政治关联迷因币引发加密市场波动 SOL和LINK表现突出

加密货币市场的政治关联效应研究

近期,Economics Letters 发布了一篇题为"从零到英雄:加密货币市场中迷因币的溢出效应"的文章。该研究分析了某政治人物发行迷因币的事件,揭示了市场情绪与基本面驱动的异质性波动溢出效应,政治信号放大了投机性动态,凸显了政治因素在塑造加密货币市场及投资者行为中的重要作用。

引言

政治动态对金融市场的影响日益显著,加密货币市场已成为政治与金融交汇的重要领域。2024年美国总统大选进一步突显了这种关系,某共和党候选人转向支持数字资产,宣称要将美国打造成"全球加密货币之都",并将加密货币置于其经济议程的核心位置。市场因此预期在其可能的任期内将出现更为友好的政策立场。

这些预期于2025年1月18日得以实现,该候选人在Solana区块链上发行了其官方迷因币。24小时内,该币价格暴涨900%,交易量高达180亿美元,市值超越当时最大迷因币40亿美元。次日,与其家人相关的迷因币发行进一步推动了市场投机。这些事件不仅具有投机性质,更构成了一次显著的外生性冲击,其影响超出了金融投机范畴,发出了更广泛的监管与政治议程信号。

本研究旨在探讨这一事件如何同时作为政治信号与金融事件影响加密货币市场。研究聚焦于三个关键问题:

  1. 新迷因币的发布如何影响主要加密货币的收益与波动率?
  2. 此事件是否在加密货币市场内引发了金融传染效应?
  3. 这种影响是否具有异质性,表现为不同加密货币根据其技术基础、用途或投机吸引力的不同而产生不同反应?

为回答这些问题,本研究采用Baba-Engle-Kraft-Kroner(BEKK)多变量广义自回归条件异方差(MGARCH)模型,该模型特别适用于分析波动率与相关性随时间的动态关系。

研究选取了市值排名前十的加密货币进行实证分析,发现新迷因币发布后,加密资产间存在显著的波动率溢出效应,表明市场中存在金融传染现象。事件引发了市场动态的重大转变,其中Solana与Chainlink由于其基础设施和战略关联而录得最大涨幅。而比特币与以太坊等主流加密货币则表现出较强的韧性,其累计异常收益(CARs)与方差在事件后期趋于稳定。相反,诸如Dogecoin和Shiba Inu等其他迷因币则出现贬值,资金很可能转向了新发行的迷因币。

新迷因币的发行发生在美国高度政治分化的环境中,与之相关的政治人物品牌本身就与强烈的政治情绪密切相关,从而提高了投资者的敏感性,加剧了市场反应。对一些投资者而言,这种背书象征着一次独特的投机机会,催生了强烈的"跟风效应";而另一些投资者则因其具有争议的形象而意识到政治与监管风险,采取更为谨慎的立场。这种分化解释了所观察到的高度波动性与差异化市场反应——从对预期政治支持的热情,到对声誉与政治不确定性的怀疑。

本研究是首个分析政治关联型代币对加密货币市场影响的论文。它拓展了对政治叙事如何影响去中心化金融市场的理解。此外,与以往研究多集中于负面冲击不同,本研究聚焦于由政治信号驱动的正向冲击对市场的影响。尤其值得注意的是,有证据表明正面冲击对加密货币的波动影响甚至高于负面冲击。最终,本研究向学界、从业者与政策制定者提供重要参考,揭示政治关联代币的市场反应异质性,并强调资产特征如何影响金融传染动态。

数据与方法

数据与样本选择

研究使用每分钟收盘中间价的专有数据,涵盖了市值排名前20的加密货币中最具代表性的10种:比特币(BTC)、以太坊(ETH)、瑞波币(XRP)、Solana(SOL)、狗狗币(DOGE)、Chainlink(LINK)、Avalanche(AVAX)、柴犬币(SHIB)、Polkadot(DOT)与莱特币(LTC)。数据来源为某美国中心化交易平台,具体数据从LSEG Tick History数据库中获取。

数据集包含共计20,160条观测,时间区间为2025年1月11日至2025年1月25日,涵盖了新迷因币发布(2025年1月18日)前后一周对称的时间段,便于进行事件前后比较分析。

收益率计算公式如下:

收益率 = ln(Pt / Pt-1)

其中Pt表示时间t的数字资产价格。

事件时间定义为2025年1月18日协调世界时(UTC)凌晨2:44,该时点为首次正式宣布新迷因币发布。计算累计异常收益,用于评估信息级联效应。从2025年1月1日至2025年1月10日的收益中计算每种加密货币的平均基准收益,以代表一个相对稳定的样本前期。接着,从样本期内的实际收益中减去这一基准,得出市场基准上的超额收益,并通过累加得出CARs。

方法

研究使用BEKK-MGARCH模型来分析新迷因币推出对加密货币市场的影响。假设对数收益服从均值为零、条件协方差矩阵为Ht的正态分布,模型设定如下:

