Journal of Monetary & Banking Research

fa تحلیل شبکه‌ای از اتصالات تلاطمات بین رمزارزها؛ رویکرد خودرگرسیون برداری چندکی A Network Analysis of Volatility Connectedness among Cryptocurrencies: A Quantile Vector Autoregressive Approach مؤسسات و خدمات مالی (G2) Financial Institutions and Services (G2) مطالعه تجربی Empirical Study <div style="text-align: justify;">مقالهٔ حاضر با به‌کارگیری رویکرد اتصالات مبتنی بر مدل خودرگرسیون برداری چندکی (QVAR) به بررسی انتقال نوسانات در 16 رمزارز کلیدی می‌پردازد که در 6 سال اخیر، یعنی از ژانویهٔ 2018 تا ژوئیهٔ 2024، بیش از 90 درصد ارزش کل بازار را در دست داشته‌اند. یافته‌ها نشان می‌دهد که اولاً، شاخص اتصالات کل 83٫17 درصد است که بیانگر سرریز بسیار نوسانات بین رمزارزهای مورد بررسی است. ثانیاً «اتریوم» و «ایاس» قوی‌ترین انتقال‌دهندگان دائمی تکانه‌ها به حساب می‌آیند و به همین دلیل در تحلیل‌های بازار شاخص‌هایی پیشرو شناخته می‌شوند و نقشی کلیدی در هدایت تغییرات بازار ایفا می‌کنند. در مقابل، «دوج‌کوین» و «فایل‌کوین» مهم‌ترین پذیرندگان تلاطمات محسوب می‌شوند و به‌عنوان شاخص‌های پیرو ایفای نقش می‌کنند. ثالثاً، رمزارزهایی مانند «بیت‌کوین»، «بیت‌کوین‌کش»، «لایت‌کوین»، «استلار»، «دش»، و «نئو» انتقال‌دهندگان خالص ریسک‌ها به حساب می‌آیند. «ریپل»، «ترون»، «بایننس‌کوین»، «چین‌لینک»، «تتا‌نتورک»، و «مونرو» نیز همچون دریافت‌کنندگان ریسک‌ها عمل می‌کنند. نتایج این مقاله با ارائهٔ بینشی از درک بهتر پویایی‌های سرریز تلاطمات بین بازده رمزارزها به تصمیم‌گیری‌های راهبردی سرمایه‌گذاران در مدیریت ریسک کمک می‌کند.</div>   <div style="text-align: justify;"><span style="unicode-bidi:embed"><span style="font-size:11.0pt"><span new="" roman="" style="font-family:" times=""><span style="font-weight:normal">This study employs a Quantitative Vector Autoregressive (QVAR)-based connectedness approach to explore the volatility transmission among 16 major cryptocurrencies that collectively represent over 90% of the total market cap from January 2018 to July 2024. The analysis reveals three key findings. First, the total connectedness index stands at 83.17%, signifying substantial volatility spillovers among the examined cryptocurrencies. Second, Ethereum and Eos emerge as the most influential transmitters of shocks, serving as leading indicators in market analysis and driving market shifts. In contrast, Dogecoin and Filecoin are identified as the primary receivers of shocks, functioning as follower indicators. Third, cryptocurrencies like Bitcoin, Bitcoin Cash, Litecoin, Stellar, Dashcoin, and Neo act as volatility transmitters, while Ripple, Tron, Binance Coin, Chainlink, Theta Network, and Monero primarily behave as receivers of volatilities. These insights offer valuable guidance for investors in making strategic risk management decisions by enhancing their understanding of the volatility spillover dynamics among cryptocurrency returns.</span></span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"><span style="font-weight:normal"></span></span></span></span></div>   خود رگرسون برداری چندکی, شاخص اتصالات کل, سرریز تلاطمات, شاخص اتصالات زوجی پویا 261 293 http://jmbr.mbri.ac.ir/browse.php?a_code=A-10-2720-2&slc_lang=fa&sid=1 reza taleblou رضا طالبلو talebloo.r@gmail.com 100319475328460014590 100319475328460014590 Yes associate professor faculty of economics, Allameh Tabataba'i University دانشیار دانشکده اقتصاد دانشگاه علامه طباطبائی (نویسنده مسئول) Parisa Mohajeri پریسا مهاجری p.mohajeri@atu.ac.ir 100319475328460014591 100319475328460014591 No associate professor faculty of economics, Allameh Tabataba'i University دانشیار دانشکده اقتصاد دانشگاه علامه طباطبائی Shakiba Lasgari شکیبا لشگری shakibalashgari1999@gmail.com 100319475328460014592 100319475328460014592 No Master Student of Economics, Allameh Tabataba'i University دانشجوی کارشناسی ارشد اقتصاد نظری- دانشکده اقتصاد دانشگاه علامه طباطبائی