محققان مدتهاست که درباره ویژگی های پایدار ، زیست محیطی و اقتصادی رمزنگاری استدلال می کنند (کریم و همکاران ، 2022). سرریزهای نوسانات از بازار رمزنگاری به دارایی های مالی سبز در مطالعات اخیر به طور فزاینده ای شیوع دارند (کامال و حسن ، 2022 ؛ نعیم و کریم ، 2021). به عنوان مثال ، شواهدی از سرریزهای نوسانات از EPU (Haq et al. ، 2021) و VIX (Kamal & Hassan ، 2022 ؛ Le et al. ، 2021) به دارایی های مالی سبز وجود دارد. با این حال ، شاخص توجه محیط زیست cryptocurrency (ICEA) توجه محیط زیست cryptocurrency را به خود جلب می کند (کریم و همکاران ، 2022) و از این رو مهم است که در نظر بگیریم که چگونه عدم قطعیت محیطی رمزنگاری شده به دارایی های مالی سبز مکمل مطالعات قبلی در مورد سرریزهای مین بیت کوین (Naeemeو کریم ، 2021) و اقدامات عدم اطمینان خاص رمزنگاری (حسن و همکاران ، 2021 ؛ حسن و همکاران ، 2021 ؛ وانگ و همکاران ، 2022) به دارایی های مالی سبز. علاوه بر این ، بحران سلامت ناشی از COVID-19 [1] چشم انداز انتقال نوسانات را افزایش داده است (کریم و نعیم ، 2021). بنابراین ، Covid-19 ممکن است از فرصت های محافظت در بازارهای مالی کاسته شود.

این مطالعه استنتاج هایی را از سرریز نوسانات توجه محیط زیست cryptocurrency به دارایی های مالی سبز با استفاده از رویکرد Autoregression Vector Parator Parameter (TVP-VAR) در طول COVID-19 و دوره های کامل نمونه می گیرد. دارایی های مالی سبز عبارتند از شاخص انرژی پاک جهانی S& P ، شاخص اوراق قرضه سبز S& P ، شاخص جهانی پایداری داو جونز و شاخص پایداری داو جونز استرالیا.

بدون شک ، بازار cryptocurrency به یک خیابان جذاب برای تنوع و پرچین تبدیل شده است (حسن و همکاران ، 2021). Cryptocurrency Mining به یک پیش بینی کننده منفی در محیط تبدیل شده است (Krause & Tolaymat ، 2018). با وجود توسعه مالی ، blockchain و cryptocurrency استخراج آلودگی هوا ، مصرف انرژی زیاد ، تغییرات آب و هوا و مشکلات آلودگی دی اکسید کربن (وانگ و همکاران ، 2022). از این رو ، انگیزه های مطالعه به شرح زیر است. اول ، ارزهای رمزنگاری ارزهای کثیف هستند که بر تصمیمات سرمایه گذاری متخصصان محیط زیست و سرمایه گذاران انرژی پاک تأثیر می گذارد (نعیم و کریم ، 2021). دوم ، معدن cryptocurrency (به طور خاص استخراج بیت کوین) به برق زیادی نیاز دارد. نکته قابل توجه ، مصرف انرژی فعلی بیت کوین در حدود 0. 55 ٪ (110 TWH) مصرف جهانی برق در سال طبق مرکز کمبریج از منابع مالی جایگزین (CCAF) است.[2] بنابراین ، مطالعه انتقال اطلاعات از توجه محیط زیست cryptocurrency به بازارهای مالی سبز بسیار مهم است.

تحقیقات اولیه فاقد شواهد تجربی مربوط به نگرانی های زیست محیطی در مورد رمزنگاری (Bariviera & Merediz-Solà ، 2021 ؛ Naeem & Karim ، 2021 ؛ Wang et al. ، 2022). بنابراین ، این مطالعه این شکاف تحقیق را پر می کند. بر این اساس ، مشارکت این مطالعه به سه جنبه ادبیات مربوط می شود: 1) ادبیات رو به رشد در مورد Covid-19 باعث توجه به اثرات محیطی استخراج رمزنگاری شده است (Kamal & Hassan ، 2022 ؛ Karim et al. ، 2022 ؛ Wang et al.. ، 2022) ، 2) سرریز نوسانات از Cryptocurrency توجه زیست محیطی به دارایی های مالی سبز (Kamal & Hassan ، 2022 ؛ Naeem & Karim ، 2021) از نظر کشف تأثیر بر پایداری استرالیا و جهان ، و 3) پیامدهای مفیدی برای ارائه پیامدهای مفید برایسیاست گذاران و سرمایه گذاران سبز در دوره های عدم اطمینان طبیعی و بالاتر (مانند دوره COVID-19) با استفاده از مدل TVP-VAR Antonakakis و Gabauer (2017).

