确定资产价格的决定因素是金融学中最重要的问题之一。传统的资产定价理论是建立在这样一种思想之上的:股票价格应该由收益等基本面因素决定(Gordon 1959, Campbell和Shiller 1988)。相比之下，行为金融学文献认为，由于投资者情绪交易，价格并不总是遵循基本面(Shiller 1981, Baker和Wurgler 2006, Stambaugh等人2012)。然而，最终，股票价格似乎跟踪其基本面(Pa´stor和Veronesi, 2003,2006, Bartram和Grinblatt 2018)。
加密货币的价格
就加密货币而言，学术界在确定其价格的决定因素方面只触及了皮毛。例如，Cheah和Fry(2015)和Corbet等人(2018)的研究称，比特币没有内在价值，其价格一直表现出“类似泡沫”的行为。Makarov和Schoar(2018)发现，比特币、以太坊和Ripple的价格在交易所之间的差异长达数周。在学术界之外，美国的总统最近在推特上表示，加密货币是基于“稀薄的空气”。1
在Bhambhwani等人(2019)中，我们通过确定影响加密货币价格的两个关键区块链指标，挑战了加密货币市场只是受泡沫和投机交易困扰的看法。具体来说，理论表明区块链的可信度和交易收益是加密货币价值的重要决定因素。Pagnotta和Buraschi(2018)将可信度与区块链的计算能力联系起来。Biais等人(2018)将加密货币的交易收益与其网络规模联系起来。
计算能力和网络对加密货币价格的重要性是显而易见的。从供应端来看，计算能力是由地理上分散的矿工提供的，他们为区块链提供动力，并受到激励，因为他们会获得以他们“开采”的加密货币单位为单位的奖励。高水平的计算能力允许交易有效地流动，保护区块链免受流氓攻击，从而增加区块链的可信性。从需求端来看，消费者重视区块链，因为它提供了不受审查、无国界和安全的交易。更大的用户网络意味着加密货币作为交易媒介的接受度更高，流动性也更高。总的来说，计算能力和网络应该与价格呈正相关。
调查关系
使用著名区块链研究公司Coinmetrics的数据。Io中，我们探讨了价格、计算能力(通过哈希率衡量)和网络(通过唯一活跃用户数量衡量)之间的关系。我们关注五种主要的可采矿加密货币(即比特币、以太坊、门罗、莱特币和Dash)。在我们的一些测试中，我们扩展了我们的数据，包括额外的33种加密货币。我们的样本期为2015年8月7日至2019年1月25日。
通过提供一些图形证据，我们为我们的正式计量经济学分析奠定了基础。例如，在图1中，我们看到比特币和以太坊的价格与各自计算能力值的紧密映射。此外，在图2中，我们观察到比特币和以太坊的价格与它们各自的网络价值之间的更强映射。有趣的是，这些图表还显示，当价格显著超过计算能力或网络的趋势时(如2017年底的情况)，价格最终会下降，并在基本面上跟踪趋势。价格与基本面走势的趋同表明，基本面是价格的最终长期决定因素。
图1比特币和以太坊的价格和计算能力
笔记:该图绘制了2015年8月至2019年1月期间比特币和以太坊的日志价格和日志计算能力(日志哈希率)的周平均值。我们通过减去它们的平均值并除以标准差来归一化这两个时间序列。
图2比特币和以太坊的价格和网络
笔记:该图绘制了2015年8月至2019年1月期间比特币和以太坊的日志价格和日志网络规模(唯一活动地址的日志)的周平均值。我们通过减去它们的平均值并除以它们的标准差来将这两个时间序列归一化。
正式调查和稳健性
我们用一种形式估计来补充图形证据，该估计考虑到价格、计算能力和网络是在均衡时共同决定的内生变量。因此，图形证据可能描绘出它们之间强大的正相关关系。为了解决这一经验障碍，我们遵循Lettau和Ludvigson(2001)和Lustig和Van Nieuwerburgh(2005)，并使用Stock和Watson(1993)的动态普通最小二乘(DOLS)。我们的估计显示，平均而言，五种主要可开采加密货币的价格——即比特币、以太坊、门罗、莱特币和Dash——取决于它们的计算能力和网络。与现有的实证工作(如Corbet et al. 2018, Li et al. 2018, Makarov and Schoar 2018)一致，我们还发现，在一些时期，价格会随着基本面而偏离长期趋势。
我们利用传统的资产定价测试进一步探讨了加密货币基本面在总体市场层面的重要性。对于这一分析，我们构建了基于计算能力和网络的合计值的风险因素。我们用ACP表示总计算功率因数，用ANET表示总网络因数。构建这些因素的创新之处是，我们遵循因子模拟投资组合方法(Knez等人，1994年，Lamont 2001年，Vassalou 2003年)在加密货币回报单位中表示它们。
我们还考虑了另外两个因素，解释了在某些时期价格偏离基本面的发现。第一个因素是比特币的回归。我们认为，比特币作为规模最大、交易量最大的加密货币，对投资者的情绪和投机交易最敏感。因此，作为一个因素，它可以捕捉到与基本面无关的交易力量最强的时期。第二个因素是我们根据Jegadeesh和Titman(1993)的开创性工作构建的加密货币价格动力因素。动量效应与投资者心理有关(如Barberis等，1998年)。
