменение ‎цены‏ ‎BTC‏ ‎в ‎течение‏ ‎2020–2021 ‎годов


Рис.‏ ‎5

Частота ‎поиска ‎«Биткойн» ‎в ‎Google‏ ‎Trends‏ ‎в ‎течение‏ ‎2020–2021 ‎годов.‏ ‎Иллюстрирует ‎изменение ‎цен ‎на ‎BTC‏ ‎и‏ ‎результаты‏ ‎Google ‎Trends‏ ‎в ‎2020–2021‏ ‎годах

Диаграммы, ‎представленные‏ ‎на‏ ‎рисунках, ‎подтверждают‏ ‎тезис ‎о ‎том, ‎что ‎настроения‏ ‎и ‎эмоции‏ ‎крипто-трейдеров‏ ‎играют ‎очень ‎большую‏ ‎роль ‎на‏ ‎рынке ‎BTC. ‎Причина ‎краха‏ ‎BTC‏ ‎в ‎мае‏ ‎2021 ‎года‏ ‎связана ‎исключительно ‎с ‎негативным ‎твитом‏ ‎Элона‏ ‎Маска ‎в‏ ‎отношении ‎Биткойнов,‏ ‎который ‎вызвал ‎панику ‎у ‎инвесторов‏ ‎и‏ ‎снизил‏ ‎спрос ‎на‏ ‎BTC.

Таким ‎образом,‏ ‎можно ‎с‏ ‎уверенностью‏ ‎утверждать, ‎что‏ ‎психологические ‎настроения ‎играют ‎значительную ‎роль‏ ‎в ‎спросе‏ ‎и‏ ‎цене ‎BTC. ‎Следовательно,‏ ‎мы ‎можем‏ ‎сделать ‎вывод, ‎что ‎цена‏ ‎BTC‏ ‎определяется ‎рыночным‏ ‎спросом, ‎а‏ ‎не ‎фундаментальными ‎и ‎техническими ‎переменными.

Выводы

В‏ ‎процессе‏ ‎изучения ‎волатильности‏ ‎цен ‎на‏ ‎BTC ‎как ‎в ‎долгосрочной, ‎так‏ ‎и‏ ‎в‏ ‎краткосрочной ‎перспективе,‏ ‎было ‎проведено‏ ‎сравнение ‎как‏ ‎количественного,‏ ‎так ‎и‏ ‎качественного ‎анализа ‎динамики ‎цен ‎на‏ ‎BTC ‎за‏ ‎оба‏ ‎периода. ‎В ‎результате‏ ‎сформировалось ‎новое‏ ‎представление ‎о ‎причинно-следственной ‎связи‏ ‎между‏ ‎вниманием ‎инвесторов‏ ‎к ‎BTC‏ ‎и ‎колебаниями ‎его ‎цены.

Можно ‎предположить,‏ ‎что‏ ‎существует ‎сильная‏ ‎причинно-следственная ‎связь‏ ‎между ‎ценами ‎и ‎содержанием ‎поисковых‏ ‎запросов.‏ ‎Самое‏ ‎главное, ‎что‏ ‎эта ‎взаимосвязь‏ ‎является ‎двунаправленной,‏ ‎то‏ ‎есть ‎поисковые‏ ‎запросы ‎влияют ‎на ‎цены, ‎а‏ ‎цены ‎влияют‏ ‎на‏ ‎поисковые ‎запросы.

Поскольку ‎внутренняя‏ ‎стоимость ‎BTC‏ ‎равна ‎нулю, ‎инвесторы ‎не‏ ‎могут‏ ‎сказать, ‎насколько‏ ‎его ‎цена‏ ‎является ‎сбалансированной, ‎завышена ‎она ‎или‏ ‎занижена.‏ ‎Цену ‎BTC‏ ‎определяют ‎исключительно‏ ‎рыночные ‎силы. ‎Также ‎можно ‎заметить,‏ ‎что‏ ‎с‏ ‎BTC ‎не‏ ‎связана ‎номинальная‏ ‎или ‎балансовая‏ ‎стоимость.‏ ‎Следовательно, ‎инвесторы‏ ‎не ‎могут ‎достоверно ‎определить ‎реальную‏ ‎стоимость ‎BTC.‏ ‎Можно‏ ‎сказать, ‎что ‎основными‏ ‎факторами, ‎определяющими‏ ‎рыночные ‎цены ‎BTC, ‎являются‏ ‎настроения‏ ‎и ‎эмоции‏ ‎инвесторов.

Знания, ‎полученные‏ ‎из ‎литературы, ‎говорят ‎о ‎том,‏ ‎что‏ ‎существует ‎искусственное‏ ‎влияние ‎на‏ ‎рост ‎цены ‎BTC. ‎Анализ ‎данных‏ ‎показал,‏ ‎что‏ ‎этот ‎эффект‏ ‎приводит ‎к‏ ‎завышению ‎цены‏ ‎на‏ ‎BTC. ‎Платформы‏ ‎социальных ‎сетей, ‎такие ‎как ‎Facebook,‏ ‎Twitter, ‎Clubhouse‏ ‎и‏ ‎другие ‎группы ‎в‏ ‎социальных ‎сетях,‏ ‎которые ‎создают ‎ажиотаж ‎вокруг‏ ‎BTC,‏ ‎способствуют ‎созданию‏ ‎ценовых ‎пузырей.

Было‏ ‎выявлено ‎полное ‎совпадение ‎между ‎количественными‏ ‎тенденциями‏ ‎рыночных ‎цен‏ ‎на ‎BTC‏ ‎и ‎качественными ‎матрицами, ‎используемыми, ‎такими‏ ‎платформами,‏ ‎как‏ ‎Bitcointalk ‎и‏ ‎Google ‎Trends.‏ ‎Причиной ‎этого‏ ‎перекрестного‏ ‎совпадения ‎является‏ ‎конвертация ‎настроений ‎инвесторов ‎на ‎рынке.‏ ‎Предвзятость ‎инвесторов‏ ‎оказала‏ ‎положительное ‎или ‎отрицательное‏ ‎влияние ‎на‏ ‎рынок ‎BTC.

Позитивные ‎настроения ‎привели‏ ‎к‏ ‎позитивным ‎твитам,‏ ‎и, ‎как‏ ‎отражение ‎твитов, ‎рынок ‎взлетел. ‎С‏ ‎другой‏ ‎стороны, ‎негативные‏ ‎настроения ‎привели‏ ‎к ‎негативным ‎твитам, ‎и ‎рынок‏ ‎пошел‏ ‎вниз.‏ ‎Несмотря ‎на‏ ‎то, ‎что‏ ‎на ‎рынок‏ ‎криптовалют‏ ‎активно ‎закачиваются‏ ‎деньги, ‎большинство ‎инвесторов ‎сомневаются ‎в‏ ‎будущем ‎рынка‏ ‎BTC.‏ ‎Причиной ‎этого ‎может‏ ‎быть ‎влияние‏ ‎Уоррена ‎Баффета ‎и ‎Пола‏ ‎Кругмана,‏ ‎которые ‎очень‏ ‎критически ‎относятся‏ ‎к ‎будущему ‎рынка ‎BTC.

Заключительные ‎мысли

Торговать‏ ‎криптой‏ ‎или ‎нет‏ ‎— ‎каждый‏ ‎решает ‎для ‎себя ‎сам. ‎Но‏ ‎из‏ ‎всего‏ ‎написанного ‎выше‏ ‎можно ‎извлечь‏ ‎один ‎ценный‏ ‎урок.‏ ‎Если ‎есть‏ ‎желание ‎зарабатывать ‎на ‎крипторынке, ‎то‏ ‎нужно ‎учиться‏ ‎не‏ ‎поддаваться ‎на ‎откровенные‏ ‎манипуляции. ‎Для‏ ‎этого ‎нужно ‎уметь ‎мыслить‏ ‎самостоятельно‏ ‎и ‎рационально.‏ ‎Впрочем, ‎для‏ ‎любого ‎рынка ‎— ‎это ‎универсальный‏ ‎рецепт‏ ‎успеха.

