Bitcoin en la corriente principal Parte 1: Estudio de investigación de Bitcoin suizo

En el Bitcoin comunidad, Precio de Bitcoin el análisis es una tendencia creciente, aunque a menudo es el blanco de muchas bromas y comentarios sarcásticos. Sin embargo, este sarcasmo y cinismo hacia el análisis de precios de Bitcoin no carece de justificación; La mayoría de los analistas hacen predicciones terriblemente inexactas y no usan datos que son realmente útiles, una práctica que con toda seguridad proviene del empleo de lo inadecuado. metodología.

Pero no entraremos en problemas con la comunidad de análisis de precios de Bitcoin en este artículo, ya que los hemos discutido extensamente en otra parte. En cambio, este artículo será la primera entrega de una serie de dos partes sobre hasta qué punto la corriente principal se está quedando atrás de la comunidad de Bitcoin en términos de su comprensión de Bitcoin. Este artículo se centra específicamente en un artículo de investigación reciente de una universidad suiza que estudia las fluctuaciones en el precio de Bitcoin en relación con los cambios en la conciencia social de la moneda digital. A lo largo del curso de este artículo, descubriremos que los investigadores suizos finalmente no agregaron nada de valor a las discusiones sobre Bitcoin y también emplearon teorías y metodologías económicas extremadamente defectuosas..

Estudio suizo de las fluctuaciones de los precios de Bitcoin y su conexión con las “señales sociales”: por qué este estudio no tiene valor y dónde salió mal

La inspiración de este artículo proviene de un artículo reciente de CoinDesk, que informó sobre un Estudio de Bitcoin que fue publicado recientemente por ETH Zürich, una universidad en Suiza que es líder en educación tecnológica. Este estudio recopiló datos empíricos desde mediados de 2010 hasta noviembre de 2013, al comienzo del pico de precios de Bitcoin, solo unos meses antes del monte. Gox se estrelló y empleó varias herramientas estadísticas diferentes para analizar estos datos.

Por Juan Rubiano [CC BY-NC-ND 2.0], vía FlickrEl equipo de investigación tomó cuatro conjuntos de datos, los trató como variables y los superpuso entre sí para encontrar correlaciones e interdependencias entre las cuatro variables a medida que crecían y cambiaban a lo largo del período de tiempo considerado en el estudio. La primera de las cuatro variables fueron las descargas del cliente de Bitcoin y la cadena de bloques de Bitcoin. El equipo de investigación analizó la actividad en la cadena de bloques y rastreó las descargas del cliente de Bitcoin para generar un número aproximado de nuevos usuarios de Bitcoin..

En segundo lugar, el equipo recopiló datos sobre los tipos de cambio entre Bitcoin y tres monedas fiduciarias diferentes y tres intercambios diferentes, respectivos de las monedas. Usaron el monte. Precio de Gox Bitcoin, expresado en dólares estadounidenses (USD); rastrearon la actividad china a través de BTC-China, expresado en renminbi chino (CNY); por último, rastrearon la actividad de BTC-de, un intercambio europeo de Bitcoin, que se indica en euros (EUR). Tanto el monte. Gox y BTC-de permitieron el comercio en EUR, por lo que el equipo de investigación rastreó el movimiento del EUR en ambos intercambios para estudiar la actividad europea de Bitcoin..

La tercera variable utilizada por el equipo fue la información de búsqueda en Internet. Recopilaron datos sobre la cantidad de búsquedas realizadas en Google para el término “bitcoin”. Como alternativa, utilizaron búsquedas en Wikipedia, la enciclopedia en línea más grande del mundo..

La cuarta y última variable utilizada en el estudio fue el intercambio de información de boca en boca (WOM). Para rastrear el crecimiento en el intercambio de información de WOM Bitcoin, midieron la cantidad de tweets relacionados con Bitcoin por cada millón de publicaciones en el feed de Twitter del equipo. Como alternativa, el estudio utilizó el número de “acciones” para las publicaciones en la página de Facebook más antigua, de lo que pudieron recopilar los investigadores, relacionada con Bitcoin: http://www.facebook.com/bitcoins.

