Invloed van de hoeveelheid nieuwsartikelen en de waarde van bitcoin op de groei van aantal bitcoingebruikers

Invloed van de hoeveelheid nieuwsartikelen en de waarde van

bitcoin op de groei van aantal bitcoingebruikers

Abstract

In dit onderzoek is er gekeken of er een relatie te vinden is tussen het aantal geschreven artikelen over bitcoin en de acceptatie hiervan. Kennis over bitcoin kan een invloed hebben op het adopteren van bitcoin. De gedachte is dat als potentie le gebruikers beter op de hoogte zijn van onder meer het nut van de cryptomunt het gebruik toeneemt. De hoeveelheid geschreven artikelen over bitcoin kan hierbij een invloedrijke factor zijn in de toename van het aantal nieuwe bitcoingebruikers. Verder is gekeken naar de invloed die de waarde van bitcoin heeft op het gebruik. Mensen gebruiken bitcoin nog niet veel voor het doen van transacties maar vooral als investering. De waarde is voor dit soort gebruikers dan ook belangrijk en kan een invloed hebben op de groei van het aantal gebruikers.

In dit onderzoek wordt gebruik gemaakt van kwantiele regressieanalyses om de groei van het aantal bitcoingebruikers te voorspellen op basis van het aantal geschreven nieuwsartikelen over bitcoin en de waarde van bitcoin. Een belangrijke conclusie is dat het aantal artikelen juist een negatieve invloed heeft op de groei van het aantal gebruikers. De waarde van bitcoin blijkt een positieve invloed te hebben op de groei van het aantal gebruikers. Deze resultaten worden in dit onderzoek beschreven en er worden aanbevelingen gedaan voor toekomstig onderzoek op het gebied van de invloed van journalistiek en media op de adoptie van technologiee n zoals bitcoin.

Rens Mester 10740422

Afstudeerproject BSc Informatiekunde

Faculteit der Natuurwetenschappen, Wiskunde en Informatica Universiteit van Amsterdam

Begeleider: mw. dr. J.A.C. Sandberg Tweede lezer: dhr. dr. D. Heinhuis 25-08-2018

2

Inhoudsopgave

2.3 Bitcoin als aandeel ... 6

2.4 Betaalmogelijkheden ... 6

2.5 Invloed van kennis op acceptatie ... 8

2.6 Netwerkeffect ... 10

2.7 Effect van nieuws ... 10

3 Hypotheses... 13

4 Methode ... 13

4.1 Nieuwssites ... 13

4.2 Datasets ... 14

4.3 Nieuwe gebruikers ... 15

4.4 Vertraagd effect nieuwsartikelen ... 16

4.5 Dataverwerking... 16

4.6 Analyse ... 17

5 Resultaten ... 17

5.1 Verband tussen groei aantal wallets en het aantal geschreven artikelen ... 19

5.2 Kwantiele regressieanalyse ... 20

5.3 Vertraagd effect kwantiele regressieanalyse ... 22

6 Discussie ... 24 6.1 Implicaties ... 24 6.2 Limitaties... 26 6.3 Toekomstig onderzoek ... 26 7 Conclusie ... 27 8 Literatuur ... 28

3

1 Introductie

Van 10.000 bitcoins voor twee pizza's1 _{in 2010 naar $19.500 voor een enkele bitcoin. De} waarde van cryptomunten en vooral bitcoin heeft de laatste jaren een enorme groei

doorgemaakt. De waarde van de tien waardevolste cryptovaluta reikt van $74 tot en met ruim $19.500. Echter van de meer dan duizend cryptovaluta hebben maar enkele een dergelijke hoge waarde. Veel van deze cryptovaluta zijn net op de markt gekomen en hebben een klein marktvolume.

Er is geen overkoepelende instantie die de digitale munten beheert, de waarde van de munt kan dus stevig fluctueren. Toen China op 5 september 2017 een verbod legde op de lancering van nieuwe cryptovaluta, daalde de koers van bitcoin in e e n dag met 14% (de Waard, 2017). Maar ondanks deze tegenvaller is bitcoin toch weer gestegen in waarde. Mensen blijken de toekomst van bitcoin en andere cryptovaluta positief in te zien en er blijft een instroom van een toenemend aantal mensen dat cryptomunten wil bezitten.

Cryptogeld begint een intrede te maken maatschappij, steeds meer mensen raken bekend met cryptovaluta. Bij steeds meer winkels en services is het nu ook mogelijk om met bitcoins te betalen. Enkele bekende webshops in Nederland zijn Thuisbezorgd.nl en Markplaats.nl, de grote spelers in respectievelijk bezorgservice voor eten en drinken en het verkoop van tweedehands artikelen.

Daarnaast worden mensen steeds vaker blootgesteld aan de concepten van cryptogeld door erover te lezen of het zien ervan in het nieuws. Door de interesse van het bedrijfsleven in cryptogeld en met name de bijbehorende techniek blockchain, wordt bitcoin meer besproken op het nieuws, blogs en tijdschriften. Dit wekt interesse op bij mensen, waardoor zij zullen gaan investeren in cryptogeld. Uit onderzoek van onderzoeksbureau Kantar TNS (2017) blijkt dat momenteel ongeveer 135.000 huishoudens in het bezit zijn van cryptogeld. Dit is een verdubbeling van vorig jaar. Daarnaast wordt gesteld dat ruim 150.000 huishoudens momenteel niet in het bezit zijn van cryptogeld, maar wel overwegen te investeren in cryptogeld. Deze cijfers reflecteren de grote groei van interesse in bitcoin. Toch zijn er nog relatief weinig huishoudens en dus mensen die in het bezit zijn van cryptogeld.

In dit onderzoek wordt gekeken naar de invloed van het aantal geschreven artikelen door verschillende nieuwssites en de waarde van bitcoin op de groei in het aantal gebruikers. Bitcoin is de eerste bekende en nu de grootste cryptovaluta op de markt. Hierdoor is deze munt ook het meest bekend onder de mensen. Vaak wordt er in het nieuws dan ook gebruik gemaakt van de term bitcoin om de aandacht van de lezers of kijkers te trekken. Daarom is besloten in dit onderzoek de focus te leggen op bitcoin en andere cryptovaluta buiten beschouwing te laten.

1

https://www.businessinsider.nl/een-bitcoin-fan-kocht-2010-twee-pizzas-met-10-000-bitcoin-die-zijn-nu-e19-miljoen-waard/

4

2 Theoretisch kader

In dit onderzoek wordt gebruik gemaakt van de begrippen bitcoin en nieuws. Doordat deze termen veel definities hebben, zijn deze begrippen hierna gedefinieerd om aan te geven hoe deze verder in het onderzoek gebruikt zullen worden.

2.1.1 Bitcoin

Bitcoin op zichzelf is de cryptomunt die mensen kunnen kopen met gewoon geld. Zij hebben hiervoor een bitcoinaccount nodig, ook wel een wallet genoemd. Deze wallet is persoonlijk en bevat de bitcoins die iemand heeft gekregen (van andere gebruikers of organisaties) of

gemined (met hun eigen computer(s)). Het minen en de transacties zelf behoren tot de techniek blockchain, wat nauw in het verband staat met bitcoin maar hier wel van verschilt. Bitcoin is gebouwd op de basis van de techniek van blockchain, echter blockchain kan voor meerdere doeleinden gebruikt worden dan het bijhouden van de transacties van bitcoin. Als er geschreven wordt over bitcoin, wordt dus enkel de munt bedoeld.

2.1.2 Nieuws

Het nieuws wordt door de pers verspreid. Onder de pers viel van oorsprong: tijdschriften, kranten, journaals en nieuwswebsites. Tegenwoordig gebruiken deze organisaties ook sociale media en blogs om artikelen en informatie te verspreiden om zo een zo groot mogelijk publiek te bereiken. In dit onderzoek worden echter alleen de daadwerkelijke artikelen op de

nieuwswebsite onderzocht.

2.2 Werking bitcoin

Bitcoin is een virtuele munt en maakt gebruik van cryptografie om transacties te beveiligen en verifie ren. Virtuele munten hebben een bepaalde waarde, net zoals traditionele valuta. Het geld wordt gebruikt om transacties uit te voeren binnen een online netwerk of gemeenschap. Binnen deze gemeenschap hebben mensen afgesproken om met de virtuele munt te betalen (Segendorf, 2014). Deze virtuele markten zijn vaak te vinden in online games. Enkele

voorbeelden hiervan zijn World of Warcraft of Second Life. In beide games kan de speler op verschillende wijzen respectievelijk gold en Linden Dollars verdienen. In het geval van World of Warcraft kan dit gedaan worden door onder andere verder te komen in het spel en quests uit te voeren. In Second Life is er sprake van een vrije markt, waar spelers virtuele creaties kunnen kopen of verkopen. In beide games kan de speler naast het spelen van het spel ook virtueel geld verkrijgen door het aan te kopen met echt geld. Het bezit van World of Warcraft gold of Linden Dollars door spelers worden door hun respectievelijke ontwikkelaars

bijgehouden.

Bitcoin verschilt van virtuele munten als World of Warcraft gold of Linden Dollars doordat transacties decentraal worden geverifieerd (Nakamoto, 2008). Er is geen overkoepelende instantie die de betalingen en het bezit van de gebruikers controleert. Bezitters van Bitcoin kunnen transacties onderling direct uitvoeren zonder de tussenkomst van een derde partij. Deze transacties zijn voor alle gebruikers van het netwerk zichtbaar en anoniem. Iedereen

5

heeft dus zicht over de betalingen zonder dat de identiteit van de betrokken partijen kenbaar wordt gemaakt.