Список ‎используемой‏ ‎литературы

  1. Абрахам ‎Дж.,‏ ‎Хигдон ‎Д., ‎Нельсон ‎Дж. ‎и‏ ‎Ибарра‏ ‎Дж.‏ ‎(2018). ‎Прогнозирование‏ ‎цены ‎криптовалюты‏ ‎с ‎использованием‏ ‎объемов‏ ‎твитов ‎и‏ ‎анализа ‎настроений, ‎объемов ‎и ‎анализа‏ ‎настроений. ‎Обзор‏ ‎науки‏ ‎о ‎данных ‎SMU1(3). https://scholar.smu.edu/datasciencereview/vol1/iss3/1.
  2. Ан‏ ‎И, ‎Ким‏ ‎Д. ‎Разногласия ‎в ‎настроениях‏ ‎и‏ ‎колебания ‎цены‏ ‎биткоина: ‎психолингвистический‏ ‎подход. ‎Письма ‎по ‎прикладной ‎экономике.‏ ‎2020;27(5): 412-416. doi:‏ ‎10.1080/13504851.2019.1619013. ‎[Перекрестная‏ ‎ссылка] [Google ‎Scholar]
  3. Али‏ ‎М, ‎Алам ‎Н, ‎Ризви ‎САР.‏ ‎Коронавирус‏ ‎(COVID-19)‏ ‎— ‎эпидемия‏ ‎или ‎пандемия‏ ‎для ‎финансовых‏ ‎рынков.‏ ‎Журнал ‎поведенческих‏ ‎и ‎экспериментальных ‎финансов. ‎2020;27:100341. doi: ‎10.1016‏ ‎/ ‎j.jbef.2020.100341.‏ ‎[Бесплатная‏ ‎статья ‎PMC] [PubMed] [Перекрестная ‎ссылка] [Google‏ ‎Scholar]
  4. Баривьера ‎А.Ф..‏ ‎Пересмотр ‎неэффективности ‎биткойна: ‎динамический‏ ‎подход.‏ ‎Экономические ‎письма.‏ ‎2017;161(2017): 1-4. doi: ‎10.1016‏ ‎/j.econlet.2017.09.013. ‎[Перекрестная ‎ссылка] [Google ‎Scholar]
  5. Baur ‎DG,‏ ‎Dimpfl‏ ‎T, ‎Kuck‏ ‎K. ‎Биткойн,‏ ‎золото ‎и ‎доллар ‎США ‎—‏ ‎репликация‏ ‎и‏ ‎расширение. ‎Finance‏ ‎Research ‎Letters.‏ ‎2018;25(август ‎2017):‏ ‎103-110.‏ ‎doi: ‎10.1016‏ ‎/ ‎http://j.frl.2017.10.01225. [Перекрестная ‎ссылка] [Google ‎Scholar]
  6. Баур ‎Д.Г.,‏ ‎Хоанг ‎Л.Т.‏ ‎Криптозащита‏ ‎от ‎биткоина. ‎Письма‏ ‎о ‎финансовых‏ ‎исследованиях. ‎2021;38(ноябрь ‎2019): ‎101431.‏ ‎doi:‏ ‎10.1016 ‎/‏ ‎http://j.frl.2020.101431. [Перекрестная ‎ссылка] [Google‏ ‎Scholar]
  7. Бешенов ‎С., ‎Розмаинский ‎И. ‎Гипотеза‏ ‎финансовой‏ ‎нестабильности ‎Хаймана‏ ‎Мински ‎и‏ ‎долговой ‎кризис ‎Греции. ‎Российский ‎экономический‏ ‎журнал.‏ ‎2015;1(4): 419-438. doi:‏ ‎10.1016 ‎/j.ruje.2016.02.005.‏ ‎[Перекрестная ‎ссылка] [Google‏ ‎Scholar]
  8. Боллен ‎Дж.,‏ ‎Мао‏ ‎Х., ‎Цзэн‏ ‎Х. ‎Настроение ‎Twitter ‎предсказывает ‎фондовый‏ ‎рынок. ‎Журнал‏ ‎вычислительной‏ ‎науки. ‎2011;2(1): 1-8. doi: ‎10.1016/j.jocs.2010.12.007.‏ ‎[Перекрестная ‎ссылка] [Google‏ ‎Scholar]
  9. Брандвольд ‎М., ‎Мольнар ‎П.,‏ ‎Вагстад‏ ‎К., ‎Андреас‏ ‎Вальстад ‎О.К.‏ ‎Определение ‎цен ‎на ‎биржах ‎биткоина.‏ ‎Журнал‏ ‎международных ‎финансовых‏ ‎рынков, ‎институтов‏ ‎и ‎денег. ‎2015;36:18-35. doi: ‎10.1016/j.intfin.2015.02.010. ‎[Перекрестная‏ ‎ссылка] [Google‏ ‎Scholar]
  10. Чеа‏ ‎и ‎др.,‏ ‎Фрай ‎Дж.‏ ‎Спекулятивные ‎пузыри‏ ‎на‏ ‎рынках ‎биткоина?‏ ‎Эмпирическое ‎исследование ‎фундаментальной ‎ценности ‎Биткоина.‏ ‎Economics ‎Letters.‏ ‎2015;130:32-36. doi:‏ ‎10.1016 ‎/j.econlet.2015.02.029. ‎[Перекрестная‏ ‎ссылка] [Google ‎Scholar]
  11. Чен‏ ‎С, ‎Лю ‎Л, ‎Чжао‏ ‎Н.‏ ‎Настроения ‎страха,‏ ‎неопределенность ‎и‏ ‎динамика ‎цены ‎биткойна: ‎Случай ‎с‏ ‎COVID-19.‏ ‎Финансы ‎и‏ ‎торговля ‎на‏ ‎развивающихся ‎рынках. ‎2020;56(10): 2298-2309. doi: ‎10.1080 ‎/‏ ‎1540496X.2020.1787150.‏ ‎[Перекрестная‏ ‎ссылка] [Google ‎Scholar]
  12. Колианни‏ ‎С., ‎Розалес‏ ‎С. ‎и‏ ‎Синьоротти‏ ‎М. ‎(2015).‏ ‎Алгоритмическая ‎торговля ‎криптовалютой ‎на ‎основе‏ ‎анализа ‎настроений‏ ‎в‏ ‎Twitter. ‎Проект ‎CS229 (стр.‏ ‎1-5). ‎http://cs229.stanford.edu/proj2015/029_report.pdf
  13. Dang-Xuan‏ ‎L, ‎Stieglitz ‎S, ‎Wladarsch‏ ‎J,‏ ‎Neuberger ‎C.‏ ‎Исследование ‎факторов‏ ‎влияния ‎и ‎роли ‎настроений ‎в‏ ‎политической‏ ‎коммуникации ‎в‏ ‎Twitter ‎в‏ ‎периоды ‎выборов. ‎Информационные ‎коммуникации ‎и‏ ‎общество.‏ ‎2013;16(5): 795-825. doi:‏ ‎10.1080 ‎/‏ ‎1369118X.2013.783608. ‎[Перекрестная‏ ‎ссылка] [Google ‎Scholar]
  14. МНВ‏ ‎С,‏ ‎Кайдзоджи ‎Т.,‏ ‎Кан ‎Ш., ‎Пихл ‎Л. ‎Биткоин‏ ‎и ‎настроения‏ ‎инвесторов:‏ ‎статистические ‎характеристики ‎и‏ ‎предсказуемость. ‎Физика‏ ‎а: ‎статистическая ‎механика ‎и‏ ‎ее‏ ‎приложения. ‎2019;514:511-521. doi:‏ ‎10.1016 ‎/j.physa.2018.09.063.‏ ‎[Перекрестная ‎ссылка] [Google ‎Scholar]
  15. Fernández ‎Vilas ‎A,‏ ‎Díaz‏ ‎Redondo ‎RP,‏ ‎Couto ‎Cancela‏ ‎D, ‎Torrado ‎Pazos ‎A. ‎Взаимодействие‏ ‎между‏ ‎транзакциями‏ ‎криптовалюты ‎и‏ ‎финансовыми ‎форумами‏ ‎онлайн. ‎Математика.‏ ‎2021;9(4): 411. doi:‏ ‎10.3390/math9040411. ‎[Перекрестная‏ ‎ссылка] [Google ‎Scholar]
  16. Гурджиев ‎С., ‎О'Лафлин ‎Д.‏ ‎Стадность ‎и‏ ‎закрепление‏ ‎на ‎криптовалютных ‎рынках:‏ ‎реакция ‎инвесторов‏ ‎на ‎страх ‎и ‎неопределенность.‏ ‎Журнал‏ ‎поведенческих ‎и‏ ‎экспериментальных ‎финансов.‏ ‎2020;25:100271. doi: ‎10.1016 ‎/ ‎j.jbef.2020.100271. ‎[Перекрестная‏ ‎ссылка] [Google‏ ‎Scholar]
  17. Харви ‎КР.‏ ‎Мифы ‎и‏ ‎факты ‎о ‎биткоине. ‎Электронный ‎журнал‏ ‎SSRN.‏ ‎2018 doi:‏ ‎10.2139 ‎/‏ ‎ssrn.2479670. ‎[Перекрестная‏ ‎ссылка] [Google ‎Scholar]
  18. Хендриксон-младший,‏ ‎Лютер‏ ‎У.Дж. ‎Стоимость‏ ‎биткойна ‎в ‎2141 ‎году ‎(и‏ ‎далее!) ‎Электронный‏ ‎журнал‏ ‎SSRN. ‎2021 doi: ‎10.2139‏ ‎/ ‎ssrn.3845800.‏ ‎[Перекрестная ‎ссылка] [Google ‎Scholar]
  19. Хонг ‎Х.,‏ ‎Пак‏ ‎К., ‎Ю‏ ‎Дж. ‎Вытеснение‏ ‎в ‎двухвалютном ‎режиме? ‎Цифровая ‎валюта‏ ‎против‏ ‎бумажной. ‎Финансы‏ ‎и ‎торговля‏ ‎на ‎развивающихся ‎рынках. ‎2018;54(11): 2495-2515. doi: ‎10.1080‏ ‎/‏ ‎1540496X.2018.1452732.‏ ‎[Перекрестная ‎ссылка] [Google‏ ‎Scholar]
  20. Джавахери ‎ХА,‏ ‎Сабах ‎Ма,‏ ‎Бошмаф‏ ‎И, ‎Эрбад‏ ‎А. ‎Деанонимизация ‎пользователей ‎скрытого ‎сервиса‏ ‎Tor ‎посредством‏ ‎анализа‏ ‎транзакций ‎биткоина. ‎Компьютеры‏ ‎и ‎безопасность.‏ ‎2020;89:101684. doi: ‎10.1016 ‎/ ‎j.cose.2019.101684.‏ ‎[Перекрестная‏ ‎ссылка] [Google ‎Scholar]
  21. Кайзер‏ ‎Л., ‎Стокл‏ ‎С. ‎Криптовалюты: ‎стадо ‎и ‎валюта‏ ‎перевода.‏ ‎Письма ‎о‏ ‎финансовых ‎исследованиях.‏ ‎2020 doi: ‎10.1016 ‎/ ‎http://j.frl.2019.06.012. [Перекрестная ‎ссылка] [Google‏ ‎Scholar]
  22. Каливас‏ ‎А.,‏ ‎Папакириаку ‎П.,‏ ‎Саккас ‎А.,‏ ‎Уркварт ‎А.‏ ‎Что‏ ‎приводит ‎к‏ ‎риску ‎обвала ‎цены ‎Биткойна? ‎Экономические‏ ‎письма. ‎2020;191(сентябрь‏ ‎2011):‏ ‎108777. ‎doi: ‎10.1016‏ ‎/j.econlet.2019.108777. ‎[Перекрестная‏ ‎ссылка] [Google ‎Scholar]