Luego, los investigadores emplearon la metodología elegida para analizar los datos. No entraremos en esa metodología aquí, porque es poco más que una miríada de modelos estadísticos y análisis empíricos lo que no tiene peso en el mundo de la economía. De hecho, como argumentaremos, su extenso proyecto de investigación empírica no obtuvo datos que la comunidad de Bitcoin aún no hubiera descubierto por su cuenta. En una parte posterior de este artículo, sin embargo, cubriremos brevemente las fallas de la economía empírica y se remitirá al lector a algunos artículos anteriores, escritos por este autor, que han proporcionado un análisis más profundo de la falacia de economía empírica.

Sin embargo, las investigaciones sí utilizaron un método analítico, que este autor cree que es muy interesante, que esbozaremos aquí. El equipo de investigación intentó identificar un valor “fundamental” para un solo bitcoin, de modo que pudieran tener una medida de referencia del valor de Bitcoin que pudieran comparar con el precio real de Bitcoin a medida que el mercado respondía a las “señales sociales”. Admitieron que era difícil precisar el valor “fundamental” preciso de un bitcoin; pero también argumentaron que este valor tenía que ser al menos el costo de producción de un bitcoin, por lo que utilizaron ese costo como punto de referencia para el valor “fundamental”. Este método en particular se basa en una antigua falacia económica: la teoría del valor del costo de producción. Discutiremos esta falacia más adelante en este artículo, cuando identifiquemos los problemas con el proyecto de investigación en su conjunto..

Una cita directa del trabajo de investigación sobre el valor fundamental de Bitcoin:

Es difícil calcular una estimación del valor fundamental, o intrínseco, de un bitcoin, que es diferente de su valor “justo” [23]. Sin embargo, argumentamos que el valor fundamental de un bitcoin equivale al menos al costo involucrado en su producción (a través de la minería) y, por lo tanto, podemos usar este costo como una estimación de límite inferior del valor fundamental. Esta definición tiene la ventaja de ser independiente de cualquier evaluación subjetiva de rendimientos futuros..

Los hallazgos del estudio de Bitcoin de Zürich

Después de presentar las metodologías y conjuntos de datos elegidos que se utilizarán al realizar este estudio de precios de Bitcoin, los autores del documento pasaron varias páginas repasando los resultados de su estudio. En lugar de repasar estos resultados en detalle, ya que están plagados de jerga técnica innecesaria que en realidad no proporciona ningún dato valioso a la economía de Bitcoin, brindaremos un breve resumen de los hallazgos y algunas citas directas del texto..

Por Rob Ireton [CC BY 2.0], vía FlickrEntonces, para resumir brevemente los resultados del estudio, los hallazgos esenciales del investigador fueron que existía una correlación positiva entre el aumento de las búsquedas en Google, el aumento del intercambio de información de WOM y el aumento del precio de Bitcoin. Verificaron dos veces esta correlación ejecutando sus modelos estadísticos para ambos conjuntos de variables de búsqueda en Internet y para compartir WOM, con Wikipedia como alternativa a Google y Facebook como alternativa a Twitter. Incluso al mirar las búsquedas de Wikipedia y las acciones de Facebook, el aumento de la actividad en ambas plataformas se correlacionó positivamente con los aumentos en el precio de Bitcoin..

Además de su “descubrimiento” de esta conexión entre las señales sociales y el precio de Bitcoin, encontraron que esta correlación en realidad crea dos ciclos de retroalimentación positiva. El primer ciclo de retroalimentación es que el aumento de las búsquedas en Internet y las acciones en las redes sociales fue seguido por un aumento en el precio, que luego fue seguido por más búsquedas y acciones, etc. El segundo ciclo es uno que implica un crecimiento de nuevos usuarios de Bitcoin. Descubrieron que una mayor búsqueda y uso compartido condujo a un aumento en la adopción, lo que creó un aumento en el precio de Bitcoin, lo que llevó a más búsquedas y uso compartido, etc..

