en مدل‌سازی همبستگی‌های پویا بین رمزارزها: شواهد جدید از مدل تلاطم تصادفی چند متغیره اقتصاد Economics پژوهشی اصیل - كاربردی Original Research - Empirical <span style="font-size:11pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span style="line-height:115%"><span calibri="" style="font-family:"><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span b="" nazanin="" style="font-family:">در مقاله حاضر، تلاطمات بازدهی 20 رمزارز مختلف با استفاده از داده‌های روزانه 08/03/2018 تا 09/20/2022 مدل‌سازی می‌شود. بدین منظور از مدل نوسانات تصادفی عامل چند متغیره</span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"> (MFSV) </span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span b="" nazanin="" style="font-family:">در چارچوب رویکرد حالت فضایی غیرخطی استفاده می‌شود. در این روش، تلاطمات بازده رمزارزها به دو جزء تجزیه می‌شود؛ تلاطمات منبعث از عوامل پنهان و تلاطمات خاص هر رمزارز، سپس &nbsp;همبستگی زوجی متغیر در طول زمان و ماتریس کوواریانس پویا در چهار زیردوره برآورد می‌شوند. نتایج مدل</span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"> MFSV </span></span><span style="font-size:12.0pt"><span style="line-height:115%"><span b="" nazanin="" style="font-family:">&nbsp;نشان می‌دهد که در هر یک از 4 زیر دوره به ترتیب 2، 5، 4 و 2 عامل پنهان قابل شناسایی است که به طور کلی تأثیر مثبتی بر نوسانات تمامی رمزارزها می‌گذارد. همچنین تلاطمات بازده همه رمزارزها، همبستگی مثبت متغیر در طول زمان را تجربه می‌کنند. قوی ترین همبستگی‌های زوجی به ترتیب به اتریوم، لیت کوین، </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%">EOS </span></span><span style="font-size:12.0pt"><span style="line-height:115%"><span b="" nazanin="" style="font-family:">&nbsp;و</span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"> VET </span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span b="" nazanin="" style="font-family:">در هر زیر دوره تعلق دارد. از سوی دیگر، </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%">DOGE</span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span b="" nazanin="" style="font-family:">، </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%">DOGE</span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span b="" nazanin="" style="font-family:">، </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%">Filecoin </span></span><span style="font-size:12.0pt"><span style="line-height:115%"><span b="" nazanin="" style="font-family:">&nbsp;و</span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"> XRP </span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span b="" nazanin="" style="font-family:">ضعیف‌ترین همبستگی‌ها را نشان می‌دهند. با تقویت همبستگی‌های زوجی تلاطمات رمزارزها، به‌ویژه در بازارهای افتان، به نظر می‌رسد که مزایای متنوع‌سازی سبد رمزارزها با گذشت زمان کاهش می‌یابد</span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%">.</span></span></span></span></span></span></span><br> &nbsp; <span style="font-size:12pt"><span style="line-height:150%"><span new="" roman="" style="font-family:" times=""><span style="line-height:150%">This paper intends to model the volatilities of returns of 20 different cryptocurrencies using daily data from 08/03/2018 to 09/20/2022. The multivariate factor stochastic volatility model (MFSV) within the framework of the nonlinear space-state approach is used. In this method, the</span> <span style="line-height:150%">cryptocurrency return volatility is decomposed into <i>volatility rooted in latent factors</i> and <i>idiosyncratic volatility</i>, and the time-varying pairwise correlation and dynamic covariance matrix are estimated in four sub-periods. The MFSV model&rsquo;s results revealed that &nbsp;each sub-period contains a distinct &nbsp;number of latent factors, 2, 5, 4 and 2, which generally have a favorable impact on &nbsp;all cryptocurrency volatilities. The time-varying positive correlations between the return volatility of all cryptocurrencies are confirmed. Indeed, the strongest pairwise correlations belong to</span><span style="line-height:150%"> Ethereum, Litcoin, EOS, and VET in each sub-period, respectively. </span><span style="line-height:150%">The DOGE, DOGE, Filecoin, and XRP</span><span style="line-height:150%">, on the other hand, showed</span><span style="line-height:150%">the weakest correlations . As the pairwise correlations of cryptocurrency volatilities get &nbsp;strenger, &nbsp;especially during&nbsp; </span>descending periods<span style="line-height:150%">, it seems that the benefits &nbsp;of diversifying a crypto portfolio &nbsp;are getting less and less over time.</span></span></span></span> تلاطم تصادفی عاملی, رمزارزهای دیجیتال, رویکرد بیزی, واریانس ناهمسانی, همبستگی پویا Factor Stochastic Volatility, Cryptocurrencies, Bayesian Approach, Heteroskedasticity, Dynamic Correlation 263 284 http://jme.mbri.ac.ir/browse.php?a_code=A-10-612-1&slc_lang=en&sid=1 Reza taleblou رضا طالبلو talebloo.r@gmail.com 10031947532846006143 10031947532846006143 Yes Associate Professor of Economics, Allameh Tabataba'i University دانشیاردانشکده اقتصاد، دانشگاه علامه طباطبائی parisa mohajeri پریسا مهاجری parisa_m2369@yahoo.com 10031947532846006144 10031947532846006144 No Associate Professor of Economics, Allameh Tabataba'i University دانشیاردانشکده اقتصاد، دانشگاه علامه طباطبائی