  23. Капар ‎Б., ‎Олмо‏ ‎Дж.‏ ‎Анализ ‎цен‏ ‎на ‎биткоин‏ ‎с ‎использованием ‎рыночных ‎переменных ‎и‏ ‎переменных‏ ‎настроений. ‎Мировая‏ ‎экономика. ‎2021;44(1):45-63. doi:‏ ‎10.1111 ‎/ ‎twec.13020. ‎[Перекрестная ‎ссылка] [Google‏ ‎Scholar]
  24. Каралевичюс‏ ‎В.,‏ ‎Дегранде ‎Н.,‏ ‎Вердт ‎Д.‏ ‎Д.. ‎Использование‏ ‎анализа‏ ‎настроений ‎для‏ ‎прогнозирования ‎динамики ‎цены ‎биткойна ‎в‏ ‎течение ‎дня.‏ ‎Журнал‏ ‎рискового ‎финансирования. ‎2018;19(1): 56-75. doi:‏ ‎10.1108 ‎/‏ ‎JRF-06-2017-0092. ‎[Перекрестная ‎ссылка] [Google ‎Scholar]
  25. Кляйн‏ ‎Т.,‏ ‎Фам ‎Х.,‏ ‎Вальтер ‎Т.‏ ‎Биткойн ‎не ‎новое ‎золото ‎—‏ ‎сравнение‏ ‎волатильности, ‎корреляции‏ ‎и ‎эффективности‏ ‎портфеля. ‎Международный ‎обзор ‎финансового ‎анализа.‏ ‎2018;59(июль):‏ ‎105-116.‏ ‎doi: ‎10.1016‏ ‎/ ‎j.irfa.2018.07.010.‏ ‎[Перекрестная ‎ссылка] [Google‏ ‎Scholar]
  26. Крайевельд‏ ‎О., ‎Смедт‏ ‎Д. ‎Д.. ‎Предсказательная ‎сила ‎публичных‏ ‎настроений ‎в‏ ‎Twitter‏ ‎для ‎прогнозирования ‎цен‏ ‎на ‎криптовалюту.‏ ‎Журнал ‎международных ‎финансовых ‎рынков,‏ ‎институтов‏ ‎и ‎денег.‏ ‎2020;65: 101188. doi: ‎10.1016/j.intfin.2020.101188.‏ ‎[Перекрестная ‎ссылка] [Google ‎Scholar]
  27. Кристоуф ‎Л. ‎Биткойн‏ ‎соответствует‏ ‎тенденциям ‎Google‏ ‎и ‎Википедии:‏ ‎количественная ‎оценка ‎взаимосвязи ‎между ‎явлениями‏ ‎эпохи‏ ‎Интернета.‏ ‎Научные ‎отчеты.‏ ‎2013;3(1): 1-7. doi: ‎10.1038‏ ‎/srep03415. ‎[Бесплатная‏ ‎статья‏ ‎PMC] [PubMed] [Перекрестная ‎ссылка] [Google‏ ‎Scholar]
  28. Кристоуф ‎Л. ‎Об ‎эффективности ‎рынков‏ ‎биткоина ‎(в)‏ ‎и‏ ‎ее ‎эволюции. ‎Физика‏ ‎а: ‎статистическая‏ ‎механика ‎и ‎ее ‎приложения.‏ ‎2018;503(ноябрь‏ ‎2017): ‎257-262.‏ ‎doi: ‎10.1016‏ ‎/j.physa.2018.02.161. ‎[Перекрестная ‎ссылка] [Google ‎Scholar]
  29. Лю ‎Р.З.,‏ ‎Ван‏ ‎С.Ф., ‎Чжан‏ ‎З.Л., ‎Чжао‏ ‎XJ. ‎Является ‎ли ‎введение ‎фьючерсов‏ ‎причиной‏ ‎краха‏ ‎Биткоина? ‎Письма‏ ‎о ‎финансовых‏ ‎исследованиях. ‎2020 doi:‏ ‎10.1016‏ ‎/ ‎http://j.frl.2019.08.007. [Перекрестная‏ ‎ссылка] [Google ‎Scholar]
  30. Mirsch, ‎T., ‎Lehrer, ‎C.,‏ ‎& ‎Jung,‏ ‎R.‏ ‎(2017). ‎Цифровое ‎подталкивание:‏ ‎изменение ‎поведения‏ ‎пользователей ‎в ‎цифровой ‎среде.‏ ‎In:‏ ‎J. ‎M.‏ ‎Leimeister, ‎&‏ ‎W. ‎Brenner ‎(Hrsg.), ‎Proceedings ‎Der‏ ‎13.‏ ‎Internationalen ‎Tagung‏ ‎Wirtschaftsinformatik ‎(WI‏ ‎2017) ‎(pp. ‎634–648).
  31. Нобл ‎Х., ‎Хил‏ ‎Р.‏ ‎Триангуляция‏ ‎в ‎исследованиях,‏ ‎с ‎примерами.‏ ‎Уход, ‎основанный‏ ‎на‏ ‎фактических ‎данных.‏ ‎2019;22(3):67-68. doi: ‎10.1136/ebnurs-2019-103145. ‎[PubMed] [Перекрестная ‎ссылка] [Google ‎Scholar]
  32. Пано‏ ‎Т., ‎Кашеф‏ ‎Р.‏ ‎Полный ‎анализ ‎настроений‏ ‎твитов ‎Биткойна‏ ‎(BTC) ‎на ‎основе ‎Вейдера‏ ‎в‏ ‎эпоху ‎COVID-19.‏ ‎Большие ‎данные‏ ‎и ‎когнитивные ‎вычисления. ‎2020;4(4): 1-17. doi: ‎10.3390‏ ‎/bdcc4040033.‏ ‎[Перекрестная ‎ссылка] [Google‏ ‎Scholar]
  33. Пярлстранд ‎Э.,‏ ‎Райден ‎О. ‎и ‎Халт ‎Х.‏ ‎(2015).‏ ‎Объяснение‏ ‎рыночной ‎цены‏ ‎биткойна ‎и‏ ‎других ‎криптовалют‏ ‎с‏ ‎помощью ‎статистического‏ ‎анализа. ‎Получено ‎из ‎https://www.diva-portal.org/smash/get/diva2:814478/FULLTEXT01.pdf, 15 мая ‎2021
  34. Пойзер‏ ‎О. ‎Исследование‏ ‎динамики‏ ‎цены ‎биткойна: ‎байесовский‏ ‎подход ‎к‏ ‎структурным ‎временным ‎рядам. ‎Евразийский‏ ‎экономический‏ ‎обзор. ‎2019;9(1):29-60. doi:‏ ‎10.1007 ‎/s40822-018-0108-2.‏ ‎[Перекрестная ‎ссылка] [Google ‎Scholar]
  35. Прайс ‎Б. ‎и‏ ‎Берни‏ ‎А. ‎(2019).‏ ‎Анализ ‎изменений‏ ‎в ‎обсуждениях ‎в ‎социальных ‎сетях‏ ‎в‏ ‎связи‏ ‎с ‎ценой‏ ‎биткойна (стр. ‎889-892).‏ ‎10.1145/3331184.3331304
  36. Цинь ‎М,‏ ‎Су‏ ‎К.В., ‎Тао‏ ‎Р. ‎Биткойн: ‎новая ‎корзина ‎для‏ ‎яиц? ‎Экономическое‏ ‎моделирование.‏ ‎2021;94(ноябрь ‎2019): ‎896-907.‏ ‎doi: ‎10.1016‏ ‎/j.econmod.2020.02.031. ‎[Перекрестная ‎ссылка] [Google ‎Scholar]
  37. Резерв,‏ ‎Ф.,‏ ‎Франциско, ‎С.,‏ ‎Хейл, ‎Г.,‏ ‎Кришнамурти, ‎А., ‎Кудляк, ‎М., ‎&‏ ‎Шульц,‏ ‎П. ‎(2018).‏ ‎Как ‎торговля‏ ‎фьючерсами ‎изменила ‎цены ‎на ‎биткоин (стр.‏ ‎1-5).‏ ‎https://www.frbsf.org/economic-research/files/el2018-12.pdf
  38. Шиллинг‏ ‎Л., ‎Улиг‏ ‎Х. ‎Некоторые‏ ‎простые ‎экономики‏ ‎биткойна.‏ ‎Журнал ‎монетарной‏ ‎экономики. ‎2019;106:16-26. doi: ‎10.1016/j.jmoneco.2019.07.002. ‎[Перекрестная ‎ссылка] [Google‏ ‎Scholar]
  39. Шен ‎Д.,‏ ‎Уркварт‏ ‎А., ‎Ван ‎П.‏ ‎Предсказывает ‎ли‏ ‎Twitter ‎Биткойн? ‎Экономические ‎письма.‏ ‎2019;174:118-122. doi:‏ ‎10.1016 ‎/j.econlet.2018.11.007.‏ ‎[Перекрестная ‎ссылка] [Google‏ ‎Scholar]
  40. Совбетов ‎Ю. ‎Факторы, ‎влияющие ‎на‏ ‎цены‏ ‎криптовалют: ‎данные‏ ‎Биткоина, ‎Ethereum,‏ ‎Dash, ‎Litcoin ‎и ‎Monero. ‎Журнал‏ ‎экономики‏ ‎и‏ ‎финансового ‎анализа.‏ ‎2018 doi: ‎10.1991‏ ‎/jefa.v2i2.a16. ‎[Перекрестная‏ ‎ссылка] [Google‏ ‎Scholar]
  41. Уркварт ‎А.‏ ‎Что ‎привлекает ‎внимание ‎Биткойна? ‎Economics‏ ‎Letters. ‎2018;166(август‏ ‎2010):‏ ‎40-44. ‎doi: ‎10.1016/j.econlet.2018.02.017.‏ ‎[Перекрестная ‎ссылка] [Google‏ ‎Scholar]
  42. Виджаярагаван ‎П., ‎Поннусами ‎Р.,‏ ‎Арамудхан‏ ‎М. ‎Оптимальная‏ ‎классификационная ‎модель‏ ‎на ‎основе ‎машины ‎опорных ‎векторов‏ ‎для‏ ‎сентиментального ‎анализа‏ ‎онлайн-обзоров ‎продуктов.‏ ‎Компьютерные ‎системы ‎будущего ‎поколения. ‎2020;111:234-240. doi:‏ ‎10.1016‏ ‎/j.future.2020.04.046.‏ ‎[Перекрестная ‎ссылка] [Google‏ ‎Scholar]
  43. Wołk ‎K.‏ ‎Расширенный ‎анализ‏ ‎настроений‏ ‎в ‎социальных‏ ‎сетях ‎для ‎краткосрочного ‎прогнозирования ‎цен‏ ‎на ‎криптовалюту.‏ ‎Экспертные‏ ‎системы. ‎2019 doi: ‎10.1111/exsy.12493.‏ ‎[Перекрестная ‎ссылка] [Google‏ ‎Scholar]
  44. Замаве ‎Ф. ‎Значение ‎использования‏ ‎программного‏ ‎обеспечения ‎NVivo‏ ‎для ‎качественного‏ ‎анализа ‎данных: ‎размышления, ‎основанные ‎на‏ ‎фактических‏ ‎данных. ‎Медицинский‏ ‎журнал ‎Малави.‏ ‎2015;27(1): 13-15. doi: ‎10.4314/mmj.v27i1.4. ‎[Бесплатная ‎статья ‎PMC] [PubMed] [Перекрестная‏ ‎ссылка] [Google‏ ‎Scholar]
  45. Чжэн‏ ‎Ц, ‎Ран‏ ‎Л, ‎Чи‏ ‎Т, ‎Су‏ ‎В,‏ ‎Рамона ‎О.‏ ‎Лопнул ‎ли ‎пузырь ‎биткойна? ‎Качество‏ ‎и ‎количество.‏ ‎2019;53(1):91-105. doi:‏ ‎10.1007 ‎/ ‎s11135-018-0728-3.‏ ‎[Перекрестная ‎ссылка] [Google‏ ‎Scholar]


