Onderzoek naar de aanwezigheid van bubbels in de bitcoinmarkt

1

Onderzoek naar de Aanwezigheid van Bubbels in de Bitcoinmarkt

Instelling: Universiteit of Amsterdam

Programma: BSc Economie & bedrijfskunde, richting Economie & Financiering Type: Bachelor Thesis

Titel: Onderzoek naar de Aanwezigheid van Bubbels in de Bitcoinmarkt Auteur: Tammo Tjong Joe Wai (10328459)

Datum: 25 juni 2018

2 Abstract

Men heeft extreem hoge verwachtingen van cryptovaluta’s en er gaat ervan uit dat deze de komende jaren toegepast gaan worden in verschillende gebieden en meerdere sectoren zullen ontwrichten. Het doel van deze thesis is het analyseren van dagelijkse Bitcoinprijzen en deze testen op explosief prijsgedrag. Door middel van de recent ontwikkelde, geavanceerde gsADF-test (Phillip et al., 2015) wordt data van dagelijkse Bitcoinprijzen van 1 januari 2017 tot 6 april 2018 getest om te onderzoeken of de Bitcoin zich in deze periode in een bubbel bevond. De gsADF-test wordt eerst toegepast op werkelijke Bitcoinprijzen om zo bubbelfases te kunnen periodiseren. Hierna wordt de gsADF-test nog een keer uitgevoerd op gecorrigeerde Bitcoinprijzen. Deze Bitcoinprijzen zijn gecorrigeerd voor fundamentele variabelen zoals bbpgroei, rentevoet en inflatie. Op deze manier kan er een onderscheid gemaakt worden tussen intrinsieke bubbels en speculatieve bubbels. Er zijn in totaal drie bubbels in de Bitcoinmarkt gevonden. Twee van deze drie bubbels waren speculatief. De langstdurende bubbel begon op 13 november 2017 en hield aan tot 16 januari 2018, waarin de prijs met 205% steeg tot zijn hoogtepunt op 17 december. Deze periode omvatte ook de grootste speculatieve bubbel. Deze vond plaats van 4 december 2017 tot 20 december 2017, waarbij de prijs van één Bitcoin steeg met 69,71%.

Verklaring eigen werk.

Hierbij verklaar ik, Tammo Tjong Joe Wai, dat ik deze scriptie zelf heb geschreven en dat ik de volledige verantwoordelijkheid op me neem voor de inhoud ervan. Ik bevestig dat de tekst en het werk dat in deze scriptie gepresenteerd wordt origineel is en dat ik geen gebruik heb gemaakt van andere bronnen dan die welke in de tekst en in de referenties worden genoemd. De Faculteit Economie en Bedrijfskunde is alleen verantwoordelijk voor de begeleiding tot het inleveren van de scriptie, niet voor de inhoud.

3

INHOUDSOPGAVE

2.3 Het Testen van Bubbels...8

2.4 GsADF-test in Praktijk ... 10

3. Data & Methodologie ... 12

3.1 Beschrijvende Statistieken ... 12

3.1.1 Afhankelijke Variabele ... 13

3.1.2 Onafhankelijke Variabelen ... 13

3.2 Methodologie ... 15

3.3 Resultaten ... 16

3.4 Conclusie & Discussie ... 20

3.4.1 Conclusie... 20

3.4.2 Discussie ... 20

4

1. INTRODUCTIE

Vanaf januari 2017 tot januari 2018 is de totale marktwaarde van de Bitcoin met meer dan 2000% gestegen (Coinmarketcap.com, 2018). Tijdens de eerste maanden van 2018 verloor de Bitcoin ruim 60% van zijn waarde op zijn hoogtepunt (Coinmarketcap.com, 2018). Deze enorme stijging in combinatie met een daaropvolgende scherpe daling in prijs doet denken aan andere bubbels die in het verleden hebben plaatsgevonden. Voorbeelden zijn de Tulpenbubbel in Nederland en de Internetbubbel van de Nasdaq. Daarnaast is er ook sprake geweest van eerdere bubbels op de Bitcoinmarkt. Sinds de oorsprong van de Bitcoin zijn er al vier bubbels voorgekomen (Sua et al. 2017). Wanneer je de ontwikkeling van de Bitcoinprijzen plot tegen de Nasdaq ten tijde van de internet bubbel, vertonen deze gelijkenissen qua prijsontwikkeling (zie Figuur 1).

FIGUUR 1: BITCOINPRIJZEN TEGEN NASDAQPRIJZEN TIJDENS DE INTERNETBUBBEL

Dit roept de vraag op of er in de periode tussen 1 januari 2017 en 6 april 2018 explosieve prijsveranderingen waren op de Bitcoinmarkt. In deze thesis moet duidelijk worden of de Bitcoin zich in deze periode in een bubbelfase bevond. De onderzoeksvraag luidt dan ook: kwam(en) er in de periode van 1 januari 2017 tot 6 april 2018 één of meerdere bubbels voor in de Bitcoinmarkt?

In sectie 2 zal er eerst door middel van literatuuronderzoek worden uitgelegd wat het doel is van de Bitcoin en hoe deze werkt. Dit gebeurt aan de hand van de whitepaper van Satoshi Nakamoto (2009), de uitvinder van de Bitcoin. Nadat er een beeld is geschetst van de Bitcoin zal er een analyse volgen van één van de grootste technologische bubbels uit het verleden: De Nasdaq-bubbel. Er zal worden ingegaan op deze internetbubbel, waar de bedrijven het potentieel hadden de wereld op zoveel manieren te ontwrichten. De bedrijven werden voor miljarden dollars gewaardeerd. Men ging ervan uit dat er een massale overstap zou plaatsvinden naar het internet, waarna de bedrijven enorme omzetten zouden gaan draaien en exponentieel zouden groeien (Ofek & Richardson, 2003). De bubbel knapte

5 echter al in 2000. Dit leidde tot een verlies van miljarden dollars. Ofek en Richardson deden onderzoek naar de internetbubbel. Hierbij kwamen zij tot de conclusie dat de gelimiteerde aanwezigheid om short te gaan op de Nasdaq index een aandeel had in de bubbel van de Nasdaq einde jaren ’90. Vervolgens gaan we dieper in op de testen die gebruikt worden om onze onderzoeksvraag te beantwoorden. De

Augmented Dickey-Fuller-test (ADF-test) staat aan de basis van de modellen die in deze thesis worden

gebruikt en wordt normaliter toegepast om te testen of prijzen ‘stationair zijn’. De right-tailed

Augmented Dickey-Fuller (rADF-test) kan worden toegepast om te onderzoeken of prijzen explosief

waren in een bepaalde periode. Philips, Wu en Yu (2011) breidden deze testen verder uit tot de sup