Al deze transacties worden verzameld en genoteerd op zogenaamde blocks (Nakamoto, 2008). Naast de transacties bevat een block ook informatie over het voorgaande block. Hierdoor bestaat een lange ketting aan blocks die terugloopt naar het eerste block, de blockchain. De blockchain bevat dus informatie over alle transacties van bitcoin die ooit gemaakt zijn. Voordat een block aan de blockchain wordt toegevoegd, dient de bijbehorende encryptie te worden opgelost: de proof of work. Deze encryptie maakt gebruik van SHA-256. Doordat niet te achterhalen is wat de precieze waarde was voordat het versleuteld was met SHA-256, moet er gegokt worden wat de input was. De gebruikers die deze proof of works trachten op te lossen, worden miners genoemd. Alle miners hebben dus evenveel kans om de code van de transactie te raden. Het blijft hier wel zo dat over hoe meer computerkracht de miners bezitten, hoe meer gokken zij kunnen maken in dezelfde tijd en de kans dus groter wordt dat zij als eerste de transactie weten te verifie ren.

Zodra een proof of work is opgelost en het block is geverifieerd, wordt dit doorgegeven aan alle andere miners in het netwerk (Nakamoto, 2008). Zodra een nieuw block bij een miner binnenkomt, wordt deze overgenomen en toegevoegd aan zijn persoonlijke versie van de blockchain. Er wordt dan begonnen met het oplossen van het volgende block. Door kleine vertragingen tussen het verzenden en ontvangen van informatie, kan zich een situatie

voordoen waarbij verschillende miners verschillende versies van blocks hebben. Bijvoorbeeld als twee miners aan verschillende blocks hebben gewerkt en ze op hetzelfde tijdstip de proof of work hebben opgelost. In dit geval werken alle miners aan het volgende block en houden hun eigen versie van de blockchain aan. Zodra het volgende block wordt opgelost en

verspreid, nemen de miners deze versie over. Zo blijft de blockchain over het gehele netwerk hetzelfde.

Miners maken dus een essentieel deel uit van de werking van bitcoin. Om dit aantrekkelijk te maken, wordt de miner die een proof of concept als eerste oplost een beloning uitgekeerd in de vorm van bitcoins (Nakamoto, 2008). Dit dient tevens als een manier om nieuwe munten op de markt te brengen. Bij de eerste transacties had deze beloning een hoogte van 50 bitcoin. Elke 210.000 blocks die worden geverifieerd, wordt deze beloning gehalveerd. Er hebben twee halveringen2 _{van de beloning plaatsgevonden, waardoor de beloning per transactie nu 12,5} bitcoin bedraagt. Doordat de beloningen voor bitcoin periodiek worden gehalveerd, is er een maximum aan 21 miljoen bitcoins die aanwezig kunnen zijn op de markt (Segendorf, 2014). De bedenkers van bitcoin hebben nooit beargumenteerd waarom 21 miljoen het maximum is. Met de huidige snelheid waarop bitcoins worden gemined, wordt dit maximum in het jaar 2140 behaald.

6

2.3 Bitcoin als aandeel

Doordat nieuwe bitcoins uitsluitend de markt binnenkomen door het verifie ren van transacties, is er geen centraal orgaan nodig dat de waarde van de munt stabiliseert. De waarde van bitcoin hangt dus volledig af van vraag en aanbod. Het effect van deze marktwerking, is dat er een hoge volatiliteit heerst. De Europese Centrale Bank (2015)

waarschuwt in hun rapport de bezitters van bitcoins voor deze risico's. Wanneer bezitters van deze valuta hun vertrouwen in de munt verliezen en massaal gaan verkopen, zal de waarde kelderen. Een concreet voorbeeld hiervan is het eerder beschreven verbod op nieuwe cryptovaluta door China. Hierdoor is er een vrij hoog risico in het aankopen van bitcoins. Yermack (2013) beargumenteert dat de hoge volatiliteit van bitcoin een van de redenen is waarom het niet als munt, maar als aandeel gezien moet worden. Bitcoin voldoet volgens de auteur niet aan de zogenaamde functions of money, waardoor het eerder een aandeel of

investering lijkt te zijn. De functions of money zijn de drie karakteristieken die geld definie ren (Mankiw, 2014):

1. Medium of exchange: het faciliteren van betalingen. Met geld kunnen er betalingen worden gemaakt tussen partijen, die anders alleen in de vorm van ruilen van producten zouden kunnen plaatsvinden.

2. Unit of account: weergeeft de relatieve waarde die wordt gegeven aan iets, zo kan de waarde van een pizza bijvoorbeeld €10,- zijn.

3. Store of value: is het opslaan van geld voor later gebruik. Geld moet kunnen worden opgeslagen en op een later moment gebruikt kunnen worden met ongeveer dezelfde waarde als het eerst had.

Yermack (2013) stelt dat er niet aan de karakteristiek unit of account wordt voldaan. Door de hoge volatiliteit van bitcoin is het moeilijk om een precieze waarde aan producten of services te binden die correspondeert met de wisselkoers, waardoor een klant al snel te veel of te weinig betaalt. Daarnaast is bitcoin niet geschikt als store of value, doordat dezelfde hoeveelheid bitcoins over een bepaalde tijd veel kan verschillen in waarde.

Nieuwe bezitters van bitcoin lijken deze mening te delen. Glaser, Zimmermann, Haferkorn, Weber, & Siering (2014) concluderen dat mensen liever hun bitcoins in bezit houden dan ze uitgeven. Het aantal transacties onder nieuwe bezitters ligt namelijk vrij laag. Het is

aannemelijk dat deze mensen speculeren dat de waarde van bitcoin zal stijgen en ze daarom vasthouden. Baek & Elbeck (2015) beamen dit, veel mensen en organisaties investeren in bitcoin als aandelen. De drempel om daadwerkelijk gebruik te maken van het betaalsysteem, lijkt voor sommige eigenaren nog te hoog.

2.4 Betaalmogelijkheden

In figuur 1 zijn de totale hoeveelheden transacties van bitcoin te zien per dag van het

afgelopen jaar (Blockchain , 2018). Het lijkt erop dat het aantal transacties redelijk constant is gebleven het laatste half jaar en in november weer omhoog schoot. De twee dalen na elkaar

7

aan het einde van deze periode zijn kerst (25/26 december) en nieuwjaarsdag (1 januari), beide feestdagen waarop weinig transacties zijn uitgevoerd.

Figuur 1: Aantal bitcoin transacties 22/01/17-22/01/18

Figuur 2: Aantal unieke bitcoin accounts 22/01/2017 - 22/01/2018

In figuur 2 is het totale aantal unieke bitcoin accounts te zien van afgelopen jaar. Ondanks dat er steeds meer mensen het bitcoin netwerk binnenkomen, lijkt het aantal transacties niet mee te groeien. Er is zelfs een lichte daling te zien in de periode van juni tot en met oktober. Een achterliggende reden kan zijn dat men te weinig producten of services kan betalen met

bitcoin. Uit cijfers van Stichting Internet Domeinregistratie Nederland (2017) blijkt dat van de circa 130.000 online webshops in Nederland, 1.040 webshops de mogelijkheid bieden aan de klant om met bitcoins te betalen. Dit betekent dat 0.8% van de webshops bitcoin als

8

hun producten en services aan te bieden in bitcoins. Door de hoge volatiliteit van bitcoin is het lastig om een waarde in bitcoins te vragen voor producten of services. Ditzelfde geldt voor de klant, die geen goede inschatting kan maken wat de waarde van producten en services zijn. Zo kan een aankoop in een week tijd relatief 10% duurder of goedkoper uitvallen voor de klant of verkoper.

Een markt die wel succesvol gebruik heeft gemaakt van bitcointransacties was de beruchte Silk Road. Op deze zwarte markt konden gebruikers geheel anoniem producten van elkaar kopen. Uit analyse blijkt dat er ruim 220 verschillende categoriee n waren van producten (Christin, 2013) en dat naar schatting 4.5-9% van alle bitcointransacties tussen 2011 en 2013 verliepen via Silk Road. De website werd in 2013 uit de lucht gehaald door de Amerikaanse staatspolitie (FBI) (Forbes, 2013), omdat ruim 70% van alle aangeboden producten op de website drugs waren (Christin, 2013).

Van Hout & Bingham (2014) concluderen dat de voornaamste redenen voor het gebruik van Silk Road door verkopers de anonimiteit, de veiligheid en het bereik zijn. Bitcoin biedt de anonimiteit en veiligheid van betalingen. Bovendien maakt bitcoin het mogelijk om globale betalingen snel af te ronden, wat weer zorgt voor een internationaal bereik. Een van de nadelen die de verkopers zien zijn de waardeschommelingen van bitcoin.

2.5 Invloed van kennis op acceptatie

Spenkelink (2014) tracht te achterhalen welke factoren invloed hebben op het adoptieproces van cryptogeld, waaronder de eerdergenoemde factoren veiligheid en privacy. Er wordt geconcludeerd dat gebruikersgemak, volatiliteit en de vorm van bestuur opvallend veel invloed hebben op de acceptatie van cryptogeld. Een factor die niet werd meegenomen, maar achteraf wel als potentieel invloedrijk werd ondervonden, was de kennis van de mens over cryptogeld.