我们根据资产定价文献测试了我们的因素对加密货币回报定价的能力。资产定价理论(Cochrane, 2005, 2011)认为，如果总计算能力和网络因素是加密货币的有意义的风险因素，那么它们应该获得正的风险溢价。与这一假设一致，我们发现基于基本面的ACP和ANET因素对30天期国库券收益率具有正的风险溢价。其中，ACP和ANET因子的周平均收益率分别为1.95%和1.63%。我们还发现，所有加密货币因素的平均回报率和标准差都高于美国股市。不过，它们的夏普比率与美国股市相当。例如，ACP因子的夏普比率为14.9%，而美国股市的夏普比率为11%。总体而言，加密货币因素反映了这个市场的高回报-高风险权衡。
更重要的是，我们发现ACP和ANET因素可以为加密货币回报定价。特别是，我们所有的五种加密货币都受到基本面因素的积极影响。ACP和ANET的解释力超过了任何与比特币和动量因素相关的影响。鉴于我们样本中的五种加密货币一直占据加密货币总市值的80%至95%，这一发现并非微不足道。此外，我们将因子分析扩展到从Bittrex交易所获得的33种非样本加密货币集合。我们发现，在这个大的样本外数据集中，聚合计算能力和网络因素也为加密货币定价。
结论
总的来说，我们提供了两组新的发现。首先，我们证明，从长远来看，五种主要可采矿加密货币的价格取决于它们的计算能力(即哈希率)和网络(即用户数量)。其次，我们构建了与计算能力和聚合网络的总价值相关的风险因素，并表明它们可以为一系列加密货币的回报定价。我们的发现对加密货币的辩论有几个影响。首先，我们表明，主要加密货币的长期价格是基于现实的，因为它们是基于基本面的。随着加密货币市场的成熟，监管监管和政治风险等其他重要因素可能也会变得重要。无论如何，我们的研究是更好地理解加密货币价格决定因素的一小步。
参考文献
Baker, M.和J. Wurgler(2006)，“投资者情绪与股票收益的横截面”，金融杂志61(4)， 1645-1680。
Barberis, N.， A. Shleifer和R. Vishny(1998)，“投资者情绪模型”，金融经济学杂志49岁,307{343。
巴特拉姆，s.m.和M.格林布拉特(2018)，《不可知论基础分析著作》，金融经济学杂志128(1)， 125-147。
Bhambhwani, S. Delikouras和g.m. Korniotis(2019)。“基本面因素会驱动加密货币价格吗?，工作论文。
Biais, B.， C. Bisiere, M. Bouvard, C. Casamatta，和A. J. Menkveld(2018)，“均衡比特币定价”，工作论文。
坎贝尔，J. Y.和R. J.席勒(1988)，“股票价格、收益和预期股息”，金融杂志43 (3)， 661-676
Cheah, E. T.和J. Fry(2015)，“比特币市场的投机泡沫?比特币基础价值的实证研究”，经济学的信件130年,32-36。
Cochrane, J. H.(2005)，“金融市场与实体经济”，金融基础与趋势1(1)， 1 - 101。
Cochrane, J. H.(2011)，“贴现率”，金融杂志66(4)， 1047-1108。
Corbet, S.， B. Lucey和L. Yarovaya(2018)，“为比特币和以太坊泡沫盖上日期戳”，金融研究函件26日,81 - 88。
Gordon, M. J.(1959)，“股息、收益和股票价格”，《经济与统计评论》，99 - 105。
Jegadeesh, N.和S. Titman(1993)，《股票市场效率的影响:买入赢家和卖出输家的回报》，金融杂志48(1)， 65-91。
Knez, P. J.， R. Litterman和J. Scheinkman(1994)，“对解释货币市场回报的因素的探索”，金融杂志49(5)， 1861-1882。
拉蒙特，O. A.(2001)，“经济跟踪投资组合”，计量经济学杂志105(1)， 161-184。
Lettau, M.和S. Ludvigson(2001)，“消费，总财富，和预期股票回报”，金融杂志56(3)， 815-849。
李庆林，李金勇。马，张玉霞(2018)，“区块链队列理论”，在计算社交网络国际会议,批准。施普林格。
卢斯廷(2005)，《住房抵押、消费保险与风险溢价:一个实证视角》，金融杂志60(3)， 1167-1219。
Makarov, I.和A. Schoar(2018)，“加密货币市场的交易和套利”，金融经济学杂志，即将到来。
Pagnotta, E.和A. Buraschi(2018)。“比特币和去中心化网络资产的均衡估值”，工作文件。
Pa´stor, L.和P. Veronesi(2003)，“股票估值与盈利能力的学习”，金融杂志58(5)， 1749-1789。
Pa´stor, L.和P. Veronesi(2006)，“上世纪90年代末纳斯达克是否存在泡沫?””,金融经济学杂志81(1)， 61-100。
席勒，R.(1981)，“股票价格的波动过大，以至于无法用股息的后续变化来证明?””,美国经济评论71(3)， 421-36。
史丹宝、余杰、袁媛(2012)，《投资者情绪与异常现象》，金融经济学杂志104(2)， 288-302。
Stock, J. H.和M. W. Watson(1993)，“高阶积分系统中协整向量的一个简单估计量”，费雪, 783 - 820。
Vassalou, M.(2003)，“与未来GDP增长相关的新闻作为股票回报的风险因素”，金融经济学杂志68(1)， 47-73。
尾注
[1]看到https://twitter.com/realdonaldtrump/status/1149472282584072192