Augmented Dickey-Fuller test (sADF-test) die een enkele bubbel kan periodiseren. Later ontwikkelden

zij deze door tot de generalised sup Augmented Dickey-Fuller test (gsADF-test), die zelfs meerdere bubbels kan periodiseren (Phillips et al., 2012). De gsADF-test is een recent ontwikkelde test en het gebruik ervan wordt steeds populairder. Na uitleg over deze testen wordt er gekeken naar andere onderzoeken die de gsADF-test al met succes toepasten. Dröes et al. (2017) maakten gebruik van de gsADF-test om de prijzen op de Amsterdamse woningmarkt te analyseren op explosieve stijgingen. Hierbij hielden zij rekening met de fundamenten van de economie. Caspi et al. (2014) voerden de gsADF-test uit om de olieprijzen tussen 1876 en 2014 te gsADF-testen op bubbels. Hier bleek de gsADF-test weer zeer nuttig voor het periodiseren van de bubbels. In een studie door Sua, Lib, Taoc en Sid (2017) werd doormiddel van een gsADF-test aangetoond dat er vanaf de oprichting van de Bitcoin tot begin 2017 al vier bubbels waren in de Bitcoinmarkt. Uit deze onderzoeken wordt duidelijk dat de gsADF-test ideaal is om een tijdserie te testen op meerdere bubbels. De meest recente periode vanaf juli 2017 tot april 2018 is door Sua et al. niet onderzocht, terwijl hierin zeer exorbitante prijsstijgingen voorkwamen. Daarnaast corrigeerden Sua et al. de Bitcoinprijzen niet voor variabelen zoals de bbpgroei, de rentevoet en de inflatie. Hierdoor is het niet duidelijk of de door Sua et al. gevonden bubbels een gevolg waren van onderliggende fundamenten of dat dit speculatieve bubbels waren. De bijdrage van deze thesis is om te onderzoeken of er in deze recente periode nog meer explosieve prijsstijgingen waren. Daarnaast wordt er onderzocht of deze door speculatie gedreven waren, door rekening te houden met de fundamenten van de Bitcoinprijzen.

Na het literatuuronderzoek volgt de methodologie. Gegeven de volatiliteit van de Bitcoin van januari 2017 tot april 2018 worden er meerdere bubbels verwacht. Data over dagelijkse Bitcoinprijzen vanaf 1 januari 2017 tot 6 april 2018 zal worden gecontroleerd op explosief gedrag. De data zal geanalyseerd worden door middel van een rADF-, sADF- en gsADF-test. De gevonden bubbels kunnen echter ook gedreven worden door fundamenten zoals bbpgroei, rente of inflatie. Als ze door één van deze fundamenten gedreven worden zijn de bubbels intrinsiek. Met behulp van een regressie wordt gekeken of er een significante relatie is tussen deze variabelen. Daarnaast wordt er een cointegratietest uitgevoerd op de residuen van deze regressie door middel van een unit root test, oftewel door een

ADF-6 test uit te voeren. Een verwerping van de nulhypothese suggereert een lange termijn relatie tussen de variabelen wat het argument om deze fundamenten te gebruiken sterker maakt. Hierna worden de rADF-, sADF- en de gsADF-testen opnieuw uitgevoerd op Bitcoinprijzen die gecorrigeerd zijn voor deze fundamenten. Wanneer de gsADF-test van het model van werkelijke Bitcoinprijzen een bubbel aangeeft in een periode waar het model van gecorrigeerde Bitcoinprijzen dit niet doet, wijst dit op een intrinsieke bubbel. Als de gsADF-test van de gecorrigeerde Bitcoinprijzen bubbels aangeeft suggereert dit dat deze door speculatie gedreven waren.

Uit de analyses kwam naar voren dat er meerdere bubbels plaats hebben gevonden. Van de twee periodes in 2017 die Sua et al. (2017) hadden bestempeld als bubbel, werd er echter maar één gevonden in dit onderzoek. De bubbel die Sua et al. in het eerste kwartaal van 2017 vonden, kwam niet naar voren in dit onderzoek. Dit kan een gevolg zijn geweest van het gebruik van het natuurlijke logaritme van Bitcoinprijzen. De gsADF-test op werkelijke Bitcoinprijzen vond in totaal drie bubbelperiodes. De eerste bubbel die werd gevonden van 2 mei 2017 tot 27 juni 2017, kwam overeen met de laatste bubbel die Sua et al. vonden in 2017. Volgens het fundamentele model van de gecorrigeerde Bitcoinprijzen had deze speculatieve elementen vanaf 18 mei 2017 tot 28 mei 2017. De tweede gevonden bubbel begon op 11 augustus 2017 en hield aan tot 9 oktober 2017. Hierbij was er geen sprake van een speculatieve bubbel, deze betrof slechts een intrinsiek aspect. De langste en hevigste bubbel begon op 13 november 2017 en duurde tot 16 januari 2018. Tijdens deze bubbel steeg de waarde van één Bitcoin met 205%, waarna deze met 37,21% daalde. Ook hierin was er sprake van een speculatieve bubbel. Deze speculatieve bubbel hield aan van 4 december 2017 tot 20 december 2017, waarin de prijs van één Bitcoin met bijna 70% steeg.

7

2. LITERATUUR ONDERZOEK

2.1 BITCOIN

Bitcoin is de eerste cryptovaluta ooit gemaakt. Dit gebeurde in 2009 door een groep anonieme ontwikkelaars onder het pseudoniem Satoshi Nakamoto. In hun whitepaper bespraken zij het idee van de Bitcoin (Nakamoto, 2009). Het doel was om een nieuw soort peer-to-peer elektronisch geldsysteem te maken dat ons op vertrouwen gebaseerde financiële systeem kon vervangen. Bitcoin zou goedkoper zijn qua kosten en er zou geen mogelijkheid zijn om transacties terug te draaien. Doordat de miners van Bitcoins transacties verifiëren in het netwerk is er geen centrale controle en geen mogelijkheid tot fraude. Nakamoto legt uit dat de computers van miners transacties verifiëren door cryptographische puzzels op te lossen. De miners worden hiervoor vergoed in Bitcoins. Dit proces wordt proof of work (POW) genoemd. Bitcoin zou op deze manier ons financiële systeem veranderen en ontwrichten. De Bitcoin steeg in acht jaar tijd van $0,05 tot $19.325,94 op zijn hoogtepunt (zie Figuur 2), een stijging van ruim 386.500%.

FIGUUR 2: PRIJSONTWIKKELING VAN BITCOIN IN DOLLAR

2.2 DE NASDAQBUBBEL

De aandelen van de Nasdaq groeiden tussen 1998 en 2000 met meer dan 1000%, waarna deze aan het einde van het jaar 2000 instortten (Ofek & Richardson, 2003). Deze stijging van de Amerikaanse technologie index gevolgd door een sterke daling kennen wij tegenwoordig als de Dot-com bubbel, ook wel de internet bubbel. De verwachtingen van de internetbedrijven waren enorm en men ging ervan uit dat de winstcijfers exponentieel zouden groeien. Hierdoor stegen de aandelenprijzen enorm. Ofek en Richardson schreven deze sterke stijging vooral toe aan de beperkte short sale mogelijkheden van de Nasdaq. Er waren gelimiteerde mogelijkheden om short te gaan op de aandelen en als men short wilde gaan zaten er veel kosten aan verbonden. Indien deze mogelijkheid er wel was geweest dan hadden

$0,00 $5.000,00 $10.000,00 $15.000,00 $20.000,00 $25.000,00 2010 2011 2012 2013 2014 2015 2016 2017