Een dergelijk effect is al eerder gevonden bij andere producten en services. Zo beï nvloedde de kennis van mens de hoogte van het bedrag dat mensen willen betalen voor genetisch

gemodificeerd voedsel, na het leren over het proces en de voordelen van deze technieken (Lusk et al., 2004) Het leren over het onderwerp had hier een positief effect over het beeld van de biotechnologisch techniek. De auteurs verschaften negatieve informatie, positieve

informatie en een combinatie daarvan aan verschillende participanten. In alle gevallen bleek de participant meer bereid om genetisch gemodificeerd voedsel te consumeren dan voordat deze informatie werd verschaft. Positief georie nteerde informatie had hier het grootste effect en negatieve het laagste. Toch laat dit onderzoek zien dat informatie, zowel in positief als negatief opzicht, een positieve invloed kan hebben op de acceptatie van klanten.

Een vergelijkbaar effect werd gevonden in een onderzoek naar de acceptatie van gerecycled water (Dolnicar, Hurlimann, & Nghiem, 2010). In deze longitudinale studie kregen inwoners van Australie een kans om aan te geven in hoeverre zij bereid waren tot het gebruiken van gerecycled water in hun huis. Mensen kregen in een opvolgende vragenlijst visueel

9

krijgen van deze informatie eerder bereid te zijn om voor gerecycled water te kiezen in het huishouden.

Ook bij meer technische producten speelt dit effect. Chan-Olmsted & Chang (2006)

beschrijven het acceptatieproces van de digitale televisie in de Verenigde Staten. Een van de belangrijkste factoren die het adoptieproces beï nvloedde was de kennis die de participant over de digitale televisie had. De participanten werden hier getest op hun objectieve kennis over de werking en de mogelijkheden van digitale televisies. De auteurs merkten op dat mensen met een lage hoeveelheid kennis over de digitale televisie, vaak minder geneigd waren deze in de toekomst te kopen. Het viel hen tevens op dat de mensen die weinig wisten over de digitale televisie, vaak ook het nut ervan niet inzagen. Omdat digitale televisies duurder waren en nog steeds zijn dan de gewone televisies, kan het ontbreken van kennis die nodig is om de voordelen van de digitale televisie te zien, de drempelwaarde voor het kopen van een digitale televisie verhogen.

Het fenomeen dat mensen die over minder kennis beschikken over het product, het nut ervan ook minder inzien wordt ook gezien bij online betalen (Kim, Mirusmonov & Lee 2010). De auteurs zagen een verschil in de kennis van early adopters tegenover non-adopters en late

adopters. Early adopters hadden doorgaans meer kennis over de werking van de techniek.

Hierdoor zagen zij ook meer het nut van online betalen in, net als van de mogelijke

toepassingen van de techniek daarvan. Hierdoor werd het aantrekkelijker voor hen om deze techniek te gebruiken. Daarnaast bleken early adopters eerdere ervaringen met vergelijkbare technieken te gebruiken. Zij benutten dus verschillende soorten kennis om tot een besluit te komen of zij een techniek wilden adopteren. Deze mate van kennis was minder aanwezig bij late en non-adopters. Late- en non-adopters zeiden de techniek niet te gebruiken, omdat zij het nut ervan niet van inzagen of de techniek moeilijk vonden te begrijpen en te gebruiken. Late adopters hadden ondanks de lage mate van kennis, toch besloten de techniek in gebruik te nemen. De doorslaggevende factor hiervoor leek dat zij het nut inzagen van de techniek. Dit nut bleek zich vooral te uiten in convenience oftewel het vergemakkelijken van een bestaand proces. Late adopters beseften dat mobiel betalen het mogelijk maakte om bijna overal betalingen te kunnen doen. Iets wat eerst beperkt werd door het aanwezig zijn van een computer of laptop.

Een factor die nauw verweven is met kennis is self-efficacy. Self-efficacy wordt gedefinieerd als de mate van vertrouwen die iemand heeft in zijn kennis en capaciteit om het product te

gebruiken (Bandura, 1977; Bandura & Ramachaudran, 1994). Self-efficacy had een belangrijke invloed op de acceptatie of toekomstig gebruik van een techniek, product of service

(Subramanian, Cousins & Zadeh, 2017; Luarn & Lin, 2005; Hung, Chang & Yu, 2006). De algemene consensus was dat hoe meer mensen erop vertrouwen dat zij de techniek kunnen gebruiken, hoe eerder zij geneigd waren om de techniek daadwerkelijk in gebruik te nemen. Deze onderzoeken concludeerden dat het geven van trainingen een positief effect heeft op de self-efficacy en dus de acceptatie van nieuwe technieken. Mensen leren wat het product in kwestie inhoudt en hoe ze het kunnen gebruiken, waardoor het gebruik toeneemt.

10

2.6 Netwerkeffect

Ondanks het feit dat mensen bitcoin niet gebruiken op de wijze die in eerste instantie de intentie was, hebben zij wel de moeite genomen om bitcoins te kopen of te minen. Dit laat zien dat men enige vorm van interesse heeft in bitcoin. Deze interesse kan een positief effect

hebben op de interesse van anderen. Iemand kan zijn interesse in bitcoin delen met zijn vrienden, familie of collega’s, die dan weer mogelijke bitcoingebruikers kunnen worden (van Dijk, 2001). Het behouden van bitcoin als aandelen door de investeerders kan ook gezien worden als gebruik. Mensen die bitcoins op deze manier gebruikers zijn waarschijnlijk nog steeds bezig met het opnemen en verspreiden van informatie over bitcoin. Hierdoor wordt de gebruiker zelf beter ingelicht en wekt deze interesse over bitcoin bij anderen. Dit leidt weer tot mogelijke nieuwe gebruikers.

Daarnaast is ook het aspect van transacties een maatstaf voor gebruik. Een groot aantal transacties is dan ook een indicatie van een hoge acceptatie van bitcoin. Dit duidt op een goede inbedding van de techniek in het leven van deze persoon. Het is niet meer vreemd om betalingen af te ronden met bitcoins.

2.7 Effect van nieuws

Het nieuws informeert mensen over de huidige belangrijke gebeurtenissen op nationaal en internationaal niveau. Het is e e n van de manieren waarop mensen informatie binnenkrijgen en zo ook leren over het bestaan van nieuwe technologiee n. Dit is de eerste stap in het

accepteren van een innovatie (Hall et al., 1975). Voordat mensen daadwerkelijk een innovatie in gebruik nemen, verzamelen ze doorgaans eerst meer informatie over het onderwerp. Ze worden gedreven door hun eigen interesse. Voor diepgang voldoet het nieuws vaak niet en wenden mensen zich tot het internet voor verdere informatie. Het nieuws ondersteunt dus de eerste stappen in het acceptatieproces van innovaties.

Verder zijn de media krachtige informatieverspreiders. Ze kunnen een groot publiek aanspreken en deze mensen informeren over een groot scala aan zaken. Doordat de media zoveel mensen bereiken, hebben zij een invloedrijke positie. Het is daarom interessant om te onderzoeken hoe de media hun lezers beï nvloeden.

Verschillende onderzoeken wijzen uit dat politieke reclames positieve effecten hebben op de politieke kennis en interesse in de politiek van de participanten (Freedman et al., 2004; Ridout et al, 2004; De Vreese & Boomgaarden, 2006). Uit het onderzoek van Freedman et al. (2004) bleek dat de participanten beter bekend waren met de kandidaten. Bovendien waren zij eerder geneigd te stemmen dan mensen die niet blootgesteld waren aan reclames. Dit effect was het sterkst bij mensen die geen of weinig politieke voorkennis hadden. De informatie die de participanten binnenkregen heeft de houding van sommigen veranderd. Degenen die eerst niet van plan waren te stemmen hebben dit alsnog gedaan. De auteurs stellen dat deze

verandering van houding door blootstelling aan reclames een vorm van acceptatie is. Dit wijst erop dat de media invloed hebben op de consument en hen weten te activeren om te stemmen door middel van reclames.

11

De vraag blijft hier of nieuwsartikelen eenzelfde effect hebben. Reclames hebben vaak een emotionele lading die mensen aanspreekt op hun gevoelens. Nieuwsartikelen zijn vaak

neutraler en hebben deze lading niet. Daarnaast zijn reclames met betrekking tot verkiezingen specifiek gericht om mensen te activeren om te stemmen, terwijl nieuwsartikelen dit doel niet per se nastreven. Nieuwsartikelen en advertenties delen wel het doel van informatie

doorgeven aan mensen. Dit kan de factor zijn die mensen tot acceptatie brengt. Het effect van nieuws op consumeergedrag werd onderzocht door Li et al. (2007), zij concludeerden dat nieuws invloed had op de verkoop van gejodeerd zout. In 2001 werd geconstateerd dat er bij een verhoogd percentage kinderen in Australie een jodiumtekort werd gevonden. Een probleem dat relatief makkelijk te verhelpen is door het gebruik van gejodeerde zouten. Echter ondanks deze makkelijke oplossing, bleef de groei in verkoop en gebruik van deze gejodeerde zouten uit. In 2003 en 2004 kreeg dit onderwerp meerdere keren mediabelangstelling en werden er nieuwsitems uitgezonden over het jodiumtekort. Li et al. (2007) maten een groei in de verkoopcijfers van gejodeerd zout na bijna elk van deze

nieuwsuitzendingen. Hieruit wordt geconcludeerd dat het voorkomen van een product in het nieuws het koopgedrag van consumenten kan beï nvloeden. Dit is wellicht naast

gezondheidsproducten ook te betrekken op technologische producten, zoals bitcoin.