ii. داده ها و روش ها

الف) داده ها و آمار توصیفی

این مطالعه قیمت بسته شدن چهار دارایی مالی سبز ، یعنی شاخص پایداری جهانی داو جونز (DJWSI) ، شاخص پایداری داو جونز استرالیا (DJSAI) ، اوراق قرضه سبز جهانی S& P (GB) و شاخص انرژی پاک جهانی S& P (GCEI) را در نظر گرفت. و یک اندازه گیری توجه ، شاخص توجه محیط زیست cryptocurrency (ICEA). ICEA یک شاخص مبتنی بر خبری است که توسط وانگ و همکاران ساخته شده است.(2022). با استفاده از داده های هفتگی برای دارایی های مالی سبز مطابق با ICEA ، نمونه داده ها دوره 3 ژانویه 2014 تا 31 دسامبر 2021 را شامل می شود. تجزیه و تحلیل زیر نمونه ای مشاهدات را از 1 دسامبر 2019 تا 31 دسامبر 2021 پوشش می دهد. داده های مربوط به دارایی های مالیو Cryptocurrency توجه محیط زیست به ترتیب از DataStream و Brianmluce. wordpress. com تهیه می شود.

جدول 1. آمار توصیفی و آزمایش ریشه واحد

توجه: جدول آمار توصیفی و ماتریس همبستگی را نشان می دهد ، "A" سطح اهمیت 1 ٪ را نشان می دهد.

اولین برگه های مختلف ورود به سیستم در جدول 1 نشان داده شده است. بیشترین (کمترین) دارایی مالی سبز بی ثبات GCEI (GB) است. توزیع بازده ورود به سیستم دارای اوج بالا ، نامتقارن و در نتیجه غیر طبیعی است. تمام سری های برگشتی ثابت هستند و از این طریق از ثابت بودن اطمینان حاصل می کنند.

B. مدل TVP-VAR

برای بررسی ارتباط پویا بین توجه محیط زیست cryptocurrency و دارایی های مالی سبز ، نویسنده از مدل TVP-VAR Antonakakis و Gabauer (2017) استفاده کرد. این مدل تجربی توسط Primiceri (2005) معرفی شد و توسط Antonakakis و Gabauer (2017) گسترش یافت. نسبت به سایر روشها مزایای مختلفی دارد. این موارد عبارتند از: 1) توانایی آن در ضبط ارتباط خالص سیستم در بین شاخص ها ، 2) مشخص کردن آن از تأثیر بالقوه پویا از آلودگی مالی و سرریزهای نوسانات در سیستم کلی بازارها در طول زمان و 3) توانایی آن در شناساییشکاف های ساختاری بالقوه و روابط بین سری های زمانی. به طور کلی ، تأیید می کند که آیا ساختار خطی از احتمال شوک (یا پاسخ) از گسترش مکانیسم تغییر حاصل می شود (کریم و نعیم ، 2021).

معادله مدل به شرح زیر بیان شده است:

در معادله (1) ، (y_ ) بردار متغیرهای وابسته (n × 1 ) را نشان می دهد ، ( beta_. _ ) ضرایب دینامیکی (n × n ) هستند ، به عنوان (بازنویسی می شوند (( theta_ ) ماتریس (نعیم و کریم ، 2021).

(x_^<prime>) یک ماتریس (n × k ) با توجه به رهگیری و تاخیر از متغیرهای متغیر زمان است ، جایی که (u_ ) نشان دهنده شوکهای ساختاری است و n × 1 با توزیع هتروسیکاستیکی میانگین صفر را دنبال می کند. اصطلاح ( omega ) ماتریس واریانس متغیر زمان را نشان می دهد. بنابراین ، ماتریس واریانس کواریانس ICEA و دارایی های مالی سبز بازده های مختلف را می توان به شرح زیر نوشت:

که در آن (M _^) و (H_ ) به ترتیب رابطه همزمان بین سری زمانی و اتصال تصادفی را نشان می دهد.