8 investeerders die pessimistisch waren over de waarderingen van de aandelen van de internetbedrijven short kunnen gaan om de prijzen weer naar beneden terug te drukken. Daarnaast vertellen Ofek en Richardson dat grote financiële instellingen veel minder aandelen van internetbedrijven in hun portfolio hadden dan de gemiddelde bedrijven. Er zijn bewezen verschillen in rationaliteit tussen institutionele bedrijven (Odean, 2000) en kleinere bedrijven of individuen. Deze rationaliteit kan bijdragen aan de vorming van een bubbel. Op de Bitcoinmarkt is ook slechts een beperkte mogelijkheid om short te gaan en de grote institutionele instellingen zijn hier ook nog afwezig. In vergelijking met de internetbubbel kunnen deze twee eigenschappen bij de Bitcoin ook een rol spelen in de explosieve prijzen. Als laatste reden voor de Internetbubbel benoemen Ofek en Richardson de verkooprestricties van aandeelhouders binnen het bedrijf bij IPO’s. Toen deze restricties ten einde kwamen, verkochten veel werknemers hun aandelen wat leidt tot een sterke daling in de koers. Ook gaf dit het signaal af naar buiten dat het niet goed gaat met het bedrijf. Halverwege 2000 kwam het voor dat vele verkooprestricties afliepen en op die manier werd het begin van de crash van de internetbubbel in gang gezet.

FIGUUR 3: NASDAQPRIJZEN IN DOLLAR

2.3 HET TESTEN VAN BUBBELS

Er zijn verschillende manieren om te testen of activa in een periode van explosieve prijsstijgingen zitten. De vraag is dan ook hoe er het best getest kan worden op een bubbel. Hierover is niet iedereen het met elkaar eens. Voor elke econometrische test die een bubbel toelaat is er ook een manier om de data te interpreteren zonder dat er sprake is van een bubbel (Gürkaynak, 2008). Gürkaynak onderzocht meerdere manieren die gebruikt kunnen worden om bubbels te testen. Hij trok uiteindelijk de conclusie dat er nog geen onomstreden methode is om bubbels te identificeren en te periodiseren.

Om meerdere bubbels te identificeren wordt in deze thesis gebruik gemaakt van de recent ontwikkelde gsADF-test. Deze komt voort uit de ADF-test, die gebruikt wordt om aan te tonen dat

$0,00 $1.000,00 $2.000,00 $3.000,00 $4.000,00 $5.000,00 $6.000,00 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002

9 prijzen stationair zijn (Dickey & Fuller, 1979,1981). Wanneer de nulhypothese wordt verworpen zijn prijzen stationair, wat inhoudt dat de prijzen onafhankelijk zijn van de tijd. Dickey en Fuller bedachten het volgende model:

(1) 𝑦"= 𝑝𝑦"&'+ 𝜀"

Ze testten hierbij de hypothesen: ℎ₊: 𝑝 = 1

ℎ_': 𝑝 ¹ 1.

Er is echter wel kritiek op de ADF-test, aangezien deze slechts een power van 30% heeft (Mushtaq, 2011). Terwijl een ADF-test kijkt of prijzen stationair zijn, test de rADF-test de prijzen op explosiviteit (Phillips et al., 2011). Bij de rADF-test wordt het volgende model geschat:

(2) 𝑦"= 𝜇 + 𝛿𝑦"&'+ ∑345'𝜑∆𝑦"&'+ 𝜀"

Hierin is 𝜇 het snijpunt met de y-as. l is het maximumaantal lags, oftewel interacties met eerdere tijdstippen. 𝜑 staat voor i=1 tot l. 𝜀" is de error-term van het model. De lags zorgen ervoor dat de tijdserie wordt opgesplitst in meerdere series, ook wel rolling windows genoemd (zie Figuur 4). Deze

rolling windows worden per serie getest. De hypothesen luidden als volgt:

ℎ+: 𝛿 = 1 geldt of dat ℎ_': 𝛿 > 1 geldt.

FIGUUR 4: ROLLING WINDOWS ONDER DE RADF-TEST

Indien de nulhypothese wordt verworpen kan geconcludeerd worden dat er explosieve prijsveranderingen waren. Hierna kan er een sADF-test worden gedaan om een enkele bubbel te periodiseren (Philips et al., 2011). Philips et al. gebruikten deze test om te analyseren wanneer de bubbel in de Nasdaq plaatsvond. De sADF-test toetst op dezelfde wijze als de rADF-test, maar maakt gebruik van andere rolling windows. De rolling windows worden geselecteerd vanaf het begin van de periode (zie Figuur 5).

10 FIGUUR 5: ROLLINGWINDOWS ONDER DE SADF-TEST

Philips, Shi en Yu (2012) legden een jaar later uit dat wanneer er meerdere bubbels voorkomen in de onderzochte tijdsreeks, de test een gereduceerde power kan hebben en daarnaast inconsistent kan zijn. Hierdoor pasten zij het model verder aan en ontwikkelden zij de gsADF-test. Deze test kan meerdere bubbels analyseren in een tijdserie. Terwijl de sADF-test verschillende rolling windows steeds vanaf het begin test, splitst de gsADF-test de rolling windows ook nog op in series met verschillende beginpunten. Deze worden daarna stuk voor stuk getest (zie Figuur 6). Op deze manier wordt de periode geanalyseerd op meerdere bubbels.

FIGUUR 6: ROLLING WINDOWS ONDER DE GSADF-TEST

Caspi (2013) legde uit hoe deze verschillende series zijn opgebouwd en hoe de kritieke waarden worden gesimuleerd door een Monte-Carlosimulatie. Hij heeft een add-in gemaakt voor e-views, waarmee de ADF-, rADF-, sADF- en gsADF-test kunnen worden uitgevoerd. In zijn paper legde hij uit hoe deze add-in gebruikt kan worden.

2.4 GSADF-TEST IN PRAKTIJK

Dröes, Houden en Lamoen (2017) maakten gebruik van de gsADF-test om prijsstijgingen te analyseren. Zij deden dit voor de Amsterdamse huizenmarkt die in twee jaar tijd met 46% steeg. Eerst testten zij de prijsindex tegen de rentevoet, het inkomen en de huurprijzen om rekening te kunnen houden met deze onderliggende fundamenten die de prijzen kunnen beïnvloeden. Vervolgens voerden zij een gsADF-test uit op de residuen van het fundamentele model om erachter te komen of er bubbels plaatsvonden in de Amsterdamse huizenmarkt. Zij concludeerden dat er drie bubbels hadden plaatsgevonden in de Amsterdamse huizenmarkt. Door middel van de econometrische test konden ze

11 de bubbels ook meteen periodiseren. Caspi et al. (2014) deden onderzoek naar bubbelvorming in olieprijzen. Hun doel was het periodiseren van meerdere bubbels in de olieprijzen (2014). Zij deden dit niet alleen voor de werkelijke olieprijzen maar ook voor de olie-kwantiteit ratio. Hiervoor werd gebruik gemaakt van de eerder beschreven add-in van Caspi (2013). Er werden maar liefst negen bubbels gevonden in de werkelijke olieprijzen en daarnaast nog zeven in de olie-kwantiteit ratio. Het gebruik van de gsADF-test is heel breed, zo is deze ook toegepast op wisselkoersen. Bettendorf en Chen (2013) gebruikten de test om te analyseren of er bubbels waren in de sterling-dollar wisselkoers. Zij slaagden erin om twee bubbels te identificeren en te periodiseren in deze wisselkoers.