Polasik et. al (2015) vinden een positieve relatie tussen de toename van het aantal artikelen vergeleken met de week daaraanvoorafgaand met de term ‘bitcoin’ en de prijs van bitcoin. Deze artikelen komen van zowel kranten, blogs als tijdschriften. Dit betekent dat de toename in de berichtgeving van bitcoin een positief effect heeft op de vraag naar bitcoin, bestaande gebruikers willen daardoor meer bitcoins kopen. Een ander mogelijk effect is dat er meer mensen instappen en voor het eerst bitcoins aanschaffen. Dit effect is echter niet belicht in het onderzoek. Wat de auteurs verder opmerken is dat artikelen met een positieve lading een positieve invloed hebben op de prijs, terwijl negatief geladen artikelen een negatieve impact kunnen hebben op de prijs. De variabele, tone, is berekend door het gemiddelde aantal positieve en negatieve woorden in blokken van 500 woorden van alle artikelen per maand te tellen. Het geeft aan in hoeverre de artikelen over bitcoin van de maand in kwestie positief of negatief waren.

Niet alleen het passief verkrijgen van informatie over bitcoin is onderzocht, ook het actief zoeken naar informatie is onderozcht (Kristoufek, 2013). De auteur vond een positieve relatie tussen het aantal zoekopdrachten op google en de waarde van bitcoin. Ditzelfde effect werd ook gevonden in het aantal bezoeken aan de Wikipedia pagina van bitcoin. Naast dit verband, concludeert de auteur dat de relatie beide kanten op werkt. Het aantal zoekopdrachten van bitcoin beï nvloedt de waarde en de waarde beï nvloedt het aantal zoekopdrachten.

In figuur 3 zijn naar aanleiding van de bespreking van de literatuur de relaties tussen het nieuws, de waarde en het aantal nieuwe gebruikers met betrekking tot bitcoin afgebeeld. De waarde van bitcoin wordt beï nvloed door de hoeveelheid geschreven nieuwsartikelen hierover (Polasik et al., 2015). De vraag hierbij blijft of dit effect wederkerig is. Heeft de waarde van bitcoin ook effect op de hoeveelheid nieuwsartikelen? Een dergelijk effect van de waarde op de hoeveelheid nieuwsartikelen werd niet door de auteurs onderzocht. Een

12

soortgelijk effect werd wel gevonden tussen de waarde van bitcoin en het aantal

zoekopdrachten naar bitcoin en tussen de waarde van bitcoin en het aantal lezers van de Wikipedia pagina van bitcoin. Het is dus aannemelijk dat een dergelijke relatie ook aanwezig is tussen de waarde van bitcoin en het aantal nieuwsartikelen. Tot slot heeft het aantal nieuwe gebruikers een positief effect op de waarde van bitcoin, zolang de vraag naar bitcoin harder stijgt dan het aanbod. Het aantal bitcoins vermeerdert namelijk over de tijd met dezelfde hoeveelheid door de manier waarop minen werkt.

Met dit onderzoek verken ik de tot nu toe onderbelichte relatie tussen het nieuws en het aantal nieuwe gebruikers. In het bijzonder wordt daar gekeken naar het aantal

nieuwsberichten. Daarnaast kijk ik naar de invloed van de waarde van bitcoin op het aantal nieuwe gebruikers. Verder is het mogelijk dat de blootstelling van het aantal geschreven artikelen aan de potentiele gebruikers een vertraagd effect heeft. Het aanmaken van een bitcoinwallet kan het resultaat zijn van het lezen van artikelen over bitcoin in de voorgaande weken. Er zal hier worden gekeken naar e e n en twee weken voorafgaand aan het aanmaken van de wallet.

In het onderstaande figuur zijn de relaties uitgebeeld tussen het nieuws, de waarde en het aantal nieuwe gebruikers zoals deze naar voren komen uit de literatuur. In dit onderzoek zal zowel de relatie tussen het nieuws en het aantal nieuwe gebruikers en de relatie tussen de waarde en het aantal nieuwe gebruikers worden onderzocht. Er zal worden getracht na te gaan welke aard deze relatie heeft.

Figuur 3 Relaties tussen het nieuws over bitcoin, de waarde van bitcoin en het aantal nieuwe gebruikers van bitcoin

13

3 Hypotheses

Mijn verwachtingen voor dit onderzoek zijn dat de acceptatie van bitcoin hoger is wanneer er meer geschreven wordt over bitcoin. Wanneer er meer wordt geschreven over bitcoin worden er meer mensen benaderd en speelt het ook meer een rol in het leven van de mensen.

Hierdoor is het mogelijk dat interesse wordt aangewakkerd en dat men dus bitcoins gaat gebruiken. Dit gebruik kan zowel het gebruik van bitcoin als investering of als het gebruik van bitcoin als betaalmiddel betreffen. De volgende hypothese is hierbij opgesteld:

H0.1: Het aantal geschreven nieuwsartikelen heeft geen invloed op de groei van het aantal

bitcoingebruikers.

H0.1.1: Het aantal geschreven artikelen in de voorafgaande week heeft geen invloed op de groei

van het aantal bitcoingebruikers.

H0.1.2: Het aantal geschreven artikelen in de twee voorafgaande weken heeft geen invloed op de

groei van het aantal bitcoingebruikers.

Daarnaast wordt er ook gekeken in hoeverre de waarde van bitcoin hierbij invloed uitoefent op de groei van het aantal gebruikers:

H0.2: De waarde van bitcoin heeft geen invloed op de groei van het aantal bitcoingebruikers. H0.2.1: De waarde van bitcoin in de voorafgaande week heeft geen invloed op de groei van het

aantal bitcoingebruikers.

H0.2.2: De waarde van bitcoin in de twee voorafgaande weken heeft geen invloed op de groei van

het aantal bitcoingebruikers.

4 Methode

4.1 Nieuwssites

In dit onderzoek worden de artikelen van drie nieuwssites geanalyseerd: de Volkskrant, The Guardian en The Wall Street Journal. Deze drie bronnen van journalistiek behoren tot de belangrijkste nieuwsbronnen in hun respectievelijke landen.

De keuze achter The Wall Street Journal is de internationale reikwijdte die de krant heeft. The Wall Street Journal heeft een groot buitenlands publiek, zo stond de krant op de vijftiende plaats van meest gecirculeerde kranten ter wereld in 2016 (Milosevic, 2016). Juist door deze internationale invloed beschrijft The Wall Street Journal ook de belangrijke gebeurtenissen in andere landen die een wereldwijde impact hebben.

The Guardian is vergelijkbaar aan het The Wall Street Journal in internationaal bereik. Naast het feit dat deze Britse krant e e n van de grootste en voornaamste nieuwsbronnen van het land is, behoort de website van The Guardian tot e e n van de nieuwswebsites met het hoogste aantal internetbezoekers per maand ter wereld (Sweney, 2014).

De Volkskrant is een kleinere speler in de journalistiek vergeleken met de andere twee kranten. Het mist de internationale invloed die The Wall Street Journal en The Guardian hebben doordat het nieuws gericht en geschreven is naar Nederlands publiek. Toch kan de

14

Volkskrant als nuttig beschouwd worden. Zo schrijft de krant al lange tijd nieuws voor haar lezers en heeft een goede naam in Nederland. De krant wordt als kwaliteitskrant gezien (Bakker & Scholten, 2011). Hoewel de Volkskrant een Nederlandse krant is, beschrijft deze krant zoals de meeste andere kranten ook nieuws met internationaal belang, waaronder nieuws omtrent bitcoin.

Deze nieuwssites beschrijven veel verschillende soorten nieuwsonderwerpen en zullen dus niet alleen in technisch opzicht over bitcoin schrijven, maar ook over sociale en economische ontwikkelingen. Hierdoor spreekt het een zo groot mogelijk deel van de lezers met

verschillende interesses aan. Door nieuwssites van verschillende landen te analyseren, wordt een zo volledig mogelijk beeld geschetst van de ontwikkelingen rondom bitcoin.

Internationale ontwikkelingen worden hoogstwaarschijnlijk door alle belangrijke nieuwssites beschreven. Het lokale nieuws zal in mindere mate invloed hebben op de acceptatie van bitcoin.

Er wordt per week gekeken naar het aantal artikelen over bitcoin. De reden hierachter is dat er vaak maximaal e e n of twee artikelen per dag over bitcoin zijn geschreven en het moeilijk is hier meetbare verschillen te vinden bij het verschil in aangemaakte wallets. Door een periode van een week te nemen, zijn de verschillen beter te meten. Daarnaast zal er, wanneer er een grote gebeurtenis omtrent bitcoin plaatsvindt, naar alle waarschijnlijkheid een piek zichtbaar zijn in het aantal nieuwsartikelen. Vaak worden deze gebeurtenissen meerdere keren en door verschillende kranten beschreven. Het nemen van een groep van artikelen geeft dus een beter beeld van de ontwikkelingen rondom bitcoin.

4.2 Datasets

De waarde van bitcoin en het aantal aangemaakt wallets worden opgehaald met de API van blockchain.info. Deze data kon worden opgehaald als een .csv bestand. De data loopt van maandag 3 december 2011 tot en met zondag 20 mei 2018. Maandag 3 december is het eerste datapunt van de dataset van het aantal wallets, waardoor dit de vroegst mogelijke week is om te analyseren.