Читать: 5+ мин
logo Поведенческие финансы и инвестирование

Генетика инвестиционных предубеждений

Не ‎так‏ ‎давно, ‎я ‎писал ‎о ‎поведенческих‏ ‎предубеждениях, которые ‎свойственны‏ ‎всем‏ ‎людям, ‎и ‎которые‏ ‎мешают ‎нам‏ ‎эффективно ‎работать ‎на ‎финансовых‏ ‎рынках.‏ ‎Список ‎этих‏ ‎когнитивных ‎ошибок‏ ‎довольно ‎обширен. ‎Среди ‎них ‎можно‏ ‎упомянуть‏ ‎и ‎«якорение»,‏ ‎и ‎«эвристику‏ ‎доступности», ‎и ‎«стадный ‎эффект», ‎и‏ ‎«предвзятость‏ ‎подтверждения,‏ ‎и ‎много‏ ‎чего ‎ещё.

Но‏ ‎сегодня ‎я‏ ‎хочу‏ ‎попробовать ‎заглянуть‏ ‎несколько ‎глубже, ‎а ‎именно, ‎постараться‏ ‎понять, ‎откуда‏ ‎эти‏ ‎предубеждения ‎берутся, ‎что‏ ‎является ‎их‏ ‎первопричиной. ‎Верно ‎ли ‎мнение‏ ‎о‏ ‎том, ‎что‏ ‎инвестиционные ‎предубеждения‏ ‎являются ‎проявлениями ‎врожденных ‎и ‎эволюционно‏ ‎древних‏ ‎особенностей ‎человеческого‏ ‎поведения. ‎

И‏ ‎почему ‎даже ‎генетически ‎идентичные ‎инвесторы,‏ ‎выросшие‏ ‎в‏ ‎одной ‎и‏ ‎той ‎же‏ ‎семейной ‎и‏ ‎социальной‏ ‎среде, ‎часто‏ ‎существенно ‎различаются ‎в ‎своем ‎инвестиционном‏ ‎поведении ‎из-за‏ ‎индивидуального‏ ‎опыта ‎или ‎ранее‏ ‎пережитых ‎событий.

Что‏ ‎первично

Исследователи ‎давно ‎установили, ‎что‏ ‎инвестиционные‏ ‎когнитивные ‎предубеждения‏ ‎свойственны ‎абсолютному‏ ‎большинству ‎самостоятельных ‎инвесторов ‎и ‎трейдеров.‏ ‎Но‏ ‎вот ‎раскрытию‏ ‎истоков ‎этих‏ ‎инвестиционных ‎предубеждений ‎и ‎различий ‎между‏ ‎инвесторами,‏ ‎исследований‏ ‎было ‎посвящено‏ ‎очень ‎немного.‏ ‎

Наделены ‎ли‏ ‎инвесторы‏ ‎генетически ‎определенными‏ ‎предрасположенностями, ‎которые ‎проявляются ‎как ‎инвестиционные‏ ‎предубеждения? ‎Или‏ ‎эти‏ ‎предубеждения ‎формируются ‎в‏ ‎процессе ‎воспитания‏ ‎и ‎получения ‎индивидуального ‎опыта?‏ ‎Понимание‏ ‎этого ‎вопроса‏ ‎имеет ‎потенциально‏ ‎важные ‎последствия ‎для ‎того, ‎в‏ ‎какой‏ ‎степени ‎образование‏ ‎и ‎рыночные‏ ‎стимулы ‎могут ‎уменьшить ‎проявление ‎инвестиционных‏ ‎предубеждений.

Если‏ ‎получится‏ ‎проследить ‎наличие‏ ‎существенной ‎генетической‏ ‎составляющей, ‎то‏ ‎это‏ ‎станет ‎доказательством‏ ‎того, ‎что ‎поведенческие ‎предубеждения ‎могут‏ ‎быть ‎результатом‏ ‎естественного‏ ‎отбора, ‎и ‎будет‏ ‎опираться ‎на‏ ‎гипотезу ‎Rayo ‎and ‎Becker‏ ‎(2007)‏ ‎и ‎Brennan‏ ‎and ‎Lo‏ ‎(2011) ‎о ‎том, ‎что ‎поведение,‏ ‎по‏ ‎крайней ‎мере‏ ‎частично, ‎генетически‏ ‎детерминировано.

Попытка ‎разобраться

Чтобы ‎в ‎этом ‎разобраться,‏ ‎применили‏ ‎эмпирическую‏ ‎методологию, ‎заимствованную‏ ‎из ‎количественных‏ ‎исследований ‎генетики‏ ‎поведения,‏ ‎которая ‎также‏ ‎недавно ‎была ‎использована ‎в ‎финансовых‏ ‎исследованиях. ‎Набор‏ ‎данных‏ ‎для ‎анализа ‎был‏ ‎взят ‎из‏ ‎крупнейшего ‎в ‎мире, ‎Шведского‏ ‎реестра‏ ‎близнецов ‎(STR),‏ ‎что ‎в‏ ‎сочетании ‎с ‎подробными ‎данными ‎об‏ ‎инвестиционном‏ ‎поведении ‎близнецов,‏ ‎позволило ‎разложить‏ ‎различия ‎между ‎людьми ‎на ‎генетические‏ ‎и‏ ‎экологические‏ ‎компоненты. ‎

Это‏ ‎разложение ‎основано‏ ‎на ‎интуитивном‏ ‎понимании.‏ ‎Гены ‎идентичных‏ ‎близнецов ‎совпадают ‎на ‎100%, ‎в‏ ‎то ‎время‏ ‎как‏ ‎средняя ‎доля ‎общих‏ ‎генов ‎составляет‏ ‎всего ‎50% ‎для ‎разнояйцевых‏ ‎близнецов.‏ ‎Если ‎однояйцевые‏ ‎близнецы ‎проявляют‏ ‎больше ‎сходства ‎в ‎отношении ‎этих‏ ‎инвестиционных‏ ‎предубеждений, ‎чем‏ ‎разнояйцевые ‎близнецы,‏ ‎то ‎есть ‎доказательства ‎того, ‎что‏ ‎на‏ ‎это‏ ‎поведение ‎влияют,‏ ‎по ‎крайней‏ ‎мере ‎частично,‏ ‎генетические‏ ‎факторы.

Результаты ‎можно‏ ‎суммировать ‎следующим ‎образом. ‎Во-первых, ‎оказалось,‏ ‎что ‎в‏ ‎длинном‏ ‎списке ‎инвестиционных ‎предубеждений‏ ‎генетические ‎различия‏ ‎объясняют ‎до ‎45% ‎оставшихся‏ ‎различий‏ ‎между ‎отдельными‏ ‎инвесторами, ‎после‏ ‎учета ‎наблюдаемых ‎индивидуальных ‎характеристик. ‎

Во-вторых,‏ ‎исходя‏ ‎из ‎того,‏ ‎что ‎инвестиционные‏ ‎предубеждения ‎являются ‎проявлениями ‎врожденных ‎и‏ ‎эволюционно‏ ‎древних‏ ‎особенностей ‎человеческого‏ ‎поведения, ‎можно‏ ‎сказать, ‎что‏ ‎генетические‏ ‎факторы, ‎влияющие‏ ‎на ‎инвестиционные ‎предубеждения, ‎также ‎влияют‏ ‎на ‎поведение‏ ‎в‏ ‎других, ‎не ‎связанных‏ ‎с ‎инвестициями‏ ‎областях. ‎

Инвестирование ‎как ‎часть‏ ‎общего‏ ‎стиля ‎мышления

Например,‏ ‎была ‎выявлена‏ ‎корреляция ‎между ‎предпочтениями. ‎Если ‎инвестор‏ ‎предпочитал‏ ‎на ‎рынке‏ ‎одни ‎и‏ ‎те ‎же ‎бумаги, ‎то ‎и‏ ‎в‏ ‎жизни‏ ‎он ‎придерживался‏ ‎правила ‎выбирать‏ ‎то, ‎что‏ ‎уже‏ ‎хорошо ‎ему‏ ‎знакомо. ‎Данные ‎результаты ‎согласуются ‎с‏ ‎несколькими, ‎более‏ ‎ранними‏ ‎генетическими ‎исследованиями, ‎которые‏ ‎показали ‎значительную‏ ‎наследуемость ‎человеческого ‎поведения. ‎

Таким‏ ‎образом,‏ ‎они ‎предоставляют‏ ‎первые ‎прямые‏ ‎доказательства ‎из ‎реальных, ‎не ‎экспериментальных‏ ‎данных‏ ‎о ‎том,‏ ‎что ‎устойчивые‏ ‎инвестиционные ‎предубеждения ‎в ‎значительной ‎степени‏ ‎определяются‏ ‎генетическими‏ ‎особенностями ‎человека.‏ ‎

Эти ‎данные‏ ‎подтверждают ‎гипотезу‏ ‎о‏ ‎том, ‎что‏ ‎поведение, ‎проявляющееся ‎как ‎инвестиционные ‎предубеждения‏ ‎на ‎сегодняшних‏ ‎финансовых‏ ‎рынках, ‎сохранилось ‎у‏ ‎инвесторов ‎именно‏ ‎потому, ‎что ‎в ‎процессе‏ ‎эволюционного‏ ‎развития ‎человека‏ ‎оно ‎было‏ ‎максимально ‎выгодным ‎для ‎сохранения ‎вида.