Sua et al. (2017) deden eerder al onderzoek naar bubbels in de Bitcoin. Zij wilden onderzoeken wanneer de bubbels ontstonden en wanneer deze barstten. Zij legden uit dat de Bitcoin op de markt kwam toen de globale kredietcrisis net had plaatsgevonden. De Bitcoin vond aanhang bij mensen die weinig vertrouwen meer hadden in het huidige financiële systeem (Yermack, 2014). De prijzen van Bitcoin werden in zowel dollar als in renminbi getest en er werd aangetoond dat er al vier bubbels waren geweest in de korte historie van de Bitcoin. Hiervoor werd gebruik gemaakt van sADF- en gsADF- testen, die eerder werden beschreven door Philips (2012). De reden voor het barstten van de bubbels was volgens hen het administratief ingrijpen van de overheden. De regeringen hebben dan ook een belangrijke taak de verwachtingen van het publiek te temperen en speculatie te minimaliseren.

12

3. DATA & METHODOLOGIE

Voor het onderzoek wordt gebruik gemaakt van dagelijkse Bitcoinprijzen vanaf 1 januari 2017 tot 6 April 2018. Deze data is verzameld via bitcoinaverage.com door middel van een API op historische data. Een API is een applicatie waarmee data verzameld kan worden, zoals ook Urquhart (2016) had gedaan in zijn onderzoek. De cryptovalutamarkt heeft geen sluit- of openingstijdstip, dus is er gebruikt gemaakt van gemiddelde dagelijkse prijzen. Ondanks dat de Bitcoin een internationale valuta is worden de prijzen gecorrigeerd voor de onderliggende fundamenten van de Verenigde Staten. Voor deze keuze bestaan drie redenen. De eerste reden is het feit dat de Bitcoin het meest verhandeld wordt in dollars (Coinmarketcap.com). De tweede reden voor de keuze van de Verenigde staten is, dat de Bitcoinprijzen die gebruikt worden in deze regressies in dollars zijn uitgedrukt. Als laatste reden wordt gegeven dat de Verenigde Staten één van de grootste economieën is en een weergave geeft van een groot deel van de wereld. De cijfers van bbpgroei zijn per kwartaal beschikbaar (Tradingeconomics, 2018). De voorkeur ging ernaar uit om het bbpniveau te nemen in plaats van de groei. Echter zijn de cijfers van 2017 over het bbpniveau pas in 2019 beschikbaar, dus is dit niet mogelijk. Voor de rentevoet is de jaarlijkse rente op risicovrije obligaties van de Verenigde staten gebruikt (U.S. Department of the Treasury, 2018). Hiervan is dagelijkse midweekse informatie beschikbaar. Voor de ontbrekende data is het gemiddelde van de laatste tijdstip ervoor en het eerste tijdstip erna gebruikt. Over de inflatiecijfers van de Verenigde Staten is maandelijkse data beschikbaar (Tradingeconomics, 2018). Om een periode als bubbel aan te merken wordt als voorwaarde genomen dat het explosieve prijsgedrag minstens 10 dagen moet aanhouden om vals positieven te voorkomen. De reden voor deze korte vereiste periode is dat de Bitcoinprijzen zo extreem volatiel zijn. Caspi (2013) heeft voor de ADF-, sADF- en gsADF-testen een

add-in gemaakt add-in e-views, add-in dit onderzoek wordt hier gebruik van gemaakt.

3.1 BESCHRIJVENDE STATISTIEKEN

In Tabel 1 zijn de gebruikte variabelen samengevat. De gecorrigeerde Bitcoinprijs is gelijk aan de werkelijke Bitcoinprijs minus de voorspelde Bitcoinprijs door de fundamenten.

TABEL 1: SAMENVATTING VARIABELEN

Variabele Observaties Gemiddelde Std. Afwijking Min. Max. Bitcoinprijs 461 5276.092 4494.378 789.67 19325.94 Bbpgroei 461 2.385683 .2870597 2 2.8 Rentevoet 461 1.359197 .3836169 .79 2.12 Inflatie 461 2.14013 .2830255 1.6 2.7 Gecorrigeerde Bitcoinprijs 461 2.83e-06 2387.201 -5076.794 10935.28

13

3.1.1 AFHANKELIJKE VARIABELE

Zoals te zien in Figuur 7 waren Bitcoinprijzen erg volatiel van 1 januari 2017 tot 6 april 2018. Op 12 januari 2017 had de Bitcoin een dieptepunt van $790 en het hoogtepunt vond plaats op 17 december 2017. De Bitcoin bereikte een prijs van $19325,95. Dit duidt op een prijsstijging van 2346% in minder dan een jaar. Het gemiddelde was $5276 met een standaardafwijking van $4494,38. De grootste stijgingen vonden plaats rond mei 2017, september 2017 en november 2017.

FIGUUR 7: BITCOINPRIJZEN VAN 1/1/2017 TOT 6/4/2018

3.1.2 ONAFHANKELIJKE VARIABELEN

Er wordt gebruik gemaakt van data over bbpgroei, aangezien de cijfers over het bbpniveau nog niet beschikbaar zijn. De jaarlijkse bbpgroei is flink gestegen vanaf 2017 (zie Figuur 8). Deze groei kan hebben bijgedragen aan explosieve prijzen in de Bitcoinmarkt. Als er meer geld wordt verdiend kan men meer investeren in activa zoals de Bitcoin. Men wordt ook minder risicomijdend wanneer hun vermogen groeit (Jianakoplos & Bernasek, 1998). De groei in bbp kan ervoor hebben gezorgd dat meer individuen hun vermogen zijn gaan beleggen in speculatieve activa zoals de Bitcoin. In januari 2017 groeide het bbp nog met 2% per jaar. Elk kwartaal hierna steeg de jaarlijkse bbpgroei met ongeveer 0.2% totdat deze in april 2018 met 2.8% per jaar groeide. Gemiddeld was de jaarlijkse bbpgroei 2.38%.

Na de kredietcrisis heeft de Verenigde Staten lange tijd een jaarlijkse rentevoet tussen de 0% en 0,25% gehad, zoals ook veel andere westerse landen. De economie kwam hierna weer opgang. In de opvolgende jaren steeg de risicovrije rente langzaam en op 1 januari 2017 was de rentevoet van risicovrije obligaties van de Verenigde Staten 0.89%. Gedurende het jaar 2017 verhoogde Yellen, voorzitter van de FED, een aantal keren de rentevoet als gevolg van de positieve economische groei (Forbes.com, 2017). Hierdoor steeg de rentevoet geleidelijk tot en met april 2018 (zie Figuur 9) tot ruim 2%. Gemiddeld was de rentevoet 1,36%.