De nieuwsartikelen worden opgehaald van de archieven van de websites van de Wall Street Journal, de Guardian en de Volkskrant. Al deze artikelen zijn gelabeld door hun

respectievelijke websites met ‘bitcoin’. Met behulp van een python script zijn onder andere de data van de artikelen en de tekst van de artikelen verkregen. Deze worden verder gebruikt voor de analyse.

De Wall Street Journal heeft in totaal 3.548 nieuwsitems, inclusief commentaar, in hun archief en zijn opgehaald van: https://www.wsj.com/search/term.html?KEYWORDS=bitcoin3_{. Deze} artikelen zijn geschreven tussen 29 mei 2011 en 19 mei 2018. Hierbij zijn drie artikelen buiten beschouwing gelaten, omdat deze vo o r 3 december 2011 zijn geschreven. Daarnaast zijn er vijf artikelen niet goed opgehaald; deze zijn tevens niet opgenomen in de dataset.

15

In het archief van de Volkskrant zijn er 284 artikelen en blogs geschreven en zijn opgehaald van: https://www.volkskrant.nl/search?query=bitcoin. Deze artikelen zijn geschreven tussen 15 augustus 2014 en 17 mei 2018.

Het archief van de Guardian bevat 481 artikelen en zijn opgehaald van:

https://www.theguardian.com/technology/bitcoin. Deze dateren van 12 juni 2011 tot en met 14 mei 2018. Hierbij worden acht artikelen niet meegenomen, omdat zij eerder dan 3

december 2011 zijn geschreven.

De uiteindelijke dataset bestaat uit 4.279 artikelen van de nieuwssites van de Volkskrant (284), The Guardian (473) en The Wall Street Journal (3540). De verdeling van het aantal artikelen in uitgebeeld in het onderstaand figuur.

Figuur 4 Verdeling van het aantal artikelen van The Wallstreet Journal, The Guardian en de Volkskrant

4.3 Nieuwe gebruikers

Het aantal nieuwe gebruikers van bitcoin wordt gemeten door middel van de cijfers van blockchain.info. Zij hebben niet de precieze cijfers van het aantal gebruikers, maar wel van het aantal unieke bitcoinwallets. Elke persoon die bitcoin wil gebruiken, dient een wallet te

bezitten met een gebonden sleutelcode. Hierdoor kan het aantal gebruikers van bitcoin afgeleid worden van het aantal wallets. In de analyse wordt het verschil in aantal wallets vergeleken met het aantal wallets in de voorgaande week. Hieruit is de groei van het aantal gebruikers op te maken. In het geval van bitcoin wallets is het verschil enkel positief. De data worden namelijk afgelezen uit de blockchain, waarin alle unieke sleutelcodes van alle wallets zijn opgenomen. Het is dus niet te zien of een wallet verloren, inactief of verwijderd is.

Doordat alleen wallets zijn gemeten die voorkomen in de blockchain, zijn gebruikers die een

The Wall Street Journal (3540) The Guardian (473)

16

wallet hebben zonder daarmee een transactie hebben gemaakt, dus bitcoins hebben gekocht of verkocht, niet opgenomen in de data.

4.4 Vertraagd effect nieuwsartikelen

Een mogelijk fenomeen is dat het aantal geschreven artikelen een vertraagd effect heeft op potentie le nieuwe gebruikers. Zo kunnen mensen e e n of meerdere weken achter elkaar veel blootgesteld worden aan nieuws over bitcoin, wat hen kan overhalen een bitcoinwallet aan te maken. Het aantal artikelen in de week dat men de wallet aanmaakt is dan niet van groot belang. Hiervoor moet gekeken worden naar een periode hiervoor. Er is hier gekozen om een periode van e e n en twee weken voor het aanmaken van de wallet te bekijken. Een mogelijk vertraagd effect zou hier gevonden kunnen worden.

Voor de analyse betekent dit dat de groei wordt gekoppeld met het aantal artikelen en de waarde van bitcoin van de voorgaande week. Bij de periode van twee weken is de som genomen van het aantal artikelen van de twee voorgaande weken. Dit stelt voor hoeveel de gebruiker is blootgesteld aan nieuws over bitcoin. Voor de waarde is een gemiddelde genomen voor de twee voorgaande weken.

4.5 Dataverwerking

De data van blockchain.info over het aantal wallets en de waarde van bitcoin konden

gedownload worden als een .csv bestand van de website. De informatie over de artikelen van de nieuwswebsite was echter niet dusdanig beschikbaar. Deze artikelen zijn daarom met behulp van Python van de nieuwswebsites afgelezen. Eenmaal afgelezen zijn de artikelen gesorteerd per week, waarna ze zijn klaargemaakt voor de statistische analyses. Voor deze data pre-processing is gebruik gemaakt van de pythonmodules BeautifulSoup4 _{en Pandas}5_. De dataset van blockchain.info (2018) bevatte het totaal aantal bitcoin wallets per gemeten moment. Van 29 november 2011 tot 20 juni 2017 was dit elke andere dag om middernacht. Hierna werd het aantal wallets elke dag, of meerdere keren per dag gemeten. Per week is het aantal wallets van de laatst bekende dag van de week als leidend genomen. Tot 20 juni 2017 was dit moment afwisselend zaterdag en zondag om 00:00 uur. Hierna is het laatst gemeten moment op de zondag genomen. De tijden hiervan verschilden per week. Het verschil van het totaal aantal wallets tussen de weken is genomen als de groei.

De dataset van de waarde van bitcoin is ook van blockchain.info (2018) verkregen. In deze dataset werd tevens om de dag de wisselkoers in Amerikaanse dollars gemeten. Dit werd om de dag gedaan tot de laatste week die is meegenomen in dit onderzoek, 17 juni 2018. De waarde van bitcoin is in dit onderzoek dan ook de laatst gemeten wisselkoers per week, om de week op zaterdag en zondag.

4_{BeautifulSoup (4.4.0) is een pythonbibliotheek dat wordt gebruikt voor het extraheren van data uit HTML en} XML bestanden.

17

4.6 Analyse

Concluderend wordt de analyse opgesplitst in drie delen. In het eerste deel wordt de invloed van het aantal artikelen en de waarde van bitcoin op de groei van het aantal wallets

onderzocht met een regressieanalyse. In het tweede en derde deel wordt het vertraagde effect van het aantal artikelen en de waarde belicht. In het tweede deel wordt de invloed van het aantal artikelen en de waarde van bitcoin van e e n voorafgaande week op de groei van het aantal wallets gemeten. In het derde deel wordt de invloed van het aantal artikelen en de waarde van bitcoin van twee voorafgaande weken op de groei van het aantal wallets gemeten.

5 Resultaten

Figuur 5 geeft een overzicht van de groei van het aantal wallets, het aantal artikelen en de waarde van bitcoin. Voor de y-as is hierbij een logaritmische schaal genomen. De waarde, het aantal artikelen en de groei van het aantal wallets lijken dezelfde trend te volgen. Dit doet vermoeden dat er inderdaad relaties tussen deze factoren zijn. Er zijn drie lichte

gemeenschappelijke pieken te zien in het eerste halfjaar van 2013, het najaar van 2013 en het najaar van 2017. Verder heeft de lijn van het aantal artikelen en de waarde van bitcoin

eenzelfde lichte curve van 2014 tot en met 2017. De groei van het aantal wallets deelt deze curve niet, maar maakt een lichte constante stijging door de jaren heen.

De diepe dalen van het aantal artikelen aan het einde van de meeste jaren, is te verklaren doordat er op oud- en nieuwjaarsdag minder geschreven wordt door de media. In de maand januari 2018 is dit effect niet te zien. Afgaande op de data zijn er op 1 januari 2018 geen nieuwsartikelen geschreven over bitcoin op de desbetreffende nieuwssites. Echter in dezelfde week zijn er wel veel artikelen gepubliceerd. Naar verwachting zal de hoge volatiliteit van bitcoin, samen met een succesvol jaar van de cryptomunt hieraan hebben bijgedragen. Zo zijn er verschillende artikelen door de Wall Street Journal gepubliceerd die een terugblik werpen op het jaar 2017 en voorspellingen doen over de toekomst van bitcoin.

18

Figuur 6d: scatterplot aantal artikelen tegen groei 2015-2018

Figuur 6f: scatterplot aantal artikelen tegen groei 2017-2018

Figuur 6a: scatterplot aantal artikelen tegen groei 2011-2018

Figuur 6c: scatterplot aantal artikelen tegen groei 2014-2018

Figuur 6e: scatterplot aantal artikelen tegen groei 2016-2018

Figuur 6b: scatterplot aantal artikelen tegen groei 2013-2018

19

De kleine ruis in de lijn van de groei van het aantal wallets tot juni 2017 is te danken aan het verschil in meetmomenten van de data. Zoals in de methode beschreven waren de

meetmomenten tot deze datum om de dag. Hierdoor is de groei in deze periode afwisselend per zes en per acht dagen gemeten.

5.1 Verband tussen groei aantal wallets en het aantal geschreven artikelen

Om een lineaire regressie uit te voeren dienen de data te voldoen aan een aantal assumpties. Als eerste is getest in hoeverre de data een lineair verband lijkt te hebben. In figuur 6a is te zien dat er geen lineair verband lijkt te zijn. Echter wanneer er wordt gekeken naar kleinere, recentere periodes, lijkt een dergelijk verband wel aanwezig te zijn. Zo is te zien in figuren 6d-6f dat vanaf de jaren 2015-2018 er een lineaire lijn is te vinden in de scatterplots.