Но‏ ‎вот,‏ ‎что ‎интересно

Было‏ ‎установлено, ‎что,‏ ‎не ‎смотря ‎на ‎относительную ‎важность‏ ‎роли‏ ‎генетических‏ ‎факторов, ‎они‏ ‎могут ‎существенно‏ ‎варьироваться ‎по‏ ‎отношению‏ ‎к ‎факторам‏ ‎окружающей ‎среды ‎у ‎разных ‎инвесторов.‏ ‎Самое ‎главное,‏ ‎что‏ ‎среди ‎инвесторов, ‎имеющих‏ ‎опыт ‎работы‏ ‎с ‎финансами, ‎обнаружилось ‎значительное‏ ‎снижение‏ ‎относительного ‎количества‏ ‎генетических ‎вариаций,‏ ‎что ‎согласуется ‎с ‎практическим ‎опытом‏ ‎в‏ ‎области ‎финансов,‏ ‎смягчающим ‎генетические‏ ‎предрасположенности. ‎

Иными ‎словами, ‎переживаемый ‎инвесторами‏ ‎эмпирический‏ ‎опыт‏ ‎работы ‎на‏ ‎финансовых ‎рынках,‏ ‎смог ‎изменить‏ ‎экспрессию‏ ‎генов, ‎изменилось‏ ‎то, ‎что ‎было ‎заложено. ‎То‏ ‎есть, ‎практический‏ ‎опыт‏ ‎меняет ‎мозг ‎инвестора

Читать: 19+ мин
logo Поведенческие финансы и инвестирование

Инвестирование и мозг

Как ‎работает‏ ‎система ‎вознаграждения ‎нашего ‎мозга

Система ‎вознаграждения‏ ‎мозга ‎лежит‏ ‎является‏ ‎основой ‎фундаментальных ‎нейронных‏ ‎процессов, ‎связанных‏ ‎с ‎оценкой ‎человеком ‎своих‏ ‎целей,‏ ‎формирования ‎предпочтений,‏ ‎положительной ‎мотивации‏ ‎и ‎выбора ‎модели ‎поведения. ‎Современные‏ ‎не‏ ‎инвазивные ‎методы‏ ‎исследования ‎такие,‏ ‎как ‎технология ‎фМРТ, ‎позволяют ‎в‏ ‎ходе‏ ‎экспериментов‏ ‎видеть ‎работу‏ ‎нашего ‎мозга,‏ ‎«в ‎режиме‏ ‎реального‏ ‎времени».

В ‎результате‏ ‎появилась ‎возможность ‎проводить ‎достаточно ‎интересные‏ ‎и ‎смелые‏ ‎эксперименты,‏ ‎в ‎том ‎числе‏ ‎и ‎с‏ ‎изучением ‎системы ‎вознаграждения. ‎В‏ ‎частности,‏ ‎можно ‎попытаться‏ ‎понять ‎и‏ ‎даже ‎сделать ‎определённые ‎прогнозы ‎относительно‏ ‎индивидуального‏ ‎поведения ‎человека‏ ‎в ‎условиях‏ ‎неопределенности ‎и ‎высокого ‎риска, ‎которые‏ ‎характерны‏ ‎для‏ ‎финансовых ‎рынков.‏ ‎

Аномальные ‎колебания‏ ‎цен ‎на‏ ‎финансовом‏ ‎рынке ‎могут‏ ‎быть ‎отличными ‎примерами ‎того, ‎как‏ ‎активация ‎системы‏ ‎вознаграждения‏ ‎отдельных ‎трейдеров ‎влияет‏ ‎на ‎поведение‏ ‎рыночной ‎толпы.  ‎На ‎индивидуальном‏ ‎уровне‏ ‎чрезмерная ‎самоуверенность‏ ‎инвестора ‎может‏ ‎быть ‎связана ‎с ‎активацией ‎системы‏ ‎вознаграждения.‏ ‎Используя ‎результаты‏ ‎фМРТ-исследования ‎системы‏ ‎вознаграждения, ‎можно ‎попытаться ‎понять, ‎что‏ ‎толкает‏ ‎инвесторов‏ ‎к ‎«иррациональному»‏ ‎поведению, ‎и‏ ‎связано ‎ли‏ ‎это‏ ‎с ‎формированием‏ ‎аномальных ‎ценовых ‎моделей ‎на ‎финансовом‏ ‎рынке. ‎ 

Поведенческая‏ ‎база

Пузыри‏ ‎и ‎крахи ‎фондового‏ ‎рынка, ‎экономические‏ ‎подъемы ‎и ‎спады, ‎иррациональные‏ ‎финансовые‏ ‎решения. ‎А‏ ‎что, ‎если‏ ‎всё ‎это ‎можно ‎было ‎бы‏ ‎предсказать?‏ ‎И ‎не‏ ‎просто ‎предсказать,‏ ‎а ‎использовать ‎в ‎практических ‎целях,‏ ‎например,‏ ‎разработать‏ ‎конкретные ‎шаги,‏ ‎для ‎их‏ ‎предотвращения. ‎

В‏ ‎последние‏ ‎годы ‎(но,‏ ‎к ‎сожалению, ‎не ‎у ‎нас‏ ‎в ‎стране‏ ‎и‏ ‎мне ‎очень ‎хочется‏ ‎заполнить ‎этот‏ ‎пробел) ‎активно ‎изучается ‎психология‏ ‎и‏ ‎поведение ‎инвесторов‏ ‎и ‎трейдеров.‏ ‎В ‎результате, ‎не ‎только ‎теория‏ ‎финансов‏ ‎значительно ‎расширилась,‏ ‎но ‎появилось‏ ‎предположение, ‎что ‎многие ‎«поведенческие ‎иррациональности»,‏ ‎демонстрируемые‏ ‎отдельными‏ ‎инвесторами, ‎могут‏ ‎быть ‎связаны‏ ‎с ‎тем,‏ ‎как‏ ‎работают ‎определённые‏ ‎зоны ‎их ‎мозга. ‎

Нейронаука ‎обещает‏ ‎еще ‎больше‏ ‎расширить‏ ‎наши ‎знания ‎о‏ ‎финансовых ‎рынках,‏ ‎помогая ‎распознавать ‎и ‎анализировать‏ ‎фундаментальные‏ ‎нейронные ‎процессы,‏ ‎которые ‎лежат‏ ‎в ‎основе ‎коллективных ‎решений ‎инвесторов‏ ‎о‏ ‎покупке ‎и‏ ‎продаже ‎акций.‏ ‎На ‎сегодняшний ‎день ‎уже ‎многократно‏ ‎подтверждена‏ ‎прямая‏ ‎связь ‎между‏ ‎тем, ‎как‏ ‎инвесторы ‎принимают‏ ‎решения,‏ ‎и ‎движением‏ ‎цен ‎на ‎финансовом ‎рынке. ‎

В‏ ‎последнее ‎десятилетие‏ ‎стали‏ ‎доступны ‎сложные ‎экспериментальные‏ ‎инструменты, ‎такие‏ ‎как ‎функциональная ‎магнитно-резонансная ‎томография‏ ‎(фМРТ),‏ ‎которая ‎помогает‏ ‎изучать ‎эти‏ ‎сложные ‎взаимосвязи. ‎Сопоставляя ‎результаты ‎фМРТ‏ ‎с‏ ‎поведенческими ‎и‏ ‎аффективными ‎(эмоциональными)‏ ‎данными, ‎можно ‎увидеть, ‎какие ‎фундаментальные‏ ‎нейронные‏ ‎процессы‏ ‎управляют ‎рациональным‏ ‎и ‎иррациональным‏ ‎поведением ‎инвесторов.‏  ‎

В‏ ‎этой ‎статье‏ ‎мы ‎поговорим ‎об ‎одном ‎из‏ ‎аспектов ‎взаимосвязи‏ ‎между‏ ‎мозгом ‎и ‎финансовыми‏ ‎рынками, ‎«системой‏ ‎вознаграждения» ‎мозга. ‎Ещё ‎во‏ ‎времена‏ ‎Аристотеля ‎в‏ ‎Древней ‎Греции‏ ‎ученые ‎и ‎философы ‎выдвинули ‎гипотезу‏ ‎о‏ ‎существовании ‎двух‏ ‎основных ‎систем‏ ‎мозга, ‎которые ‎являются ‎фундаментальными ‎и‏ ‎руководят‏ ‎почти‏ ‎всем ‎человеческим‏ ‎поведением. ‎Это‏ ‎система ‎вознаграждения‏ ‎(стремление‏ ‎к ‎удовольствию)‏ ‎и ‎систем ‎избегания ‎потерь ‎(избегание‏ ‎боли).

Дофаминовая ‎система

Мы‏ ‎оцениваем‏ ‎потенциально ‎возможное ‎вознаграждение,‏ ‎активируя ‎систему‏ ‎мотивации ‎нашего ‎мозга ‎(систему‏ ‎вознаграждения).‏ ‎Эта ‎система‏ ‎берёт ‎своё‏ ‎начало ‎в ‎среднем ‎мозге, ‎проходит‏ ‎через‏ ‎лимбическую ‎систему‏ ‎и ‎заканчивается‏ ‎в ‎неокортексе. ‎Нейроны, ‎которые ‎передают‏ ‎информацию‏ ‎между‏ ‎областями ‎мозга‏ ‎системы ‎вознаграждения,‏ ‎в ‎основном‏ ‎являются‏ ‎дофаминергическими. ‎То‏ ‎есть, ‎для ‎передачи ‎химического ‎сигнала‏ ‎в ‎их‏ ‎синапсах‏ ‎работает ‎дофамин. ‎

Система‏ ‎вознаграждения ‎лежит‏ ‎вдоль ‎одного ‎из ‎пяти‏ ‎основных‏ ‎дофаминовых ‎путей‏ ‎в ‎мозге,‏ ‎(мезо-лимбического ‎пути), ‎который ‎проходит ‎от‏ ‎вентральной‏ ‎тегментальной ‎области‏ ‎(VTA) ‎у‏ ‎основания ‎мозга, ‎через ‎прилежащее ‎ядро‏ ‎(NACC)‏ ‎в‏ ‎лимбической ‎системе,‏ ‎и ‎до‏ ‎серого ‎вещества‏ ‎лобных‏ ‎долей. ‎Например,‏ ‎медиальная ‎префронтальная ‎кора ‎(MPFC) ‎(см.‏ ‎Рисунок ‎1).‏  ‎

Дофамин‏ ‎называют ‎веществом ‎«удовольствия».‏ ‎Люди, ‎которым‏ ‎проводили ‎электрическую ‎стимуляцию ‎преимущественно‏ ‎в‏ ‎дофаминовых ‎центрах‏ ‎мозга ‎говорили,‏ ‎что ‎испытывают ‎сильно ‎чувство ‎удовольствия.‏ ‎Важно‏ ‎знать, ‎что‏ ‎дофаминергическая ‎система‏ ‎активируется ‎также ‎и ‎при ‎употреблении‏ ‎наркотиков.‏ ‎Система‏ ‎вознаграждения ‎координирует‏ ‎поиск, ‎оценку‏ ‎и ‎мотивированное‏ ‎стремление‏ ‎к ‎потенциальному‏ ‎удовольствию. ‎

Рисунок ‎1.  Изображение ‎системы ‎вознаграждения‏ ‎в ‎поперечном‏ ‎разрезе‏ ‎(сагиттальный ‎вид) ‎мозга.‏  ‎Система ‎вознаграждения‏ ‎начинается ‎в ‎дофаминовых ‎нейронах‏ ‎вентральной‏ ‎тегментальной ‎области‏ ‎(VTA), ‎проходит‏ ‎через ‎острое ‎ядро ‎(NACC) ‎и‏ ‎заканчивается‏ ‎в ‎структурах‏ ‎лобных ‎долей,‏ ‎таких ‎как ‎медиальная ‎префронтальная ‎кора‏ ‎(MPFC).