انتقال در پارامترهای پویا با گذشت زمان فرض بر این است که به شرح زیر است:

در جایی که پارامترهای متغیر زمان از طریق معادلات (4) و (5) به دنبال فرآیند پیاده روی تصادفی تخمین زده می شوند:

معادله (6) اتصال تصادفی را با استفاده از فرآیند پیاده روی تصادفی تخمین می زند (Kamal & Hassan ، 2022). به طور کلی ، اصطلاح خطا مستقل از معادله انتقال است. بنابراین ، ضرایب در بین متغیرها برای حفظ برآوردهای کارآمد و ساده به طور مستقل متفاوت است (کریم و نعیم ، 2021 ؛ Primiceri ، 2005).

شکل 1. اتصال کل پویا

توجه: شکل 1 شاخص اتصال کل پویا (TCI) را نشان می دهد ، خروجی یک پنجره نورد 200 روزه ، قبل از آن ، با 10 قدم جلوتر از افق پیش بینی شده است.

iiiنتایج تجربی

جدول 2 نتایج اتصال متغیر زمان بین ICEA و دارایی های مالی سبز برای پانل A (نمونه کامل) و پانل B (در طول COVID-19) را با استفاده از مدل TVP-VAR گزارش می کند. در پانل A ، اتصال کل سیستم 28. 29 ٪ است ، جایی که ICEA فرستنده خالص سرریز نوسانات به سایر دارایی های مالی سبز است. این یافته ها تا حدی Kamal و Hassan (2022) را تأیید می کنند ، که مستند شده است که ICEA یک فرستنده خالص (گیرنده) در مقادیر پایین تر (بالاتر) است. GCEI دومین فرستنده نوسانات به دارایی های مالی سبز است و GB و DJSAI دریافت کنندگان نوسانات خالص هستند ، مطابق با کار کامال و حسن (2022) ، که GCEI را به عنوان یک فرستنده خالص از شوک ها در کمیتهای پایین و GB به عنوان GB دانست. گیرنده نوسانات خالص در هر دو مقدار بالاتر و پایین. نکته قابل توجه ، DJSWI و DJSAI دریافت کنندگان خالص سرریزهای نوسانات هستند.

جدول 2. جدول اتصال دینامیکی متوسط

توجه: در این جدول تخمین TVP-VAR نمونه کامل و در طول COVID-19 را نشان می دهد.

ارتباط شدید DJSWI ، DJSAI و GCEI نشان می دهد که سهم پایدار همگن آنها در محیط و اهداف توسعه پایدار (فرر و همکاران ، 2021). اتصال ضعیف GB با سایر بازارها به توانایی تنوع قوی آن به عنوان یک دارایی مالی سبز اشاره دارد (Haq et al. ، 2021).

پانل B نتایج COVID-19 را از مدل TVP-VAR نشان می دهد ، به موجب آن قوی ترین (ضعیف ترین) فرستنده خالص GB (ICEA) است. این نتایج حاکی از آن است که GCEI دومین فرستنده شوک بالا به دنیای پایداری و شاخص استرالیا در طول همه گیر COVID-19 است. این یافته ها مطابق با کارهای قبلی کمال و حسن (2022) است که نشان داد ICEA در COVID-19 گیرنده شوک است. نکته قابل توجه ، DJSAI قوی ترین گیرنده خالص سرریز نوسانات در طول بیماری همه گیر است. یافته ها نشان می دهد که ICEA شوک هایی را به GCEI منتقل می کند ، که با کمال و حسن (2022) مغایرت دارد ، که اثر مسری متضاد را در طول Covid-19 ثبت کرده است. این ممکن است به دلیل تعداد کمتری از مشاهدات کمال و حسن (2022) در تجزیه و تحلیل آنها (69 مشاهده) باشد. شاخص اتصال کل در قسمت همه گیر به 32. 79 ٪ بهبود یافته است ، که نشان دهنده بهبود اتصال بین ICEA و سایر دارایی های سبز است (اخترروزامان و همکاران ، 2021 ؛ کمال و حسن ، 2022). شکل 1 همچنین واقعیت را تأیید می کند. اتصال پایین نشان دهنده پتانسیل محافظت از دارایی های مالی سبز در دوره COVID-19 است.

شکل 2. اتصال خالص کل

توجه: شکل 2 اتصال خالص کل را نشان می دهد که در آن خروجی از یک پنجره نورد 200 روزه ، بدون آگاهانه ، با 10 قدم جلوتر از افق پیش بینی شده است.