In tabel 1 zijn de exacte outliers van de data te zien. Opvallend is dat vrijwel alle outliers zich bevinden in december 2017 en het begin van 2018. Week 31 in 2017 is hierop een

uitzondering. Rond deze periode werden er knopen doorgehakt door de meerderheid van de ontwikkelaars om een vernieuwend protocol te implementeren in de opkomende versie. Dit protocol zou de transactiesnelheid van bitcoin versnellen om zo beter om te kunnen gaan met de grote groei in het aantal transacties6_{. Dit was positief nieuws voor de toekomst voor}

bitcoin, wat de groei in het aantal nieuw aangemaakte wallets beï nvloed zal hebben. In de periode van december 2017 tot en met februari 2018 maakte bitcoin grote

waardeschommelingen mee. Deze volatiliteit zal enerzijds de gebruikers en anderzijds de journalistiek beï nvloed hebben. Voor het valideren van de verdere assumpties zijn de outliers niet meegenomen, omdat deze kunnen storen met de resultaten hiervan.

De tweede assumptie voor het uitvoeren van een lineaire regressie is dat de variantie van de data normaal verdeeld is. Voor zowel de groei en het aantal artikelen is dit het geval voor de tijdsperiodes 2015-2018, 2016-2018 en 2017-2018.

De derde assumptie is homoscedasticiteit van variantie. Dit betekent dat de spreiding voor alle onafhankelijke y-waarden hetzelfde is. Om te testen voor homoscedasticiteit, wordt de

Breusch-Pagan test uitgevoerd (Breusch, Pagan, 1979) te zien in tabel 2. De nulhypothese dat de data homoscedastisch is wordt hierbij verworpen.

6

https://www.businessinsider.nl/bitcoin-als-een-raket-omhoog-richting-3-000-en-ethereum-volgt-cryptomunten-jojoen-met-tientallen-procenten/

20

Doordat de data niet homoscedastisch, maar heteroscedastisch zijn en de verklaring van de variantie en het verband tussen de variabelen in deze instantie belangrijk zijn, is het niet geoorloofd om een lineaire regressie uit te voeren (Long & Ervin, 2000). De lineaire regressie kan bij hetereoscedastische data significant uitkomen, terwijl de kans groot is dat dit niet juist is. Door het verschil in variantie dat wordt veroorzaakt door de heteroscedastische data wordt hierbij bij de berekening van een lineaire regressie de variantie onderschat. Mogelijke

oplossingen hiervoor zijn het transformeren van de data of het kiezen van een andere statistische toets die wel aan de juiste assumpties voldoet.

5.2 Kwantiele regressieanalyse

Een alternatief op een lineaire regressie is de quantile regression of de kwantiel regressieanalyse (Koenker & Bassett Jr., 1978). Bij deze analyse worden er regressies

uitgevoerd op de kwantielen van de kansverdeling van de data, dus kleinere delen van de data. Hierdoor kunnen verschillen worden gevonden in de mate van invloed tussen lagere en

hogere kwantielen. Met name bij een regressiemodel op heteroscedastische data kan worden geconcludeerd dat de gemiddelden niet voorspeld kunnen worden op basis van spelingen in de variantie van de onafhankelijke variabelen (Cade & Noon, 2003). Cade en Noon

beargumenteren hier echter dat vooral op het gebied van ecologie ongemeten variabelen een probleem vormen bij het uitvoeren van statistische analyses. Deze kunnen de andere gemeten variabelen beï nvloeden, waardoor de variantie sterk kan verschillen. Door de complexiteit en interconnectiviteit van de variabelen kunnen deze in bepaalde kwantielen wel of geen

significant effect hebben. Waar in een enkele regressie hier wellicht geen significante of invloedrijke regressielijn te trekken is, kan dit voor een selectie van de kwantielen wel gedaan worden.

Er wordt een kwantiel regressie uitgevoerd op de data van 2014-2018. Hierbij zijn de data opgedeeld in decielen, oftewel negen kwantielen die elke 10% van de kansverdeling van de data scheidt. Er zijn geen duidelijke richtlijnen voor het aantal kwantielen dat gebruikt dient te worden voor een kwantiel regressie. Met deze hoeveelheid decielen kan elke 10% van de kansverdeling van de data worden vergeleken. Door de data in decielen op te delen zijn er genoeg data per kwantiel om significante resultaten te krijgen per deciel uit een kwantiele regressieanalyse. Verder is in een ANOVA test te zien in tabel 3 dat er significante (p < 0.000) verschillen zijn tussen de verschillende regressielijnen. De kwantielen zijn dus nog groot genoeg om hier meetbare verschillen te zien.

Df Resid Df F value Pr(>F)

16 1577 19.253 < 0.000

Tabel 3 ANOVA kwantiele regressie Tabel 2: Breusch-Pagan test

χ2 DF p

2015-2018 4.1041 1 0.04278

2016-2018 28.254 1 0.00097

21

De resultaten van de kwantiel regressieanalyse zijn te zien in tabel 4. De intercept is hierbij de voorspelde groei van het aantal wallets wanneer het aantal geschreven artikelen en de waarde van bitcoin die week geen invloed zouden hebben hierop. Het aantal artikelen in het aantal artikelen dat in de desbetreffende week is geschreven door de Volkskrant, The Guardian en The Wall Street Journal. De Waarde is de wisselkoers op het laatst gemeten moment van de desbetreffende week. Zowel de coe fficie nt van de intercept als de waarde van bitcoin is bij alle kwantielen significant aanwezig. Het aantal artikelen is alleen niet significant voor het 7e kwantiel (p<0.05198). Opvallend hierbij is dat de coe fficie nt van het aantal artikelen een grote daling maakt bij het vierde kwantiel (coef. = 142.85855). Dit verklaart naar alle

waarschijnlijkheid ook waarom dit kwantiel niet significant is (p < 0.91069). 2014-2018

0.1 0.2 0.3

coëfficiënt p coëfficiënt p coëfficiënt p

Intercept 27674.39491 0 31065.00783 0 40455.93033 0

Aantal artikelen -311.34494 0 -244.65048 0.03395 -453.7872 0.02903

Waarde 11.40121 0 11.88189 0 16.41435 0

0.4 0.5 0.6

coëfficiënt p coëfficiënt p coëfficiënt p

Intercept 51699.68108 0 65327.42557 0 80681.47637 0

Aantal artikelen -823.22142 0.04829 -1131.37375 0 -1201.36467 0

Waarde 18.6143 0 22.00304 0 24.27819 0

0.7 0.8 0.9

coëfficiënt p coëfficiënt p coëfficiënt p

Intercept 84096.91423 0 99448.2524 0 118825.5806 0

Aantal artikelen -1015.17146 0.05198 -663.51211 0.21253 -873.87953 0.03789

Waarde 29.2107 0 27.28007 0 33.62558 0

Tabel 4 Resultaten kwantiele regressieanalyse

In figuur 7 zijn de individuele coe fficie nten geplot. Het grijze gebied dat deze lijn omringt zijn de onder- en bovengrens van de coe fficie nten. Dit staat gelijk aan het

betrouwbaarheidsinterval van de parameters, oftewel de zekerheid dat de waarde van deze parameters binnen dit interval vallen. Bij dit onderzoek is een betrouwbaarheidsinterval van 90% aangehouden. De betrouwbaarheidsintervallen laten zien dat met name bij de hoogste kwantielen beide parameters veel kunnen verschillen.

22

Figuur 7 Coëfficiënten van de kwantiele regressieanalyse 5.3 Vertraagd effect kwantiele regressieanalyse

In de onderstaande tabellen zijn de resultaten van het vertraagd effect van het aantal artikelen en de waarde op de groei van bitcoin te zien. In elk kwantiel, bij zowel e e n voorgaande week als twee voorgaande weken, is de waarde van bitcoin significant. In alleen het 3e _{en 8}e

kwantiel van e e n voorafgaande week is het aantal artikelen niet significant.

Het lijkt erop dat het betrouwbaarheidsinterval van zowel de coëfficiënten van het aantal artikelen als de waarde van bitcoin van één voorafgaande week kleiner is dan het betrouwbaarheidsinterval van die van twee voorafgaande weken. Dit wijst erop dat het zekerder is dat de parameters dichtbij de voorspelde waarde van de coëfficiënten liggen.

23

De resultaten voor het effect van e e n voorafgaande week is te zien in tabel 5. De resultaten voor het effect van twee voorafgaande weken is te zien in tabel 6.