Мы‏ ‎планируем‏ ‎своё ‎поведение‏ ‎исходя ‎из‏ ‎возможного ‎сочетания‏ ‎вознаграждения‏ ‎и ‎возможных‏ ‎убытков. ‎Когда ‎мы ‎хотим ‎предсказать‏ ‎поведение, ‎то‏ ‎нам‏ ‎необходимо ‎измерить ‎то,‏ ‎как ‎поступающая‏ ‎информация ‎о ‎потенциальном ‎вознаграждении,‏ ‎повлияет‏ ‎на ‎ожидания‏ ‎субъектов ‎и‏ ‎последующие ‎их ‎действия.  ‎

Если ‎мы‏ ‎сможем‏ ‎понять, ‎как‏ ‎воспринимаемая ‎нами‏ ‎внешняя ‎информация ‎стимулирует ‎систему ‎вознаграждения,‏ ‎тогда‏ ‎станет‏ ‎понятно, ‎как‏ ‎и ‎почему‏ ‎люди ‎совершают‏ ‎различные‏ ‎поступки, ‎как‏ ‎разумные, ‎так ‎и ‎не ‎очень,‏ ‎рациональные ‎и‏ ‎иррациональные.

Естественно,‏ ‎что ‎инвесторы ‎и‏ ‎трейдеры, ‎при‏ ‎наличии ‎у ‎них ‎позитивных‏ ‎ожиданий,‏ ‎будут ‎стремиться‏ ‎к ‎получению‏ ‎вознаграждения ‎от ‎своей ‎работы, ‎то‏ ‎есть‏ ‎получению ‎прибыли.‏ ‎А ‎в‏ ‎случае ‎негативных ‎ожиданий, ‎они ‎сосредоточат‏ ‎своё‏ ‎внимание‏ ‎на ‎избегании‏ ‎потерь. ‎По‏ ‎сути, ‎именно‏ ‎эти‏ ‎два ‎алгоритма‏ ‎и ‎влияют ‎как ‎на ‎финансовые‏ ‎рынки, ‎так‏ ‎и‏ ‎на ‎и ‎экономику‏ ‎в ‎целом.

Экспериментальная‏ ‎задача 

Самый ‎простой ‎способ ‎смоделировать‏ ‎рыночные‏ ‎условия ‎в‏ ‎лаборатории ‎и‏ ‎отследить ‎работу ‎структуры ‎и ‎функций‏ ‎системы‏ ‎вознаграждения ‎–‏ ‎это ‎финансовая‏ ‎игра. ‎Деньги ‎для ‎любого ‎человека‏ ‎являются‏ ‎вознаграждением,‏ ‎приносящим ‎удовольствие.‏ ‎В ‎экспериментах‏ ‎участникам ‎предложили‏ ‎разновидность‏ ‎компьютерной ‎игры,‏ ‎называемой ‎задачей ‎задержки ‎денежного ‎стимулирования‏ ‎(MID) ‎(см.‏ ‎Рисунок‏ ‎2).  ‎В ‎середине‏ ‎задания ‎испытуемые‏ ‎играют ‎в ‎повторяющуюся ‎игру,‏ ‎в‏ ‎которой ‎они‏ ‎зарабатывают ‎или‏ ‎теряют ‎деньги, ‎в ‎зависимости ‎от‏ ‎их‏ ‎способности ‎к‏ ‎концентрации ‎внимания‏ ‎и ‎скорости ‎реагирования. ‎

Игра ‎MID‏ ‎была‏ ‎разработана‏ ‎с ‎целью‏ ‎максимальной ‎стимуляции‏ ‎системы ‎вознаграждения‏ ‎при‏ ‎минимизации ‎постороннего‏ ‎когнитивного ‎вмешательства. ‎Например, ‎каждое ‎испытание‏ ‎в ‎середине‏ ‎задания‏ ‎длится ‎от ‎шести‏ ‎до ‎восьми‏ ‎секунд, ‎чтобы ‎участники ‎не‏ ‎«скучали».‏ ‎Более ‎длительные‏ ‎испытания ‎могут‏ ‎вызвать ‎блуждающие ‎мысли, ‎(что ‎приводит‏ ‎к‏ ‎нейронной ‎активации,‏ ‎не ‎связанной‏ ‎с ‎денежной ‎выгодой ‎или ‎потерей).‏  ‎

Но‏ ‎у‏ ‎данной ‎игры‏ ‎есть ‎и‏ ‎свои ‎недостатки‏ ‎(впрочем,‏ ‎как ‎и‏ ‎у ‎любого ‎эксперимента). ‎Одним ‎из‏ ‎недостатков ‎MID‏ ‎является‏ ‎дефицит ‎времени ‎для‏ ‎размышлений. ‎В‏ ‎основной ‎задаче ‎не ‎требуется‏ ‎никакого‏ ‎обдумывания ‎или‏ ‎выбора ‎между‏ ‎возможными ‎вариантами ‎поведения. ‎Кроме ‎того,‏ ‎сценарий,‏ ‎предлагаемый ‎MID‏ ‎task, ‎является‏ ‎очень ‎простым ‎представлением ‎финансовых ‎стимулов.‏ ‎

При‏ ‎разработке‏ ‎задачи ‎посторонние‏ ‎детали ‎были‏ ‎сведены ‎к‏ ‎минимуму,‏ ‎чтобы ‎максимизировать‏ ‎нейронные ‎эффекты. ‎Однако ‎такая ‎простота‏ ‎позволяет ‎систематически‏ ‎добавлять‏ ‎ключевые ‎детали ‎в‏ ‎базовую ‎структуру‏ ‎игры. ‎Сравнение ‎нейронных ‎активаций‏ ‎на‏ ‎каждом ‎последующем‏ ‎уровне ‎сложности‏ ‎задачи ‎может ‎быть ‎выполнено ‎по‏ ‎мере‏ ‎увеличения ‎информационного‏ ‎содержания ‎сигнала.‏ ‎

Рисунок ‎2.  Задача ‎задержки ‎денежного ‎стимулирования‏ ‎(MID)‏ ‎с‏ ‎изображениями ‎и‏ ‎временными ‎интервалами.

Каждое‏ ‎из ‎основных‏ ‎промежуточных‏ ‎испытаний ‎начинается‏ ‎с ‎«подсказки», ‎которая ‎информирует ‎игрока‏ ‎о ‎том,‏ ‎играет‏ ‎ли ‎он, ‎чтобы‏ ‎заработать ‎или‏ ‎потерять ‎деньги, ‎и ‎о‏ ‎сумме‏ ‎денег, ‎поставленной‏ ‎на ‎карту,‏ ‎в ‎конкретном ‎раунде ‎игры. ‎Круглые‏ ‎сигналы‏ ‎указывают ‎на‏ ‎возможность ‎заработать‏ ‎деньги ‎(без ‎риска ‎потерь), ‎а‏ ‎квадратные‏ ‎на‏ ‎то, ‎что‏ ‎нужно ‎избежать‏ ‎потерь ‎(без‏ ‎возможности‏ ‎получения ‎прибыли).‏  ‎

Пока ‎«цель» ‎(сплошной ‎белый ‎квадрат)‏ ‎видна ‎на‏ ‎экране‏ ‎компьютера, ‎субъект ‎должен‏ ‎нажать ‎кнопку‏ ‎выбора. ‎Если ‎кнопка ‎не‏ ‎нажата‏ ‎вовремя, ‎испытуемый‏ ‎либо ‎не‏ ‎получит ‎прибыли, ‎либо ‎потеряет ‎деньги‏ ‎(в‏ ‎зависимости ‎от‏ ‎типа ‎испытания).‏ ‎Во ‎время ‎игры ‎срезы ‎фМРТ‏ ‎снимаются‏ ‎с‏ ‎двухсекундными ‎интервалами.‏ ‎

Активация ‎системы‏ ‎вознаграждения

Вознаграждения ‎активируют‏ ‎наш‏ ‎мозг ‎совсем‏ ‎по-другому, ‎нежели ‎потери. ‎При ‎чём,‏ ‎как ‎во‏ ‎время‏ ‎ожидания, ‎так ‎и‏ ‎при ‎получении.‏ ‎Это ‎указывает ‎на ‎то,‏ ‎что‏ ‎двухсистемная ‎модель‏ ‎мотивации ‎(подход‏ ‎к ‎вознаграждению ‎и ‎предотвращение ‎потерь)‏ ‎может‏ ‎быть ‎достаточно‏ ‎точной. ‎В‏ ‎ходе ‎эксперимента ‎так ‎же ‎стало‏ ‎понятно,‏ ‎что‏ ‎ожидание ‎получения‏ ‎денежного ‎вознаграждения‏ ‎в ‎первую‏ ‎очередь‏ ‎активирует ‎NACC,‏ ‎а ‎непосредственно ‎сам ‎момент ‎получение‏ ‎или ‎переживаемое‏ ‎человеком‏ ‎в ‎результате ‎этого‏ ‎наслаждение ‎вознаграждением‏ ‎активирует ‎MPFC ‎(см. ‎Рисунок‏ ‎3).‏  ‎

Это ‎различие‏ ‎между ‎ожиданием‏ ‎и ‎результатами ‎может ‎коррелировать ‎с‏ ‎различием‏ ‎между ‎планированием‏ ‎поведения ‎(ожидание)‏ ‎и ‎обучением ‎по ‎принципу ‎положительной‏ ‎обратной‏ ‎связи‏ ‎(результат ‎поведения).‏ ‎Поскольку ‎теоретически‏ ‎цена ‎биржевых‏ ‎активов‏ ‎основывается ‎на‏ ‎будущих ‎ожиданиях ‎инвесторов, ‎анализ ‎того,‏ ‎как ‎изменения‏ ‎в‏ ‎ожиданиях ‎изменяют ‎нейронную‏ ‎активацию ‎и‏ ‎поведение, ‎может ‎внести ‎вклад‏ ‎в‏ ‎новую ‎теорию‏ ‎рыночного ‎ценообразования.