شکل 2 ICEA را به عنوان یک فرستنده خالص از سرریز نوسانات از سال 2014 تا 2018 و انتقال شوک از سال 2018 بسیار کم می کند. به همین ترتیب ، GCEI با وجود چند هفته آخر سال 2014 ، یک فرستنده خالص از سرریز نوسانات در طول دوره نمونه است. شاخص های GB، DJSWI و DJSAI دریافت کنندگان خالص سرریزهای نوسانات از سال 2014 تا 2021 هستند ، به جز چند حرکات اتصال مثبت. این یافته ها تأیید می کنند که انتقال نوسانات محیطی cryptocurrency از الگوهای متغیر زمان برای فرستنده ها و گیرنده ها پیروی می کند و سرمایه گذاران می توانند با توجه به GCIE در نمونه کارها خود با سایر دارایی ها ، از ICEA محافظت کنند.

شکل 3. اتصال زوج

توجه: شکل 3 اتصال زوجی را نشان می دهد که در آن خروجی از یک پنجره نورد 200 روزه ، قبل از آن ، با 10 قدم جلوتر از افق پیش بینی شده پیروی می کند.

شکل 3 نشان دهنده اتصال پویا زوج ICEA و چهار دارایی مالی سبز است. سرریز نوسانات توجه محیط زیست cryptocurrency از GB (GCEI) بالاتر (پایین تر) است. سرریز پایین نشان می دهد GCEI می تواند در یک نمونه کارها برای محافظت از ICEA ، که مطابق با تحقیقات قبلی است ، استفاده شود (کامال و حسن ، 2022 ؛ کریم و نعیم ، 2021). بنابراین ، این یافته ها از این اعتقاد رو به رشد حمایت می کنند که ارزهای رمزنگاری ارزهای کثیف هستند (نعیم و کریم ، 2021). بنابراین ، متخصصان محیط زیست و سیاست گذاران باید اقدامات متقابل را برای ارتقاء مصرف انرژی رمزنگاری کمتر و ردپای کربن انجام دهند.

یافته های فوق برای سیاست گذاران و سرمایه گذاران پایدار ، بین المللی و استرالیا ، از نظر سرمایه گذاری در دارایی های مالی سبز در یک نمونه کارها و مقابله با انتقال نوسانات از بازار رمزنگاری به دارایی های مالی سبز بسیار مهم است. در همین حال ، سرمایه گذاران باید در طول همه گیر COVID-19 تصمیمات ناهمگن و منطقی را بگیرند.

IVنتیجه

این مطالعه با استفاده از مدل TVP-VAR ، ارتباط پویا بین شاخص توجه محیط زیست cryptocurrency و چهار دارایی مالی سبز را بررسی می کند. تجزیه و تحلیل تجربی دوره همه گیر COVID-19 را پوشش می دهد و نوسانات منتقل شده از ICEA به دارایی های مالی سبز را نشان می دهد. ICEA و GCEI اصلی ترین انتقال دهنده نوسانات خالص در کل دوره نمونه هستند ، در حالی که GB یک فرستنده نوسانات خالص در COVID-19 است. در مقابل ، GCEI ، GB ، DJSWI و DJSAI دریافت کنندگان خالص سرریز ICEA در کل دوره نمونه هستند ، در حالی که فقط GCEI و GB گیرندگان شوک های ICEA در طول بیماری COVID-19 هستند. نکته قابل توجه ، DJSAI بالاترین گیرنده سرریز از GB و GCEI است. نتایج TVP-VAR تأثیر آلودگی مالی در اتصال به سیستم را تأیید می کند ، با اتصال بیشتر در طول بیماری همه گیر. علاوه بر این ، اتصال زوجی بین ICEA و دارایی های مالی سبز حداقل پتانسیل محافظت و تنوع را برای پرچین ICEA نشان می دهد.

سرمایه گذاران دارای گزینه های سرمایه گذاری ناهمگن (کوتاه مدت و بلند مدت) هستند و رویکرد TVP-VAR نمی تواند وابستگی به فرکانس های مختلف را الگوبرداری کند. بنابراین ، این نشان می دهد که مطالعات آینده ارزهای رمزپایه پایدار را در پرتفوی دارایی های مالی سبز در نظر می گیرند تا جنبه های مختلف اتصال و محافظت از ICEA را با استفاده از مدل های موجک بر روی افق های مختلف سرمایه گذاری بررسی کنند.