2014-2018

0.1 0.2 0.3

coefficient p coefficient p coefficient p

Intercept 29671.2222 0 35443.6557 0 40719.1781 0

Aantal

artikelen -317.94903 0.0099 -427.1544 0.0198 -529.85367 0.1586

Waarde 11.46347 0 12.85777 0 16.85033 0

0.4 0.5 0.6

coefficient p coefficient p coefficient p

Intercept 56647.8057 0 69266.5996 0 81654.2373 0

Aantal

artikelen -919.89977 0.0232 -1343.5278 0.0001 -1398.0474 0.0012

Waarde 17.76441 0 22.43338 0 24.96945 0

0.7 0.8 0.9

coefficient p coefficient p coefficient p

Intercept 89103.0904 0 102545.691 0 129362.607 0

Aantal

artikelen -1283.2111 0.0075 -988.95278 0.0586 -1085.3695 0.0113

Waarde 29.75773 0 28.07526 0 29.83032 0

Tabel 5 Kwantiele regressieanalyse één voorafgaande week

Figuur 9 Coëfficiënten van de kwantiele regressieanalyse van twee voorafgaande weken Figuur 8 Coëfficiënten van de

kwantiele regressieanalyse van één voorafgaande week

24 2014-2018

0.1 0.2 0.3

coëfficiënt p coëfficiënt p coëfficiënt p

Intercept 27283 0 35723 0 43019.52 0

Aantal artikelen -144.31 0.00007 -280.1 0.00014 -331.625 0.01162

Waarde 12.733 0 14.603 0 16.67266 0

0.4 0.5 0.6

coëfficiënt p coëfficiënt p coëfficiënt p

Intercept 55557 0 67293 0 83242.05 0

Aantal artikelen -544.98 0 -743.98 0 -756.408 0.00005

Waarde 24.71 0 24.71 0 24.28261 0

0.7 0.8 0.9

coëfficiënt p coëfficiënt p coëfficiënt p

Intercept 95553 0 104333 0 133631 0

Aantal artikelen -891.34 0 -683.95 0.01121 -813.473 0.01324

Waarde 27.486 0 28.901 0 28.80289 0

Tabel 6 Kwantiele regressieanalyse twee voorafgaande weken

6 Discussie

6.1 Implicaties

De H0.1 en H0.2 hypotheses kunnen worden verworpen naar aanleiding van de resultaten. De resultaten van de kwantiele regressieanalyse suggereren dat het aantal geschreven artikelen over bitcoin een negatieve invloed op de groei van het aantal bitcoinwallets heeft en de waarde van bitcoin een positieve invloed daarop heeft. Er zijn significante (p<0.05)

regressielijnen gevonden op de meeste kwantielen van de groei van het aantal wallets tussen januari 2014 tot en met mei 2018. Het verschil in de grootte van de coe fficie nten is te

verklaren door de verschillen in groottes van de data die gebruikt is. Het aantal artikelen dat geschreven zijn per week reikt tot in de tientallen artikelen, terwijl de waarde van bitcoin verschilt tot in duizenden dollars per week.

Het aantal artikelen is in twee kwantielen niet significant: het 7e _{kwantiel (p< 0.05198) en 8}e kwantiel (p<0.21253). In de middelhoge kwantielen 0.5, 0.6 en 0.7 is de negatieve invloed van het aantal artikelen het sterkst. De groei van het aantal wallets wordt dus volgens deze

analyse wel beï nvloed door het aantal artikelen, maar dan in negatieve zin. Wanneer er alleen naar het aantal artikelen wordt gekeken betekent dat, dat hoe meer artikelen zijn geschreven in een week, hoe lager de verwachte groei die week uitvalt. Dit komt niet overeen met het geï mpliceerde effect dat door Polasik et al. (2015) werd gevonden. In dit onderzoek

concludeerden de auteurs dat het aantal artikelen positief effect had op de waarde van bitcoin, wat weer een positieve invloed op de groei van het aantal gebruikers had. Dit kan een aantal oorzaken hebben. Zo heeft het onderzoek van Polasik et al. data gebruikt van 2010-2014, terwijl dit onderzoek data van 2014-2018 benut. Het nieuws rondom bitcoin zal in de vroege jaren van de techniek een andere inhoud hebben gehad en op andere mensen zijn gericht. Het

25

nieuws zal hier op meer technischere mensen zijn gericht, terwijl in de recentere jaren het nieuws omtrent bitcoin juist op iedereen is gericht. Daarnaast heeft het onderzoek van Polasik et al. van een veel bredere dataset gebruikt gemaakt dan dit onderzoek. Er werd gebruik gemaakt van op een zoekmachine gebaseerde database, die nieuwsartikelen verzamelden op basis van een zoekterm. Dit leidde tot een groot scala aan verschillende informatiebronnen, terwijl in dit onderzoek er enkel drie informatiebronnen zijn gebruikt. De limitaties van de dataset in dit onderzoek wordt verder in het hoofdstuk ‘6.2 limitaties’ besproken. Als laatste is bitcoin in de periode 2014-2018 veel volatieler geweest dan in de jaren 2010-2014, waar het aantal gebruikers veel kleiner was. Dit zal ook effect hebben gehad op de veranderingen in waarde en de groei van het aantal gebruikers.

De waarde van bitcoin blijkt bij de kwantiele regressieanalyse een significante positieve invloed te hebben op de groei van het aantal wallets. In figuur 7 is te zien dat de coe fficie nt van de waarde van bitcoin constant hoger wordt bij hogere kwantielen. Dit betekent dat hoe hoger de groei van het aantal wallets, hoe groter het aandeel van de waarde van bitcoin hiervan is geweest. Oftewel de invloed van de waarde van bitcoin is sterker bij een hogere groei van het aantal wallets. Dit klopt met de uitspraken dat men bitcoin doorgaans als een investeringsmiddel ziet (Glaser, Zimmermann, Haferkorn, Weber, & Siering, 2014; Baek & Elbeck, 2015).

De H0.1.1, H0.1.2, H0.2.1 en H0.2.2 hypotheses met betrekking tot de invloed van de waarde en het aantal artikelen van respectievelijk e e n en twee voorafgaande weken op de groei van het aantal wallets kunnen worden verworpen. De groei van het aantal wallets kan

respectievelijk na e e n en twee weken wordt beï nvloed door het aantal geschreven artikelen en de waarde van bitcoin. De regressiecoe fficie nten van zowel e e n voorafgaande week als twee voorafgaande weken zijn erg vergelijkbaar met die van de voorgaande regressies van de invloed in dezelfde week. Dit betekent dat het aantal artikelen en de waarde van bitcoin een vergelijkbare invloed hebben op dezelfde kwantielen als eerdere regressies.

Opvallend is wel dat de coe fficie nten van e e n voorgaande week bij alle kwantielen lager

uitvallen dan bij de voorgaande analyse voor het aantal artikelen. Dit houdt in dat de negatieve invloed van het aantal artikelen in de voorgaande week sterker is op de groei van het aantal wallets dan de negatieve invloed van het aantal artikelen die in dezelfde week zijn geschreven. Dit valt wellicht te verklaren door de periode tussen de dag dat mensen iets lezen over bitcoin en de dag van het daadwerkelijk aanmaken van een wallet. Hierdoor is deze invloed groter dan de voorgaande week. Een andere oorzaak kan zijn dat alle waarden per week zijn genomen. Wanneer een bitcoinwallet is aangemaakt aan het begin van de week is het

waarschijnlijk dat deze nog is beï nvloed door de voorgaande week en niet door de artikelen die later in de week zijn gepubliceerd.

Waar alle coe fficie nten van e e n voorgaande week lager uitvielen dan de analyse op dezelfde week, zijn die van twee voorgaande weken hoger dan dezelfde week voor het aantal artikelen. De invloed van het aantal artikelen neemt dus af na e e n week. Dit is aannemelijk, doordat de periode tussen het aanmaken van een wallet en het lezen van de artikelen twee weken ervoor te groot wordt. Het is in deze zin minder belangrijk dat er twee weken geleden een artikel is

26

gepubliceerd, dit heeft dan een verminderd effect in de overweging van een potentie le gebruiker om een wallet aan te maken.

6.2 Limitaties

Ten eerste is gekozen om een kwantiele regressie uit te voeren omdat de dataset niet geschikt was voor een lineaire of meervoudige regressieanalyse door de heteroscedastische aard van de data. Voor het uitvoeren van een kwantiele regressie hoeven de data niet aan assumpties te voldoen. Hierdoor is de analyse meer robuust en onder andere minder vatbaar voor

uitschieters. Een nadeel van deze robuustheid is dat de resultaten van een kwantiele regressieanalyse minder precies zijn dan de resultaten van een lineaire of meervoudige

regressieanalyse. Statistici geven aan dat bij normaal verdeelde data OLS efficie nter is dan een kwantiele regressie (Koenker & Bassett Jr., 1978). Ondanks dat deze resultaten significante verschillen aangeven, is het niet zeker dat deze verschillen een daadwerkelijke impact hebben. Een andere limiterende factor bij deze analyse is de relatief weinige hoeveelheid data. Door de designkeuze van dit onderzoek zijn de datapunten per week genomen. Doordat bitcoin relatief jong is en de groei van het aantal wallets, het aantal artikelen en de waarde pas halverwege 2013 op gang is gekomen en er maar gebruik is gemaakt van een periode van 230 weken. De vraag hierbij is of de dataset groot genoeg is om een regressielijn te trekken vanuit de laagste (0.1) en hoogste (0.9) kwantielen. Een lage hoeveelheid data zal de precisie van deze

resultaten beï nvloeden. Door een grotere hoeveelheid data beschikbaar te hebben kunnen de laagste en hoogste waarden beter voorspeld worden met behulp van regressielijnen.

Naast het verzamelen van genoeg data, is ook de selectie hiervan belangrijk. In dit onderzoek zijn de artikelen van drie nieuwssites onderzocht, die van The Guardian, de Volkskrant en The Wall Street Journal. Het verschil in het aantal artikelen van deze nieuwssites is substantieel. Het aantal artikelen dat is opgehaald zijn respectievelijk 481, 284 en 3548. Een ideale dataset voor dit onderzoek is zoveel mogelijk artikelen met unieke informatie, die een zo groot mogelijk bereik hebben zonder overlap. Zo kan het best gemeten worden hoe nieuws haar lezers beï nvloedt en kan activeren. Er is zo goed mogelijk getracht een waardig bereik te cree ren door grote journalistieke bronnen uit verschillende landen te kiezen. Echter er blijft ruimte voor een grotere dataset.