 

Рисунок‏ ‎3.  Вверху: ‎прилежащее ‎ядро ‎(NACC) ‎активируется‏ ‎в‏ ‎момент ‎ожидания‏ ‎человеком ‎денежного,‏ ‎пищевого, ‎сексуального ‎или ‎другого ‎вознаграждения.‏ ‎Прилежащее‏ ‎ядро‏ ‎(NACC) ‎активируется‏ ‎на ‎этих‏ ‎сагиттальных ‎(1)‏ ‎и‏ ‎корональных ‎(2)‏ ‎изображениях ‎в ‎ожидании ‎денежного ‎вознаграждения.‏ ‎Внизу: ‎медиальная‏ ‎префронтальная‏ ‎кора ‎(MPFC) ‎активируется‏ ‎при ‎получении‏ ‎вознаграждения. ‎Медиальная ‎префронтальная ‎кора‏ ‎активируется‏ ‎на ‎этих‏ ‎сагиттальных ‎(3)‏ ‎и ‎корональных ‎(4) ‎изображениях.

Дальнейшие ‎эксперименты‏ ‎показали,‏ ‎что ‎чем‏ ‎больше ‎размер‏ ‎ожидаемого ‎вознаграждения, ‎тем ‎более ‎активно‏ ‎NACC,‏ ‎а‏ ‎увеличение ‎вероятности‏ ‎получения ‎вознаграждения‏ ‎активирует ‎MPFC.‏ ‎Больший‏ ‎размер ‎вознаграждения‏ ‎радует ‎нас ‎существенно ‎больше, ‎что‏ ‎отразилось ‎в‏ ‎анкетах‏ ‎участников ‎после ‎эксперимента,‏ ‎которые ‎говорили‏ ‎об ‎улучшении ‎эмоционального ‎состояния.‏ ‎Кроме‏ ‎того, ‎оценка‏ ‎вероятности ‎получения‏ ‎вознаграждения ‎может ‎происходить ‎именно ‎в‏ ‎префронтальной‏ ‎коре ‎(MPFC).

Важно‏ ‎отметить, ‎что‏ ‎величина ‎(размер) ‎потенциального ‎вознаграждения ‎особенно‏ ‎ярко‏ ‎влияет‏ ‎на ‎мотивационную,‏ ‎лимбическую ‎и‏ ‎эмоциональную ‎области‏ ‎мозга‏ ‎– ‎NACC.‏  ‎То ‎есть ‎мы ‎чувствуем ‎возбуждение‏ ‎от ‎больших‏ ‎вознаграждений,‏ ‎наш ‎уровень ‎импульсивности‏ ‎возрастает, ‎и‏ ‎иногда ‎мы ‎просто ‎не‏ ‎можем‏ ‎удержаться ‎от‏ ‎того, ‎чтобы‏ ‎сделать ‎все ‎возможное, ‎чтобы ‎это‏ ‎вознаграждение‏ ‎получить. ‎

После‏ ‎получения ‎вознаграждения,‏ ‎активация ‎NACC ‎снижается ‎либо ‎немного‏ ‎ниже‏ ‎базового‏ ‎уровня, ‎(если‏ ‎получено ‎ожидаемое‏ ‎вознаграждение), ‎либо‏ ‎значительно‏ ‎ниже ‎базового‏ ‎(если ‎ожидаемое ‎вознаграждение ‎не ‎получено).‏ ‎Это ‎указывает‏ ‎на‏ ‎то, ‎что ‎уровень‏ ‎возбуждения ‎может‏ ‎в ‎значительной ‎степени ‎снизиться‏ ‎после‏ ‎получения ‎полезных‏ ‎результатов. ‎

Возбуждение,‏ ‎влияние ‎и ‎вознаграждения

Необходимо ‎учитывать, ‎что‏ ‎личность‏ ‎самого ‎человека‏ ‎также ‎играет‏ ‎значимую ‎роль ‎в ‎том, ‎как‏ ‎его‏ ‎мозг‏ ‎обрабатывает ‎вознаграждение.‏ ‎Например, ‎экстраверсия‏ ‎увеличивает ‎активацию‏ ‎NACC‏ ‎во ‎время‏ ‎ожидания ‎вознаграждения. ‎У ‎людей, ‎с‏ ‎высокими ‎оценками‏ ‎по‏ ‎экстраверсии ‎и ‎низким‏ ‎уровнем ‎невротизма,‏ ‎NACC ‎более ‎активно ‎при‏ ‎ожидании‏ ‎вознаграждения, ‎чем‏ ‎у ‎людей‏ ‎с ‎низким ‎уровнем ‎экстраверсии ‎и‏ ‎высоким‏ ‎уровнем ‎невротизма.‏  ‎

Было ‎отмечено,‏ ‎что ‎субъективная ‎оценка ‎человеком ‎эмоционального‏ ‎возбуждения‏ ‎коррелирует‏ ‎с ‎повышенной‏ ‎активацией ‎NACC.‏ ‎Таким ‎образом,‏ ‎физическое‏ ‎возбуждение, ‎вероятно,‏ ‎связанное ‎с ‎активацией ‎системы ‎вознаграждения,‏ ‎стимулирует ‎нас‏ ‎тратить‏ ‎больше ‎денег ‎именно‏ ‎в ‎момент‏ ‎совершения ‎покупок. ‎

Другие ‎исследователи‏ ‎показали,‏ ‎что ‎эмоции‏ ‎инвесторов ‎коррелируют‏ ‎с ‎будущим ‎направлением ‎фондового ‎рынка,‏ ‎что‏ ‎также ‎является‏ ‎явным ‎признаком‏ ‎участия ‎системы ‎вознаграждения ‎в ‎групповом‏ ‎поведении‏ ‎при‏ ‎покупке ‎и‏ ‎продаже ‎акций.‏ ‎Но ‎на‏ ‎данный‏ ‎момент, ‎основываясь‏ ‎на ‎доступных ‎исследованиях, ‎возможно ‎лишь‏ ‎описать ‎поведение‏ ‎потребителей‏ ‎и ‎инвесторов, ‎но‏ ‎нет ‎надежного‏ ‎способа ‎его ‎предсказать.  ‎

Существует‏ ‎множество‏ ‎потенциальных ‎возможностей‏ ‎для ‎применения‏ ‎результатов ‎исследований ‎системы ‎вознаграждения ‎в‏ ‎области‏ ‎инвестирования ‎и‏ ‎финансовых ‎рынков.‏ ‎Личностные ‎черты, ‎пол ‎и ‎возраст‏ ‎играют‏ ‎существенную‏ ‎роль ‎в‏ ‎поведенческих ‎характеристиках‏ ‎людей ‎при‏ ‎погоне‏ ‎за ‎вознаграждением.‏ ‎Получение ‎вознаграждений ‎активирует ‎MPFC, ‎нервную‏ ‎систему, ‎отличную‏ ‎от‏ ‎системы ‎ожидания ‎вознаграждения.‏ ‎

Подростки ‎и‏ ‎молодые ‎люди, ‎просто ‎в‏ ‎силу‏ ‎возрастных ‎особенностей,‏ ‎могут ‎быть‏ ‎более ‎восприимчивы ‎к ‎финансовым ‎махинациям.‏ ‎У‏ ‎них ‎более‏ ‎высокая ‎активность‏ ‎и ‎импульсивность ‎NACC, ‎плюс ‎элементарное‏ ‎отсутствие‏ ‎опыта‏ ‎подавления ‎своих‏ ‎импульсов ‎через‏ ‎оценочную ‎активность‏ ‎префронтальной‏ ‎коры.

Хорошее ‎настроение‏ ‎и ‎быстрорастущие ‎рынки

Традиционная ‎теория ‎финансов‏ ‎постулирует, ‎что‏ ‎финансовые‏ ‎рынки ‎эффективны ‎(не‏ ‎существует ‎арбитражных‏ ‎ценовых ‎моделей), ‎и ‎что‏ ‎участники‏ ‎рынка ‎принимают‏ ‎рациональные ‎решения‏ ‎на ‎основе ‎наилучшей ‎доступной ‎информации.‏ ‎Однако‏ ‎исследования ‎выявили‏ ‎как ‎существование‏ ‎ценовых ‎моделей ‎на ‎рынках ‎(«аномалии»‏ ‎согласно‏ ‎традиционной‏ ‎теории), ‎так‏ ‎и ‎свидетельства‏ ‎иррационального ‎принятия‏ ‎решений‏ ‎инвесторами.  ‎

Некоторые‏ ‎аномалий ‎рыночных ‎цен, ‎по-видимому, ‎связаны‏ ‎с ‎коллективными‏ ‎изменениями‏ ‎в ‎настроениях ‎инвесторов.‏ ‎От ‎принятия‏ ‎риска ‎и ‎стремления ‎к‏ ‎вознаграждению‏ ‎до ‎полного‏ ‎отказа ‎от‏ ‎риска ‎и ‎желания ‎избежать ‎потерь.‏ ‎Кроме‏ ‎того, ‎немногие‏ ‎доступные ‎исследования‏ ‎поведения ‎инвесторов ‎в ‎реальном ‎времени‏ ‎говорят‏ ‎о‏ ‎том, ‎что‏ ‎состояния ‎аффекта‏ ‎коррелируют ‎с‏ ‎иррациональным‏ ‎поведением ‎при‏ ‎покупке ‎и ‎продаже ‎на ‎финансовых‏ ‎рынках.

Возникновение ‎ценовых‏ ‎аномалий‏ ‎на ‎финансовых ‎рынках‏ ‎часто ‎объясняются‏ ‎психологическими ‎предубеждениями ‎и ‎эвристикой‏ ‎инвесторов,‏ ‎которые ‎приводят‏ ‎к ‎коллективному‏ ‎неправильному ‎поведению ‎на ‎рынках. ‎Предубеждения‏ ‎инвесторов,‏ ‎такие ‎как‏ ‎чрезмерная ‎самоуверенность,‏ ‎оптимизм ‎и ‎ошибки ‎атрибуции, ‎были‏ ‎смоделированы‏ ‎как‏ ‎основные ‎предубеждения,‏ ‎влияющие ‎на‏ ‎цены ‎финансового‏ ‎рынка.‏  ‎

За ‎последние‏ ‎пять ‎лет ‎в ‎нескольких ‎исследованиях‏ ‎были ‎непосредственно‏ ‎выявлены‏ ‎аффективные ‎факторы ‎как‏ ‎вероятные ‎причины‏ ‎значительных ‎аномалий ‎финансовых ‎цен.‏ ‎Аффект‏ ‎может ‎влиять‏ ‎на ‎поведение‏ ‎инвесторов ‎самым ‎разным ‎образом, ‎вплоть‏ ‎до‏ ‎самых ‎неожиданных.‏ ‎Например, ‎было‏ ‎установлено, ‎что ‎в ‎пасмурные ‎дни‏ ‎активность‏ ‎инвесторов‏ ‎на ‎бирже‏ ‎снижается. ‎Влияет‏ ‎на ‎активность‏ ‎инвесторов‏ ‎и ‎переход‏ ‎с ‎зимнего ‎времени ‎на ‎летнее,‏ ‎и ‎даже‏ ‎температура‏ ‎на ‎улице.