!7384155

H表示无条件协方差矩阵。参数矩阵满足a,b>0,且a+b<1,以确保模型的平稳性与正定性。随后,进行传染效应检验。考虑到使用高频数据时可能出现的第一类错误问题,采用了较为严格的显著性水平α=0.001。

结果

波动率溢出效应

初步分析结果显示,资产之间的相互关联性在事件发生后的阶段显著增强。这一发现支持了"事件引发了波动率溢出效应"的假设。同时,平稳对数收益的波动幅度增加,反映出市场不稳定性上升与调整速度加快的现象。各加密资产的收益在该事件期间均发生剧烈波动,进一步强调了此次事件的系统性影响。

动态条件协方差估算结果表明,该事件在加密货币市场中确实引发了金融传染与波动率溢出效应。大多数事件后期的协方差系数在显著性水平0.001处显著,尤其是像ETH、SOL和LINK这样的资产对之间,其协方差显著上升,显示出更强的联动性与更高的市场整合程度。相比之下,SHIB和DOT虽然也达到了0.01的显著水平,但影响较弱。另有一些资产如LTC和XRP在事件后协方差反而下降,说明溢出效应并非在所有资产之间均匀分布。整体来看,结果突显了此次迷因币发行事件对整个加密货币市场的结构性影响。

!7384156

信息级联效应

累计异常收益(CARs)分析揭示了新迷因币发行引发的信息级联效应。结果表明,该事件对市场动态具有显著的结构性影响,表现为资产特定的反应路径与加剧的波动性。

在事件前阶段,大多数加密货币都经历了正向收益,可能受到投机性预期的推动,或者市场对某候选人可能当选为下任总统所持的乐观态度。这说明,即使在缺乏确凿信息的情况下,投资者已表现出明显的投机性买入行为,这一现象符合加密货币市场中被广泛记录的"错失恐惧症"特征。

在事件发生后的阶段,有三种关键动态表现尤为突出:

  1. SOL表现优异,超过其他所有资产,这很可能与其作为新迷因币承载区块链的直接技术关系有关。

  2. LINK亦表现强劲,可能与其与美国大型科技公司的关联性有关。

  3. 比特币、以太坊、瑞波币、莱特币等成熟加密货币在经历了温和上涨后逐步稳定,反映出其市场韧性与对级联性投机影响的相对绝缘性。

与此同时,DOGE与SHIB等其他迷因币则显得特别脆弱,表现出一种明显的资产替代效应,即投机性资金从旧有迷因币转向了新发行的代币。尽管AVAX与DOT具有坚实的技术基础,它们也未能幸免于此类资本转移趋势,呈现出价值流失的迹象。

新迷因币发行这一外生性冲击打破了事件前的市场共动性格局。事件发生前,各资产间呈现较高的协同波动性;而在事件发生后,不同资产的CARs出现剧烈分化,从Solana的+20%到Dogecoin与Shiba Inu的−20%不等。

这些结果揭示出:资产特定的叙事、技术关联性以及投资者主观认知,可在重大信息冲击发生时显著放大资产间收益的差异性反应。

!7384157

!7384158

!7384159

结论

本研究考察了与政治人物相关的加密货币发行对加密市场所产生的影响,重点分析了波动率溢出效应与信息级联效应。

研究结果表明,市场对这一事件的反应存在显著的异质性。例如,由于与新迷因币存在直接技术关联性,SOL从中受益显著。而共享同一底层区块链基础设施的资产,也因搭上这一事件的"顺风车"而获得提振。

与此同时,诸如比特币与以太坊这类主流加密资产,则因其在市场中的核心地位表现出更强的稳定性,在此次事件中起到了类似锚定作用,稳定了整体市场结构。这表明,投资者情绪不再仅仅取决于技术面基本因素,也开始显著受到地缘政治与政策叙事的影响,尤其当这些叙事由具有高度象征性的领导人发出时。

综上,本文揭示出加密货币市场对外部事件的高度敏感性,以及其易于受到投机行为驱动的倾向。随着数字资产日益与政治与经济议题交织,持续监测这种相互作用对理解市场稳定性的影响显得尤为重要。

!7384160

SOL4.76%
LINK12.39%
BTC4.36%
ETH4.62%
此页面可能包含第三方内容,仅供参考(非陈述/保证),不应被视为 Gate 认可其观点表述,也不得被视为财务或专业建议。详见声明
  • 赞赏
  • 5
  • 转发
  • 分享
评论
0/400
Just Another Walletvip
· 6小时前
川总别说了 买就是了
回复0
TokenSherpavip
· 6小时前
让我来详细解释一下……政治驱动的市场噪音只会掩盖*真实*的代币经济学基本面,老实说。
查看原文回复0
智能合约试错员vip
· 6小时前
玩政治的别碰币圈啊吧
回复0
DeFiAlchemistvip
· 6小时前
政治迷因币的转化周期……既迷人又令人恐惧,对于协议的平衡说实话。
查看原文回复0
fork_in_the_roadvip
· 6小时前
btc才是唯一出路!
回复0
交易,随时随地
qrCode
扫码下载 Gate App
社群列表
简体中文
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)