$0,00 $5.000,00 $10.000,00 $15.000,00 $20.000,00 $25.000,00 01- 01-17 01- 03-17 01- 05-17 01- 07-17 01- 09-17 01- 11-17 01- 01-18 01- 03-18

14 De inflatie in de Verenigde staten was niet uitsluitend stijgend in tegenstelling tot zowel de bbpgroei als de rentevoet. De inflatie fluctueerde tussen 1.6% en 2.7%. Inflatie kan de bbpgroei beïnvloeden (Barro, 2013). Daarnaast kan een hogere inflatie in de Verenigde Staten ervoor zorgen dat men hun vermogen niet in dollar wilt houden. Men wil hun vermogen houden in andere valuta of zelfs cryptovaluta. Om deze redenen wordt ook inflatie meegenomen als afhankelijke variabele in de regressie. Na een hoge inflatie in februari 2017 daalde de inflatie tot in juni 2017 tot op zijn dieptepunt van 1.6%. Hierna steeg de inflatie eindigde deze in april 2018 op 2.4%. Over de gehele periode was de inflatie gemiddeld 2,14%.

FIGUUR 8: BBPGROEI VAN DE VERENIGDE STATEN

FIGUUR 9: RENTEVOET VAN DE VERNIGDE STATEN

FIGUUR 10: INFLATIE VAN DE VERENIGDE STATEN 0,00% 0,50% 1,00% 1,50% 2,00% 2,50% ja nu ar i-1 7 fe br ua ri-17 ma ar t-17 ap ril -1 7 me i-1 7 ju ni -1 7 ju li-17 au gu st us -1 7 se pt em be r-17 ok tob er -1 7 no ve m be r-17 de ce m be r-17 ja nu ar i-1 8 fe br ua ri-18 ma ar t-18 ap ril -1 8

Rentevoet

15

3.2 METHODOLOGIE

Tweemaal worden de rADF-test, de sADF-test en de gsADF-test uitgevoerd. De eerste keer wordt er gebruikgemaakt van het natuurlijke logaritme van Bitcoinprijzen en de tweede keer van het natuurlijke logaritme van gecorrigeerde Bitcoinprijzen. We gebruiken in tegenstelling tot het onderzoek van Sua et al. (2017) het natuurlijke logaritme zodat de interpretatie van de regressie logischer is. Door gebruik van het natuurlijke logaritme wordt er ook meer rekening gehouden met uitschieters. De Bitcoinprijzen worden gecorrigeerd voor de bbpgroei, de rentevoet en de inflatie van de Verenigde Staten. De gevonden bubbels in de Bitcoinprijzen kunnen namelijk door fundamenten gedreven zijn (Dröes et al., 2017). Wanneer de natuurlijke logaritmes van Bitcoinprijzen significant met de fundamenten gecorreleerd zijn, is het zinvol ook voor de gecorrigeerde Bitcoinprijzen te controleren of er een bubbel plaatsvond. Eerst wordt getest of de Bitcoinprijzen explosief zijn gestegen. Deze analyse wordt gedaan door middel van een rADF-test.

Formule:

(3) ∆𝐿𝑛𝐵𝑖𝑡𝑐𝑜𝑖𝑛𝑝𝑟𝑖𝑗𝑠 = 𝛼 + 𝛿 𝐿𝑛𝐵𝑖𝑡𝑐𝑜𝑖𝑛𝑝𝑟𝑖𝑗𝑠"&'+ å'B∆𝐿𝑛𝐵𝑖𝑡𝑐𝑜𝑖𝑛𝑝𝑟𝑖𝑗𝑠"&4+ n" 𝐻₊: 𝐵𝑖𝑡𝑐𝑜𝑖𝑛 𝑝𝑟𝑖𝑗𝑧𝑒𝑛 𝑧𝑖𝑗𝑛 𝑛𝑖𝑒𝑡 𝑒𝑥𝑝𝑙𝑜𝑠𝑖𝑒𝑓 (𝛿 = 1)

𝐻_': 𝐵𝑖𝑡𝑐𝑜𝑖𝑛 𝑝𝑟𝑖𝑗𝑧𝑒𝑛 𝑧𝑖𝑗𝑛 𝑒𝑥𝑝𝑙𝑜𝑠𝑖𝑒𝑓 (𝛿 > 1)

Het fundamentele model wordt geschat op basis van de volgende regressie:

(4) 𝐿𝑛𝐵𝑖𝑡𝑐𝑜𝑖𝑛𝑝𝑟𝑖𝑗𝑠"= b₊+b_'𝑏𝑏𝑝𝑔𝑟𝑜𝑒𝑖"+ b_L𝑟𝑒𝑛𝑡𝑒𝑣𝑜𝑒𝑡"+ b_N𝑖𝑛𝑓𝑙𝑎𝑡𝑖𝑒"+ 𝑢"

Hierna wordt û geschat. Dit is het natuurlijke logaritme van de Bitcoinprijzen gecorrigeerd voor fundamenten. Als de Bitcoinprijzen significant gecorreleerd zijn aan de fundamenten, is er een relatie gevonden. De gecorrigeerde Bitcoinprijs worden ook nog getest op cointegratie getest om te kijken of er een lange termijn relatie is tussen de variabelen. Dit wordt gedaan door een unit root test uit te voeren op 𝑢". Deze unit root test wordt gedaan door het toepassen van een ADF-test. Het gebruik van bbpgroei in plaats van het bbpniveau kan invloed hebben op de cointegratie van het model. De rADF-test wordt hierna opnieuw uitgevoerd op de gecorrigeerde Bitcoinprijzen.

Formule:

(5) ∆ û = 𝛼 + 𝛿 û"&'+ å'B∆ û"&4+ n"

𝐻+: 𝐺𝑒𝑐𝑜𝑟𝑟𝑖𝑔𝑒𝑒𝑟𝑑𝑒 𝐵𝑖𝑡𝑐𝑜𝑖𝑛𝑝𝑟𝑖𝑗𝑧𝑒𝑛 𝑧𝑖𝑗𝑛 𝑛𝑖𝑒𝑡 𝑒𝑥𝑝𝑙𝑜𝑠𝑖𝑒𝑓 (𝛿 = 1) 𝐻_': 𝐺𝑒𝑐𝑜𝑟𝑟𝑖𝑔𝑒𝑒𝑟𝑑𝑒 𝐵𝑖𝑡𝑐𝑜𝑖𝑛𝑝𝑟𝑖𝑗𝑧𝑒𝑛 𝑧𝑖𝑗𝑛 𝑒𝑥𝑝𝑙𝑜𝑠𝑖𝑒𝑓 (𝛿 > 1)

Indien de nulhypothesen in de rADF-testen van beide modellen worden verworpen, worden de sADF- en gsADF-test uitgevoerd op de modellen. Zo kan er onderzocht worden of er sprake was van één of meerdere bubbels, of de bubbels geperiodiseerd kunnen worden en of het intrinsieke of speculatieve

16 bubbels betroffen. Om de bubbelfases te periodiseren worden gsADF-statistieken vergeleken met overeenkomende kritieke waardes van Monte-Carlosimulaties van de partiële som van 1000 onafhankelijk getrokken standaard normaalverdelingen. Daarnaast wordt er gecontroleerd op rolling

windows tot 43 dagen. Wanneer in de gecorrigeerde Bitcoinprijzen bubbels worden gevonden,

suggereert dit dat deze gedreven worden door speculatie.