Ten slotte is er in dit onderzoek gekeken naar twee factoren: de waarde van bitcoin en het aantal artikelen dat in drie verschillende perioden is geschreven. Uit dit onderzoek blijkt dat er wel degelijk relaties te vinden zijn tussen deze factoren en de groei van het aantal wallets. Dit wil echter niet zeggen dat er geen andere invloeden zijn van buitenaf. Andere factoren die buiten beschouwing zijn gelaten kunnen toch effect hebben uitgeoefend op de resultaten van dit onderzoek.

6.3 Toekomstig onderzoek

In dit onderzoek is gekeken naar de invloed van het aantal geschreven nieuwsartikelen en de waarde op de groei van het aantal gebruikers. Hierbij lag de focus op het vinden van relaties tussen het nieuws en het overschrijden van de drempel van mensen om in te stappen bij

27

bitcoin. Hierbij zijn echter een aantal zaken onbelicht gebleven die in toekomstig onderzoek benut kunnen worden.

Zo zijn alleen de artikelen van nieuwssites meegenomen in de analyse. In toekomstig onderzoek zou het interessant kunnen zijn om ook social media zoals Facebook, Twitter en LinkedIn bij het onderzoek te betrekken. Via deze media wordt een grote hoeveelheid

informatie gedeeld in de vorm van blogs, berichten, opinies en links naar artikelen die nu niet zijn meegenomen. Dit zijn grote internationale databronnen die nu niet zijn aangesproken. Deze databronnen geeft ook toegang tot blogs en nieuwsitems geschreven door kleinere organisaties. Bij een grotere dataset kan ook gekeken worden naar het nemen van de

datapunten op een kleinere periode, zoals per e e n, twee of drie dagen. Het is dan aannemelijk dat van een preciezere statistische toets gebruik gemaakt kan worden.

Daarnaast zou het ook verhelderend kunnen zijn om de inhoud van de artikelen te onderzoeken. Hoe beï nvloeden bepaalde soort artikelen de gebruikers of potentie le gebruikers. Hierbij kan bijvoorbeeld gekeken worden naar het (sub)onderwerp en het sentiment van de artikelen. Juist omdat het aantal artikelen een negatieve invloed blijkt te hebben op de groei van het aantal gebruikers in dit onderzoek. Een scheiding van positieve en negatieve berichtgeving zou inzicht kunnen geven in de relatie tussen nieuwsartikelen en het aantal nieuwe gebruikers van een technologie als bitcoin. Er zou een verschil kunnen zijn in de invloed die artikelen met een positief en negatief sentiment uitoefenen op potentie le

gebruikers.

7 Conclusie

Er is onderzocht of er een verband bestaat tussen de hoeveelheid geschreven nieuws en de groei van het aantal gebruikers van bitcoin. De artikelen die per week zijn geschreven door The Guardian, The Wall Street Journal en de Volkskrant zijn vergeleken met de groei van het aantal bitcoinwallets. Ook is de waarde van bitcoin per week vergeleken met de groei van het aantal bitcoinwallets in de analyse.

Met behulp van een kwantiele regressieanalyse zijn er regressielijnen opgesteld per kwantiel van de data die een voorspelling kunnen maken over de groei van het aantal wallets. Het aantal geschreven artikelen en de waarde van bitcoin waren beide significante factoren om de groei van het aantal gebruikers te voorspellen. Het aantal artikelen had een negatieve invloed op de groei van het aantal wallets en de waarde van bitcoin had een positieve invloed op de groei van het aantal wallets. Daarnaast blijkt dat het aantal artikelen en de waarde van bitcoin van zowel e e n als twee weken voorafgaand aan de groei van het aantal wallets goede

voorspellers zijn. Een week voorafgaand heeft hierbij een grotere invloed dan twee weken voorafgaand. Er is dus een vertraagd effect bij potentie le gebruikers in het opnemen van informatie via het nieuws en het aanmaken en in gebruik nemen van bitcoin.

Enkele limitaties zijn besproken die vraagtekens zetten bij de beperkte dataset en de invloed op de precisie van deze resultaten. Op basis van deze limitaties en de gevonden resultaten worden er enkele aanbevelingen gedaan voor toekomstig onderzoek. Desalniettemin zijn er

28

relaties tussen het nieuws, de waarde van bitcoin en de groei van het aantal gebruikers van bitcoin onderzocht.

8 Literatuur

Baek, C. & Elbeck, M. (2015). Bitcoins as an investment or speculative vehicle? a first look. Applied Economics Letters, 22 (1), 30–34.

Bakker, P., & Scholten, O. (2011). Communicatiekaart van Nederland.

Bandura, A. (1977). Self-efficacy: toward a unifying theory of behavioral change. Psychological

review, 84(2), 191.

Bandura, A. & Ramachaudran, V. (1994). Self-efficacy. encyclopedia of human behavior. VS Ramachaudran (Ed.).

Blockchain. (2018). Estimated transaction value. Op 2018-01-06 verkregen van:

https://blockchain.info/nl/charts/estimated-transaction-volume?timespan=1year. Breusch, T. S., & Pagan, A. R. (1979). A simple test for heteroscedasticity and random coe fficie nt variation. Econometrica: Journal of the Econometric Society, 1287-1294.

Cade, B. S., & Noon, B. R. (2003). A gentle introduction to quantile regression for ecologists.

Frontiers in Ecology and the Environment, 1(8), 412-420.

Chan-Olmsted, S. M. & Chang, B.-H. (2006). Audience knowledge, perceptions and factors affecting the adoption intent of terrestrial digital television. New Media & Society, 8 (5), 773– 800.

Christin, N. (2013). Traveling the silk road: A measurement analysis of a large anonymous online marketplace. In Proceedings of the 22nd international conference on world wide web (pp. 213–224).

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS quarterly, 319–340.

van Dijk, J. A. (2001). De Netwerkmaatschappij, Sociale aspecten van nieuwe media. Communicatie Componenten.

Dolnicar, S., Hurlimann, A. & Nghiem, L. D. (2010). The effect of information on public acceptance–the case of water from alternative sources. Journal of Environmental Management, 91 (6), 1288–1293.

European Central Bank. (2015). Virtual currency schemes - a further analysis.

Flynn, L. R. & Goldsmith, R. E. (1999). A short, reliable measure of subjective knowledge. Journal of business research, 46 (1), 57–66.

Forbes. (2013). ’silk road 2.0’ launches, promising a resurrected black market for the dark web. Op 2018-01-06 verkregen van:

29

https://www.forbes.com/sites/andygreenberg/2013/11/06/silk-road-2-0-launches-promising-a-resurrected-black-market-for-the-dark-web/#d00808d5714e.

Freedman, P., Franz, M., & Goldstein, K. (2004). Campaign advertising and democratic citizenship. American Journal of Political Science, 48(4), 723-741.

Freedman, P., & Goldstein, K. (1999). Measuring media exposure and the effects of negative campaign ads. American journal of political Science, 1189-1208.

Glaser, F., Zimmermann, K., Haferkorn, M., Weber, M. C. & Siering, M. (2014). Bitcoin-asset or currency? revealing users’ hidden intentions.

Hall, G. E., Loucks, S. F., Rutherford, W. L., & Newlove, B. W. (1975). Levels of use of the innovation: A framework for analyzing innovation adoption. Journal of teacher education,

26(1), 52-56.

Hung, S.-Y., Chang, C.-M. & Yu, T.-J. (2006). Determinants of user acceptance of the e-government services: The case of online tax filing and payment system.Government Information Quarterly, 23 (1), 97–122.

van Hout, M. C. & Bingham, T. (2014). Responsible vendors, intelligent consumers: Silk road, the online revolution in drug trading. International Journal of Drug Policy, 25 (2), 183–189. Hutto, C.J. & Gilbert, E.E. (2014). VADER: A Parsimonious Rule-based Model for Sentiment Analysis of Social Media Text. Eighth International Conference on Weblogs and Social Media (ICWSM-14). Ann Arbor, MI, June 2014.

Kantar TNS. (2017). Aantal Nederlandse beleggers cryptovaluta dit jaar al meer dan verdubbeld. Op 2017-10-13 verkregen van

http://www.tns-nipo.com/nieuws/persberichten/aantal-nederlandse-beleggers-cryptovaluta-dit-jaar/. Kim, C., Mirusmonov, M. & Lee, I. (2010). . Computers in Human Behavior, 26 (3), 310–322. Koenker, R., & Bassett Jr, G. (1978). Regression quantiles. Econometrica: journal of the

Econometric Society, 33-50.

Kristoufek, L. (2013). BitCoin meets Google Trends and Wikipedia: Quantifying the relationship between phenomena of the Internet era. Scientific reports, 3, 3415. Li, M., Chapman, S., Agho, K., & Eastman, C. J. (2007). Can even minimal news coverage influence consumer health-related behaviour? A case study of iodized salt sales, Australia. Health education research, 23(3), 543-548.

Long, J. S., & Ervin, L. H. (2000). Using heteroscedasticity consistent standard errors in the linear regression model. The American Statistician, 54(3), 217-224.

Luarn, P. & Lin, H.-H. (2005). Toward an understanding of the behavioral intention to use mobile banking. Computers in human behavior, 21 (6), 873–891.

Lusk, J. L., House, L. O., Valli, C., Jaeger, S. R., Moore, M., Morrow, J. & Traill, W. B. (2004). Effect of information about benefits of biotechnology on consumer acceptance of enetically modified