An empirical study of cryptocurrency market interdependence : insights from return and volatility spillover analysis

Abstract

This study examines spillover effects of returns and volatility among 48 of the most significant cryptocurrencies, selected based on their market capitalisation as of January 31st, 2023. By utilising a generalised Vector Autoregressive (VAR) framework that maintains the invariance of forecast-error variance decompositions to variable ordering, this study quantifies both total and directional spillovers of returns and volatility. The methodology is employed on daily return data covering the period from November 9th, 2017, to January 31st, 2023. In order to reveal latent patterns and tendencies that may be imperceptible in the dataset, we adopt a temporal segmentation approach by partitioning the data into annual sub-periods extending from 2018 to 2022, encompassing a quinquennium. The study shows that, (i) contrary to some prior literature, Bitcoin does not exert dominant influence on return and volatility spillovers among the sampled cryptocurrencies; (ii) Ethereum (ETH) and Qtum (QTUM) appears to exhibit a dominant influence on return and volatility spillovers among the selected cryptocurrencies during most periods; (iii) the sampled cryptocurrencies demonstrate a remarkably high degree of spillovers; (iv) a clear pattern in the main drivers of spillovers is not readily discernible, albeit some cryptocurrencies stands out. In addition, our results indicate that constructing models using exclusively cryptocurrency data may pose inherent difficulties owing to the resemblances in return characteristics among numerous digital assets, which may subsequently undermine the precision of these models.

Denne studien undersøker smitteeffekter av avkastning og volatilitet blant de 48 mest betydningsfulle kryptovalutaene, basert på markedsverdi per 31. januar 2023. Ved å benytte et generalisert Vector Autoregressive (VAR) rammeverk som opprettholder invariansen av prognosefeil ved variansdekomponeringer i henhold til variablers rekkefølge, kvantifiserer denne studien både totale og retningsbestemte smitteeffekter av avkastning og volatilitet. Metoden er brukt på daglig avkastningsdata fra perioden 9. November 2017 til 31. Januar 2023. For å avdekke tendenser som kan være mindre synlig i den totale undersøkte perioden, deler vi dataene inn i årlige subperioder som strekker seg fra 2018 til 2022, og omfatter en femårsperiode. Studien viser at (i) i motsetning til noen tidligere studier, utøver ikke Bitcoin en dominerende innflytelse på smitteeffekter av hverken avkastning eller volatilitet blant de utvalgte kryptovalutaene, (ii) Ethereum (ETH) og Qtum (QTUM) ser ut til å ha en dominerende innflytelse på smitteeffekter av avkastning og volatilitet blant de utvalgte kryptovalutaene i de fleste periodene, (iii) de utvalgte kryptovalutaene demonstrerer en bemerkelsesverdig høy grad av smitteeffekter, (iv) et klart mønster i hoveddriverne av smitteeffekter er ikke lett å identifisere, selv om noen kryptovalutaer skiller seg ut. Videre indikerer våre resultater at å konstruere modeller som utelukkende bruker kryptodata kan medføre innbygde vanskeligheter på grunn av likhetene i avkastningsegenskapene blant de utvalgte kryptovalutaene, noe som kan underminere presisjonen av disse modellene.