Жадные ‎инвесторы

Активация‏ ‎системы ‎вознаграждения‏ ‎приводит ‎к ‎изменению ‎эмоций‏ ‎и‏ ‎поведения ‎инвесторов‏ ‎по ‎определённому‏ ‎алгоритму. ‎В ‎такие ‎моменты ‎инвесторы‏ ‎с‏ ‎большей ‎готовностью‏ ‎идут ‎на‏ ‎повышенный ‎риск, ‎они ‎более ‎импульсивны,‏ ‎испытывают‏ ‎более‏ ‎сильное ‎физическое‏ ‎возбуждение ‎и‏ ‎находятся ‎в‏ ‎хорошем‏ ‎настроении. ‎А‏ ‎в ‎ситуации ‎избегания ‎риска ‎мы‏ ‎будем ‎видеть‏ ‎прямо‏ ‎противоположную ‎картину ‎поведения.

Ожидания,‏ ‎связанные ‎с‏ ‎будущим, ‎определяют ‎поведение ‎инвесторов.‏ ‎Если‏ ‎ожидание ‎вознаграждения‏ ‎активирует ‎NACC‏ ‎во ‎время ‎экспериментов ‎на ‎финансовом‏ ‎рынке,‏ ‎то ‎вполне‏ ‎вероятно, ‎что‏ ‎такие ‎ожидания ‎являются ‎как ‎гедонистическими‏ ‎(что‏ ‎приводит‏ ‎к ‎положительному‏ ‎эффекту), ‎так‏ ‎и ‎вызывающими‏ ‎возбуждение‏ ‎(что ‎приводит‏ ‎к ‎более ‎импульсивному ‎поведению). ‎В‏ ‎такие ‎моменты‏ ‎инвесторы‏ ‎теряют ‎рациональность. ‎Очень‏ ‎вероятно, ‎что‏ ‎инвесторы ‎будут ‎чувствовать ‎повышенную‏ ‎импульсивность‏ ‎и ‎волнение‏ ‎при ‎определении‏ ‎инвестиционных ‎возможностей ‎(потенциальных ‎вознаграждений).  ‎

Например,‏ ‎если‏ ‎вы ‎сами‏ ‎являетесь ‎инвестором‏ ‎или ‎трейдером, ‎то ‎наверняка ‎можете‏ ‎вспомнить‏ ‎ситуации‏ ‎из ‎своего‏ ‎опыта, ‎в‏ ‎которых ‎перспектива‏ ‎получения‏ ‎крупного ‎финансового‏ ‎вознаграждения, ‎скажем, ‎от ‎инвестиций, ‎вызывала‏ ‎у ‎вас‏ ‎возбуждение‏ ‎и ‎импульсивность? ‎Большинство‏ ‎инвесторов ‎сообщают‏ ‎об ‎этом ‎опыте, ‎особенно‏ ‎когда‏ ‎потенциальная ‎отдача‏ ‎оказывается ‎максимально‏ ‎близко. ‎Опасность ‎здесь ‎заключается ‎в‏ ‎том,‏ ‎что ‎аффективное‏ ‎(эмоциональное) ‎состояние‏ ‎часто ‎приводит ‎к ‎иррациональному ‎принятию‏ ‎решений‏ ‎и‏ ‎финансовым ‎потерям.

Самый‏ ‎простой ‎пример‏ ‎такого ‎состояния‏ ‎–‏ ‎это ‎чрезмерная‏ ‎уверенность ‎инвестора, ‎то ‎есть ‎предубеждение,‏ ‎вызывающее ‎слишком‏ ‎интенсивную‏ ‎торговлю ‎с ‎одновременным‏ ‎снижением ‎прибыльности.‏ ‎Чрезмерная ‎самоуверенность ‎чаще ‎встречается‏ ‎у‏ ‎мужчин, ‎чем‏ ‎у ‎женщин,‏ ‎и ‎чаще ‎встречается ‎у ‎молодых,‏ ‎чем‏ ‎у ‎пожилых.‏  ‎

Не ‎плохо‏ ‎было ‎бы ‎найти ‎надежные ‎нейронные‏ ‎корреляты‏ ‎таких‏ ‎предубеждений, ‎как‏ ‎чрезмерная ‎самоуверенность‏ ‎трейдеров ‎и‏ ‎инвесторов.‏ ‎Ведь ‎такие‏ ‎люди ‎испытывают ‎реальные ‎проблемы ‎в‏ ‎значительной ‎степени‏ ‎из-за‏ ‎недостатка ‎самосознания, ‎приводящего‏ ‎к ‎увеличению‏ ‎потерь. ‎

Такой ‎цикл ‎положительной‏ ‎обратной‏ ‎связи ‎–‏ ‎чем ‎больше‏ ‎денег ‎зарабатывают ‎инвесторы, ‎тем ‎больше‏ ‎денег,‏ ‎по ‎их‏ ‎мнению, ‎они‏ ‎могут ‎заработать, ‎и ‎их ‎чувство‏ ‎всепоглощающего‏ ‎возбуждения‏ ‎и ‎импульсивной‏ ‎торговли ‎часто‏ ‎переходят ‎к‏ ‎овертрейдингу.‏ ‎Самое ‎печальное,‏ ‎что ‎такое ‎состояние ‎также ‎напрямую‏ ‎связано ‎с‏ ‎формированием‏ ‎привыкания ‎и ‎зависимости‏ ‎внутридневной ‎торговли,‏ ‎что ‎совершенно ‎не ‎редкость‏ ‎и‏ ‎является ‎серьёзным‏ ‎поведенческим ‎расстройством.

Вместо‏ ‎эпилога ‎

На ‎самом ‎деле, ‎существует‏ ‎множество‏ ‎возможностей ‎для‏ ‎потенциального ‎применения‏ ‎результатов ‎исследований ‎фМРТ, ‎которые ‎можно‏ ‎было‏ ‎бы‏ ‎использовать ‎для‏ ‎понимания ‎того,‏ ‎как ‎формируются‏ ‎ценовые‏ ‎аномалии ‎на‏ ‎финансовых ‎рынках. ‎Попробуйте ‎подумать ‎о‏ ‎том, ‎что‏ ‎привлекает‏ ‎ваше ‎внимание ‎на‏ ‎рынках, ‎и‏ ‎вы, ‎вероятно, ‎поймаете ‎себя‏ ‎на‏ ‎подобных ‎мыслях:‏ ‎«превосходные ‎прошлые‏ ‎показатели ‎доходности», ‎«красивый ‎график», ‎«хорошие‏ ‎цифры,‏ ‎такие ‎как‏ ‎рост ‎продаж»‏ ‎и ‎т. ‎д.  ‎

Что ‎обычно‏ ‎привлекает‏ ‎наше‏ ‎внимание, ‎так‏ ‎это ‎отличные‏ ‎результаты ‎в‏ ‎прошлом,‏ ‎даже ‎несмотря‏ ‎на ‎то, ‎что ‎обращать ‎внимание‏ ‎на ‎прошлые‏ ‎показатели‏ ‎нелогично, ‎и ‎более‏ ‎того, ‎это‏ ‎приводит ‎к ‎более ‎низким‏ ‎будущим‏ ‎результатам. ‎Хорошие‏ ‎прошлые ‎результаты‏ ‎доходности ‎часто ‎обратно ‎пропорционально ‎коррелируют‏ ‎с‏ ‎будущими ‎доходами‏ ‎(особенно ‎в‏ ‎долгосрочной ‎перспективе). ‎Рыночная ‎модель, ‎которая,‏ ‎по-видимому,‏ ‎обусловлена‏ ‎активацией ‎NACC‏ ‎и ‎её‏ ‎влиянием ‎на‏ ‎коллективное‏ ‎поведение ‎инвесторов,‏ ‎- ‎это ‎модель ‎«покупай ‎на‏ ‎слухах, ‎продавай‏ ‎на‏ ‎фактах».

Эта ‎статья ‎в‏ ‎основном ‎посвящена‏ ‎исследованиям ‎системы ‎вознаграждения ‎с‏ ‎помощью‏ ‎визуализации ‎мозга.‏ ‎Были ‎рассмотрены‏ ‎несколько ‎корреляций ‎с ‎финансовыми ‎рынками‏ ‎и‏ ‎поведением ‎инвесторов.‏ ‎Роль ‎NACC‏ ‎в ‎мотивации ‎к ‎поиску ‎вознаграждения‏ ‎имеет‏ ‎большое‏ ‎значение. ‎Высокомерие‏ ‎и ‎самоуверенность‏ ‎сами ‎по‏ ‎себе‏ ‎могут ‎быть‏ ‎психологическими ‎функциями ‎MPFC, ‎в ‎то‏ ‎время ‎как‏ ‎импульсивность‏ ‎и ‎мотивированное ‎возбуждение‏ ‎могут ‎завесить‏ ‎от ‎активности ‎NACC.  ‎

Экономический‏ ‎бум,‏ ‎порождаемый ‎склонными‏ ‎к ‎риску‏ ‎и ‎стремящимися ‎к ‎вознаграждению, ‎инвесторами,‏ ‎и‏ ‎экономические ‎спады,‏ ‎усугубляемые ‎инвесторами,‏ ‎не ‎склонными ‎к ‎риску ‎и‏ ‎избегающими‏ ‎потерь,‏ ‎являются ‎фактом‏ ‎экономического ‎цикла,‏ ‎который ‎затрагивает‏ ‎всех‏ ‎нас. ‎фМРТ‏ ‎может ‎помочь ‎пониманию ‎того, ‎какая‏ ‎конкретно ‎информация‏ ‎стимулирует‏ ‎рискованное ‎поведение ‎и‏ ‎поведение ‎связанное‏ ‎с ‎избеганием ‎риска, ‎и‏ ‎что‏ ‎мы ‎можем‏ ‎сделать, ‎чтобы‏ ‎сгладить ‎перепады ‎экономических ‎и ‎рыночных‏ ‎циклов.‏  ‎

Подарить подписку

Будет создан код, который позволит адресату получить бесплатный для него доступ на определённый уровень подписки.

Оплата за этого пользователя будет списываться с вашей карты вплоть до отмены подписки. Код может быть показан на экране или отправлен по почте вместе с инструкцией.

Будет создан код, который позволит адресату получить сумму на баланс.

Разово будет списана указанная сумма и зачислена на баланс пользователя, воспользовавшегося данным промокодом.

Добавить карту
0/2048