تصدیق

من از داوران ناشناس و ویراستار بخاطر نظرات و پیشنهادات سازنده آنها تشکر می کنم ، که باعث افزایش کیفیت مقاله شد.

1. برای توضیحات بیشتر COVID-19 ، به Akhtaruzzaman ، Boubaker و Sensoy (2021) مراجعه کنید.
2. نگاه کنید به: https://www. bloomberg. com/opinion/articles/2021-01-26/is-bitcoinmining-worth-the-vironmentalcost؟utm_source=url_link

منابع

اخترروزامان ، م. ، بوباکر ، س. ، و سنسوی ، ا. (2021). مسری مالی در طول بحران Covi d-19. نامه های تحقیقاتی مالی ، 38 ، 101604.

Antonakakis ، N. ، & Gabauer ، D. (2017). اقدامات تصفیه شده از اتصال پویا بر اساس TVP-VAR.

Bariviera ، A. F. ، & Merediz-Solà ، I. (2021). کجا می توانیم در تحقیقات اقتصادی رمزنگاری کنیم؟یک نظرسنجی مبتنی بر تجزیه و تحلیل ترکیبی. مجله بررسی های اقتصادی ، 35 (2) ، 377-407.

Ferrer ، R. ، Shahzad ، S. J. H. ، & Soriano ، P. (2021). آیا اوراق قرضه سبز یک کلاس دارایی متفاوت است؟شواهد حاصل از تجزیه و تحلیل اتصال فرکانس زمان. مجله تولید پاک کننده ، 292 ، 125988.

HAQ ، I. U. ، Chupradit ، S. ، & Huo ، C. (2021). آیا اوراق قرضه سبز به عنوان یک پرچین یا پناهگاه امن در برابر عدم اطمینان سیاست اقتصادی عمل می کند؟شواهدی از ایالات متحده و چین. مجله بین المللی مطالعات مالی ، 9 (3) ، 40.

حسن ، م. ب. ، حسن ، م. ک. ، کریم ، ز. ا. ، و رشید ، م. م. (2021). کاوش در مورد ویژگی های پرچین و پناهگاه های امن رمزنگاری در عدم اطمینان سیاست. نامه های تحقیقاتی مالی ، 102272.

Hassan ، M. K. ، Hasan ، M. B. ، & Rashid ، M. M. (2021). استفاده از فلزات گرانبها برای محافظت از سیاست cryptocurrency و عدم اطمینان قیمت. نامه های اقتصاد ، 206 ، 109977.

Kamal ، J. B. ، & Hassan ، M. K. (2022). اتصال نامتقارن بین شاخص توجه محیط cryptocurrency و دارایی های سبز. مجله عدم تقارن اقتصادی ، 25 ، E00240.

کریم ، س. ، و نعیم ، م. A. (2021). انرژی پاک ، بازارهای برق استرالیا و انتقال اطلاعات. نامه های تحقیق انرژی ، 3 (دید اولیه) ، 29973.

کریم ، س. ، نعیم ، م. A. ، میرزا ، ن. ، و پائول-ویانز ، جی. (2022). کمیت خصوصیات پرچین و ایمن بازارهای اوراق بهادار برای شاخص های رمزنگاری. مجله تأمین مالی ریسک.

Krause ، M. J. ، & Tolaymat ، T. (2018). کمیت هزینه های انرژی و کربن برای استخراج ارزهای رمزنگاری شده. پایداری طبیعت ، 1 (11) ، 711-718.

Le ، T.-L. ، Abakah ، E. J. A. ، & Tiwari ، A. K. (2021). اتصال دامنه زمان و فرکانس و در بین Fintech ، اوراق قرضه سبز و ارزهای رمزنگاری شده در عصر انقلاب چهارم صنعتی. پیش بینی فن آوری و تحولات اجتماعی ، 162 ، 120382.

Naeem ، M. A. ، & Karim ، S. (2021). وابستگی دم بین دارایی های مالی بیت کوین و سبز. نامه های اقتصاد ، 208 ، 110068.

Primiceri ، G. E. (2005). زمان متغیر بودن اتورهای بردار ساختاری و سیاست های پولی. بررسی مطالعات اقتصادی ، 72 (3) ، 821-852.

Wang ، Y. ، Lucey ، B. ، Vigne ، S. A. ، & Yarovaya ، L. (2022). شاخص توجه محیط زیست cryptocurrency (ICEA). بررسی مالی چین بین المللی.