3.3 RESULTATEN

Statistieken van de rADF-, sADF- en gsADF-testen (Tabel 2) laten zien dat de nulhypothesen met een zekerheid van 99% kunnen worden verworpen bij het testen op Bitcoinprijzen. Dit betekent dat er met 99% zekerheid kan worden aangetoond dat er explosief prijsgedrag was over de gehele onderzochte periode. Er was dus sprake van tenminste één bubbel. De gsADF-test controleert de sub periodes in de onderzochte tijdseries (Figuur 11). Deze toont aan dat er zelfs drie bubbels waren die langer duurden dan 10 dagen in Bitcoinprijzen en deze zijn samengevat in Tabel 3. Sua et al. (2017) vonden dat er twee bubbels waren in de eerste helft van 2017. Dit komt niet overeen met bevindingen van dit onderzoek. De eerste bubbel die Sua et al. in 2017 vonden komt in dit onderzoek namelijk niet naar voren. Rond 1 maart was een kleine periode waarin de gsADF-statistiek hoger was dan de kritieke waarde volgens de Monte-Carlosimulatie. Deze periode hield echter slechts enkele dagen aan, dus deze wordt niet beschouwd als bubbel. De eerste bubbel die gevonden is vond plaats vanaf 2 mei 2017 tot 27 juni 2017. Deze bubbel was een vrij hevige periode van prijsstijgingen, waarin de Bitcoin steeg van $1440,51 tot $2895,02 op zijn hoogtepunt, een stijging van 100,9%. Er zijn daarna nog meer bubbels gevonden. De tweede bubbel deed zich voor vanaf 11 augustus 2017 tot 9 september 2017 en was de mildste van de drie bubbels. Toch hield deze bubbel bijna één maand aan. De Bitcoinprijs steeg hierin 22,8%. De derde bubbel begon op 13 november 2017 en ging door tot 16 januari 2018. Dit was de langst aanhoudende bubbel die gevonden is in dit onderzoek. In deze periode steeg de Bitcoinprijs van $6336,16 tot $19325,95, een stijging van 205%. Hierna barstte deze bubbel en daalde de prijs van één Bitcoin met 37,21% naar een waarde van $12134,31. De waarde van één Bitcoin fluctueerde hevig tijdens deze laatste bubbel.

TABEL 2: RADF- SADF- EN GSADF-STATISTIEKEN VAN BITCOINPRIJZEN

Bitcoinprijs rADF sADF gsADF

t-Statistiek: 3.267567 2.897240 3.650372

17 TABEL 3: OVERZICHT BUBBELS IN BITCOINMARKT

FIGUUR 11: GSADF-TEST OP BITCOINPRIJZEN

Bubbel Begindatum Einddatum

1 2 3 02/05/17 11/08/17 13/11/17 27/06/17 09/09/17 16/01/17

Vervolgens is onderzocht of de gevonden bubbels intrinsiek of speculatief zijn. Hiervoor wordt er een regressie uitgevoerd volgens het fundamentele model van de Bitcoin zoals in vergelijking 4 beschreven is. In Tabel 4 is te zien dat de Bitcoinprijzen significant zijn gerelateerd aan de bbpgroei, de rentevoet en de inflatie van de Verenigde Staten met een betrouwbaarheidsniveau van 99%. Bbpgroei heeft een vrij hoge bèta van 1,995477. Dit betekent dat wanneer de bbpgroei met 1 procentpunt stijgt, de verwachte prijs van een Bitcoin met 199,55% toeneemt. Een stijgende bbpgroei kan dus een grote rol spelen in explosieve prijzen van de Bitcoin. De rentevoet heeft een coëfficiënt van 0,7390629. Als de rentevoet met 1 procentpunt toeneemt, stijgt de verwachte Bitcoinprijs met 73,91%. Voor de inflatie geldt een bèta van -0.3513165. Wanneer de inflatie met 1 procentpunt toeneemt, zal de verwachte waarde van de Bitcoin met 35,13% dalen. Alle onafhankelijke variabelen zijn aanzienlijk veranderd in de periode die onderzocht is. Aangezien deze allemaal een significant effect hebben op de Bitcoinprijzen, is het aannemelijk dat zij het explosieve prijsgedrag van de Bitcoin hebben beïnvloed. Zo kan het zijn dat sommige bubbels in de Bitcoinmarkt werden gedreven door de fundamenten.

18 TABEL 4: REGRESSIE OP FUNDAMENTEEL MODEL VAN DE BITCOINPRIJZEN

LnBitcoinprijs Coef. Std. Err. T-test P>|t| [95% Conf. Interval] Bbpgroei 1.995477 .1921686 10.38 0.000 1.617833 2.37312

Rentevoet .7390629 .1432182 5.16 0.000 .457615 1.020511

Inflatie -.3513165 .0545375 -6.44 0.000 -.4584919 -.2441412

Constante 3.163993 .3185947 9.93 0.000 2.537901 3.790086

Er is dus een significante relatie tussen de variabelen. Aanvullend zijn de gecorrigeerde Bitcoinprijzen vervolgens ook getest op cointegratie. De uitkomst van deze ADF-test (Tabel 5) geeft aan dat er niet met zekerheid kan worden gesteld dat er een lange termijn relatie is tussen de variabelen. Een oorzaak hiervan kan het gebruik van bbpgroei in plaats van bbpniveau zijn. Hierdoor kunnen de gewenste uitkomsten niet uit de unit root test zijn gekomen. Toch wordt er gebruik gemaakt van de gecorrigeerde Bitcoinprijzen volgens het fundamentele model om de Bitcoinmarkt verder te onderzoeken op speculatieve bubbels, omdat er in ieder geval een korte termijn relatie is. Om aan te tonen dat er speculatieve bubbels waren in de Bitcoinmarkt worden de gecorrigeerde Bitcoinprijzen onderworpen aan een rADF- sADF- en gsADF-test. De rADF-test toont met 99% zekerheid aan dat er sprake was van explosieve prijsveranderingen als gevolg van speculatie in de Bitcoinmarkt. De sADF-test verwerpt de nulhypothese niet. Er kan dus niet met zekerheid gesteld worden dat er één enkele speculatieve bubbel was in de onderzochte periode. Philips et al. (2012) legden echter uit in hun onderzoek dat wanneer er meerdere bubbels aanwezig zijn dit kan leiden tot een gereduceerde power van de test. Omwille hiervan moet er met een gsADF-test onderzocht worden of en wanneer er meerdere bubbels waren. In de gsADF-test wordt er met 99% zekerheid aangetoond dat er meerdere speculatieve bubbels waren in de onderzochte periode. In Figuur 12 staat de grafiek van de gsADF-test die is uitgevoerd op de gecorrigeerde Bitcoinprijzen. De eerste speculatieve bubbel die gevonden is vond plaats vanaf 18 mei 2017 tot 28 mei 2017. In deze periode van 10 dagen steeg de waarde van één Bitcoin van $1843,65 tot $2558,1, een stijging van 38,75%. Hierna daalde de prijs tot $2177,44, een daling van 14,88%. De tweede en laatste speculatieve bubbel duurde vanaf 4 december 2017 tot 20 december 2017. Deze bubbelfase duurde 16 dagen en was de hevigste van de twee gevonden speculatieve bubbels. De Bitcoinprijs steeg in 13 dagen met 69,71% van $11387,27 tot $19325,94. Hierna daalde deze in drie dagen met 13,01% tot $16811,29.