Sin embargo, estos ciclos de retroalimentación no se prolongaron indefinidamente. El estudio también encontró una correlación entre las búsquedas máximas en Internet y el intercambio de WOM y la caída del precio de Bitcoin. Varias veces durante el período de tiempo estudiado por estos investigadores, la búsqueda y el intercambio alcanzarían un pico, después del cual el precio de Bitcoin se “colapsaría”. Después de descubrir esta correlación, el estudio llegó a la conclusión de que estas señales sociales están definitivamente vinculadas y juegan un papel importante en el “ciclo de la burbuja” de Bitcoin; Una mayor conciencia social conduce a una explosión en el precio de Bitcoin, que es seguida por una fuerte caída en el precio, junto con una disminución en las búsquedas y el intercambio de WOM..

Aquí hay algunas citas directas del documento sobre los hallazgos del estudio:

Desenmarañamos los ciclos de retroalimentación en nuestro sistema mediante un VAR [26], que captura relaciones lineales multidimensionales dependientes del tiempo entre las cuatro variables del análisis, con un desfase de 1 día. . . El VAR revela los siguientes ciclos de retroalimentación:

– ciclo ‘social’: el volumen de búsqueda aumenta con el precio (f P, S 1/4 0.386), el boca a boca aumenta con el volumen de búsqueda (f S, W 1/4 0.243) y el precio aumenta con el boca a boca (f W , P 1/4 0,1). La consideración simultánea de todas las dependencias entre las cuatro variables enfatiza la influencia del boca a boca en el precio, revelando una relación más fuerte que la que no se puede observar con el análisis de correlación por pares (más detalles en el material complementario electrónico, §S3). El ciclo de tres vías entre S t, W t y P t representa el ciclo de retroalimentación entre la dinámica social y el precio en la economía de Bitcoin..

– ciclo de ‘adopción del usuario’: el volumen de búsqueda aumenta con el precio (f P, S 1/4 0.386), el número de nuevos usuarios aumenta con el interés de búsqueda (f S, U 1/4 0.158) y el precio aumenta con el aumento en la adopción de usuarios (f U, P 1/4 0,137). Este segundo bucle de tres vías entre S t, U t y P t modela cómo el tipo de cambio de Bitcoin a otras monedas depende del número de usuarios en la economía de Bitcoin.

Además de estos dos ciclos, encontramos una relación negativa entre la búsqueda y el precio (f S, P 1/4 20.233). Esto se ilustra con una clara relación diádica entre los extremos de las dos variables: tres de las cuatro mayores caídas diarias de precios fueron precedidas por el primer, cuarto y octavo aumento más grande en el volumen de búsquedas de Google el día anterior..

Los ciclos presentados anteriormente proporcionan una explicación de la generación de burbujas en la economía de Bitcoin. Hallazgos recientes indican que las fuerzas impulsoras detrás de los precios de Bitcoin cambiaron desde su invención [29], lo que motivó nuestra descomposición del período de estudio en ventanas de tiempo características, cada una de las cuales corresponde a una burbuja distinta. Hacemos esto estimando un límite inferior para el valor fundamental de Bitcoin: aproximamos el costo de energía de producir un bitcoin, que se deriva directamente de la dificultad de Bitcoin [1] (ver Material y métodos). A lo largo de nuestro período de estudio, el precio se mantuvo casi siempre por encima del valor fundamental (figura 3a: la trayectoria del precio medio ponderado semanal está casi exclusivamente a la izquierda de la línea precio / igualdad fundamental). El comercio de bitcoins a un precio mucho más alto indica la posible presencia de una burbuja [30], y los eventos en los que el precio de mercado comienza a divergir del valor fundamental marcan el comienzo de las burbujas..

Por último, una cita sobre cómo los investigadores creen que este tipo de análisis cuantitativo puede ser útil para predecir el precio futuro de Bitcoin y las futuras burbujas de Bitcoin:

La técnica estadística que utilizamos en este artículo demuestra ser una forma robusta de identificar la dinámica acoplada de las variables socioeconómicas que estudiamos. También produce estimaciones precisas de los niveles futuros de cualquier variable (incluido el precio y el boca a boca) basándose en la historia pasada del sistema..

Continúa en la página 2

Páginas: 1 2 3

Mike Owergreen Administrator

Sorry! The Author has not filled his profile.

follow me