19 TABEL 5: RADF-, SADF- EN GSADF-TESTEN VAN DE GECORRIGEERDE BITCOINPRIJZEN

Gecorrigeerde Bitcoinprijs

ADF rADF sADF gsADF

t-Statistiek: 1.610765 2.442532 -0.016806 2.833939

Kritieke waarde 99%: 3.444342 0.697192 2.027631 2.654689

Kritieke waarde 90%: 2.570063 -0.389742 1.221189 1.988062

FIGUUR 12: GSADF-TEST VAN HET FUNDAMENTELE MODEL

TABEL 6: OVERZICHT SPECULATIEVE BUBBELS IN BITCOINMARKT

Bubbel Begindatum Einddatum

1 2 18/05/17 04/12/17 28/05/17 20/12/17

20

3.4 CONCLUSIE & DISCUSSIE

3.4.1 CONCLUSIE

In deze thesis is onderzocht of er bubbels aanwezig waren in de Bitcoinmarkt tussen 1 januari 2017 en 6 april 2018. Uit de testen (Tabel 2 & 5) kan geconcludeerd worden dat er sprake was van een bubbel in de onderzochte periode. De Bitcoinprijzen stegen explosief. Met behulp van gsADF-testen hebben we deze bubbels kunnen periodiseren. Door een nieuw model op te stellen welke rekening hield met fundamentele waarden van de Bitcoin kon er een onderscheid gemaakt worden tussen intrinsieke en speculatieve bubbels, wat een grote bijdrage is aan studies die eerder onderzoek deden naar bubbels in de Bitcoinmarkt. Het model van Bitcoinprijzen gaf aan dat er drie periodes van explosieve prijsstijgingen waren. De eerste bubbel duurde bijna twee maanden vanaf 2 mei 2017 tot 27 juni 2017, dit komt overeen met de laatste bubbel die Sua et al. (2017) hadden gevonden. Deze bubbel vertoonde 10 dagen lang kenmerken van een speculatieve bubbel vanaf 18 mei 2017 tot 28 mei 2017 en kan worden omschreven als een intrinsieke bubbel met speculatieve kenmerken. De tweede bubbel die gevonden werd hield bijna een maand aan, vanaf 11 augustus tot 9 september. Hierin werd volgens de gecorrigeerde Bitcoinprijzen geen speculatieve bubbel gevonden en dus spreken wij hier van enkel een intrinsieke bubbel. Deze bubbel kan volledig verklaard worden door de fundamenten. Tot slot werd er een bubbel gevonden die ruim twee maanden aanhield, vanaf 13 november tot 16 januari. De prijzen stegen hierin het meest extreem met maar liefst 205%, waarna deze daalde met 37,21%. Deze bubbelfase werd door speculatie gedreven vanaf 4 december tot 20 december. In deze periode steeg de waarde van één Bitcoin met 69,71%. Deze laatste bubbel kan niet enkel verklaard worden door de fundamenten en was naast een intrinsieke, ook een speculatieve bubbel.

3.4.2 DISCUSSIE

De uitkomsten van dit onderzoek komen niet geheel overeen met de bubbels die Sua et al. (2017) hadden gevonden. Sua et al. vonden in het eerste kwartaal van 2017 een bubbel, terwijl deze in dit onderzoek niet naar voren kwam. Er kunnen enkele redenen zijn voor deze bevindingen. Een oorzaak kan zijn dat er gebruik is gemaakt van het natuurlijke logaritme van Bitcoinprijzen, wat Sua et al. niet hadden gedaan. Door het gebruik van het natuurlijke logaritme kunnen prijzen ook minder explosief overkomen dan zij eigenlijk waren, maar er wordt wel rekening gehouden met uitschieters. Daarnaast is het natuurlijke logaritme van Bitcoinprijzen gebruikt, omdat hier in de gecorrigeerde Bitcoinprijzen ook gebruik van wordt gemaakt. Als er bij de ene test wel een natuurlijk logaritme genomen wordt en in de andere niet, kunnen de twee gsADF-testen niet met elkaar vergeleken worden. De eerste bubbel in 2017 kan ook niet opgemerkt zijn door de test omdat er gebruik is gemaakt van rolling windows van

21 een periode van 43 dagen. Een limitatie van dit onderzoek is dat hierdoor de eerste 43 dagen afvielen, oftewel heel januari 2017 en de eerste helft van februari 2017. Dit probleem had ondervangen kunnen worden door de startperiode van de data naar voren te schuiven. In een verdere vergelijking met het artikel van Sua et al. lijkt de frequentie van bubbels die plaatsvinden toegenomen te zijn. Sua et al. vonden in 8 jaar tijd 4 bubbels, terwijl in dit onderzoek in anderhalf jaar tijd drie bubbels werden gevonden. Hiervan waren er twee speculatief. Het wijst erop dat er meer bubbels in de Bitcoin plaatsvinden dan voorheen. Dit zou eventueel te maken kunnen hebben met de toegenomen media-aandacht aan de Bitcoin in 2017. De redenen voor de toegenomen frequentie van bubbels zouden kunnen worden onderzocht in toekomstig onderzoek. Het zou ook interessant zijn om te onderzoeken hoe de intrinsieke en speculatieve bubbels met elkaar in verband staan. Intrinsieke bubbels zouden kunnen leiden tot speculatieve bubbels. Verder onderzoek hiernaar zou erg interessant zijn, aangezien we erg weinig weten van de samenhang tussen bubbels. Ook is niet duidelijk welk gedeelte van een bubbel eigenlijk toe te kennen is aan speculatie. Bij de laatste bubbel hielden speculatieve elementen maar 16 dagen aan, terwijl de gehele bubbel ruim twee maanden duurde. Men kan stellen dat dan ongeveer 25% van de tijdsduur van deze bubbel speculatief was. Echter in dezelfde 16 dagen van speculatie steeg de Bitcoinprijs 70%, terwijl deze tijdens de gehele bubbel periode 205% steeg. De speculatieve groei van deze bubbel zou dan zelfs rond de 35% zijn. Er is nog geen manier om het speculatieve aandeel van een bubbel vast te stellen, in de toekomst zou er onderzoek gedaan kunnen worden naar een manier om dit te bepalen.

De cointegratietest van dit model is gefaald, waardoor de conclusies op basis van de gevonden resultaten uit het onderzoek naar speculatieve bubbels niet met zekerheid gesteld kunnen worden. Dit is een limitatie van het model aangezien er geen lange termijn relatie vastgesteld is tussen de variabelen. Een mogelijk oorzaak voor het falen van de cointegratie kan het gebruik van bbpgroei in plaats van het bbpniveau zijn geweest. Data over het bbpniveau van de Verenigde Staten is echter nog niet beschikbaar, anders was hier gebruik van gemaakt in dit onderzoek. Een suggestie voor toekomstig onderzoek is dat er wel gebruik wordt gemaakt van het bbpniveau. Ook zijn er meer variabelen die invloed kunnen hebben op de Bitcoinprijs. Zo zouden gegevens van een gewogen gemiddelde van internationale bbpniveau, internationale rentevoet en internationale inflatie gebruikt kunnen worden aangezien de Bitcoin een internationale valuta is. Ook zou het rendement van internationale indexen of data over het vertrouwen in de financiële sector invloed kunnen hebben op de Bitcoinprijs, hier is geen rekening mee gehouden in het model waarmee de Bitcoinprijzen zijn gecorrigeerd. In toekomstig onderzoek zou er rekening kunnen worden gehouden met deze variabelen.

Het hoogtepunt van de laatste bubbel vond plaats toen de CME (Chicago Mercantile Exchange)

futures op de Bitcoin lanceerde (CNBC, 2017), hierna zijn de Bitcoinprijzen gedaald. Zoals Ofek en

22 mogelijkheid om short te gaan op de Nasdaq aandelen. Het is interessant om te onderzoeken of de komst van deze mogelijkheid om short te gaan op Bitcoins een groot aandeel had in het barsten van deze laatste Bitcoin bubbel. Het ontbreken van grote financiële instellingen die investeren in de activa was tijdens de Nasdaq-bubbel een van de redenen waarom deze irrationeel konden stijgen (Ofek & Richardson, 2003). Een onderzoek van Reuters op 24 april (Reuters, 2018) stelde dat er pas 20% van de onderzochte instellingen nadachten om de cryptovalutamarkt te betreden. De toetreding van grote instellingen zou kunnen zorgen voor stabiliteit op de Bitcoinmarkt. De Bitcoinmarkt is nu zo volatiel dat deze sinds 6 april opnieuw is gestegen van $6656,71 naar $9965,50 op 5 mei en weer gezakt naar $6285,63 op 13 juni. In deze periode kan weer een bubbel zijn voortgekomen, maar deze data is niet onderzocht in deze thesis. Dit zou in de toekomst wel nog kunnen worden gedaan.

Al met al zijn er een aantal aspecten waar in de toekomst onderzoek naar gedaan kan worden. Met een nog geavanceerdere test zouden bubbels kunnen worden opgesplitst in een intrinsiek deel en een speculatief deel. Door nog meer variabelen mee te nemen kan er nog nauwkeuriger worden onderzocht welk deel van een bubbel door toedoen van speculatie is. In de toekomst zullen er hoogstwaarschijnlijk nog meer bubbels voorkomen op de Bitcoinmarkt, de gsADF-test kan dan gebruikt worden om deze bubbel identificeren, zodat men hierop kan inspelen.

23

BIBLIOGRAFIE

(2018, juni 12). Opgehaald van U.S. Department of the Treasury: https://www.treasury.gov/resource-

center/data-chart-center/interest-rates/Pages/TextView.aspx?data=yield&utm_source=tuicool

Barro, R. J. (2013). Inflation and Economic Growth. Annals of Economics and Finance(vol. 14), 121-144. Bettendorf, T., & Chen, W. (2013). Are there bubbles in the Sterling-dollar exchange rate? New

evidence from sequential ADF tests. Economics Letters(120), 350-353.

Caspi, I. (2013). Rtadf: Testing for Bubbles with EViews. Journal of Statistical Software.

Caspi, I., Katzke, N., & Gupta, R. (2014). Date Stamping Historical Oil Price Bubbles. Stellenbosch

Economic Working Papers(20/14).

Cheng, E. (2017, dec 17). Bitcoin debuts on the world's largest futures exchange, and prices fall slightly. Opgehaald van CNBC: https://www.cnbc.com/2017/12/17/worlds-largest-futures-exchange-set-to-launch-bitcoin-futures-sunday-night.html

Coinmarketcap.com. (2018, juni 12). Opgehaald van

https://coinmarketcap.com/currencies/bitcoin/#markets

Coinmarketcap.com. (2018, mei 28). Coinmarketcap. Opgehaald van Coinmarketcap.com

Dickey, D. A., & Fuller, W. A. (1979). Distribution of the Estimators for Autoregressive Time Series With a Unit Root. Journal of the American Statistical Association, Vol. 74, No. 366 pp. 427-431. Dickey, D. A., & Fuller, W. A. (1981). Likelihood Ratio Statistics for Autoregressive Time Series with a

Unit Root. Econometrica(49), 1057-1072.

Dröes, M., Houden, A., & Lamoen, R. v. (2017). De prijsstijgingen op de Amsterdamse woningmarkt onder de loep. ESB, 540-543.

Gürkaynak, R. S. (2008). ECONOMETRIC TESTS OF ASSET PRICE BUBBLES: TAKING STOCK. Journal of

Economic Surveys, 166-186.

Gensler, L. (2017, dec 13). Forbes.com. Opgehaald van Forbes:

https://www.forbes.com/sites/laurengensler/2017/12/13/federal-reserve-raises-interest-rates-for-third-time-in-2017/#5bcec2547a53

Google. (2018, mei 08). Opgehaald van https://trends.google.com/trends/explore?q=bitcoin

Jianakoplos, N. A., & Bernasek, A. (1998). Are Women More Risk Averse? Economic Inquiry(vol. 36 issue 4), 620-630.

Mushtaq, R. (2011). Testing time series data for stationarity. Université Paris . Nakamoto, S. (2009). Bitcoin: A Peer-to-Peer Electronic Cash System.

Odean, B. M. (2000). Trading Is Hazardous to Your Wealth: The Common Stock Investment Performance of Individual Investors. Journal of Finance, 773-806.

Ofek, E., & Richardson, M. (2003). DotCom Mania: The Rise and Fall of Internet Stock Prices. The

24 Phillips, P. C., Shi, S., & Yu, J. (2015). TESTING FOR MULTIPLE BUBBLES: HISTORICAL EPISODES OF

EXUBERANCE AND COLLAPSE IN THE S&P 500. International Economic Review(vol. 56), 1043-1078.

Phillips, P. C., Shi, S.-P., & Yu, J. (2012). Testing for multiple bubbles. Cowles Foundation Discussion

Paper(1843).

Phillips, P. C., Wu, Y., & Yu, J. (2011). Explosive behavior in the 1990s Nasdaq: When did exuberance escalate asset values? International Economic Review(52), 201-226.

Shiller, R. J. (2014). Speculative Asset Prices. American Economic Review, 1486–1517. Staff, R. (2018, apr 24). Opgehaald van Reuters:

https://www.reuters.com/article/us-crypto- currencies-survey/one-in-five-financial-institutions-consider-cryptocurrency-trading-survey-says-idUSKBN1HV0S4

Sua, C.-W., Lib, Z.-Z., Taoc, R., & Sid, D.-K. (2017). Testing for multiple bubbles in bitcoin markets: A generalized sup ADF test. Japan and the World Economy.

Tradingeconomics. (2018, juni 12). Opgehaald van

https://tradingeconomics.com/united-states/inflation-cpi

Tradingeconomics. (2018, juni 12). Opgehaald van

https://tradingeconomics.com/united-states/gdp-growth-annual

Urquhart, A. (2016). The inefficiency of Bitcoin. Economics Letters (148), 80–82.

Yermack, D. (2014). Is Bitcoin a Real Currency? An Economic Appraisal NBER Working Paper(No. 19747).