Institutional Money, Ausgabe 2 | 2019

Prognosemodell, basierend auf den gängigen Faktortheorien, zu entwerfen. Um das zu erreichen, simulierten sie für alle fünf Faktoren zuerst ein Markt-Äquiva- lent, indem sie „die Erträge von Bitcoin als CAPM-ähnliche Markterträge ansehen“. Der Faktor „Momentum“ wird berechnet, indem man sich an die von Jegadeesh und Titman im Jahr 1993 entwickelte Methode anlehnt: Demzufolge wurde der gegenwärtige Ertrag der schlechtestperformenden Währung der Vorperiode vom gegenwärtigen Ertrag der bestperformenden Währung der Vorperiode abgezogen. Mittels Kleinstquadrat-Regres- sion wurden dann die Auswirkungen aus- gewertet, die Veränderungen in der Rechen- leistung und der Netzwerkstärke auf die Erträge haben. Die daraus resultierenden Daten wurden dann in die entsprechenden Risikofaktoren „Rechenleistung“ und „Netz- werk“ umgewandelt. Ausgewertet wurden die Erträge der so erhobenen Risikoprämien, indem sie mit denen von 30-Tages-Treasuries verglichen wurden. Es gibt zwei Beobachtungs- intervalle, nämlich eine und vier Wo- chen. Das Resultat: „Alle Faktoren – also Market, Momentum, Netzwerk und Rechenleistung – weisen gegen- über dem risikofreien Segment Mehr- erträge auf, sind also ,echte‘ Fakto- ren“, wie Delikouras erklärt. Ein interessantes Ergebnis tritt auf, wenn man das Risiko, gemessen an der Standardabweichung, und die Erträge der Faktoren mit dem US-Ak- tienmarkt vergleicht. Dann übertreffen die Faktoren des Kryptomarktes die der Aktienmärkte bei Standardabwei- chungen und Erträgen zwar um ein Vielfaches, sie sind also hoch volatil – nachdem die Sharpe Ratios aber ähnlich hoch sind, sind die statisti- schen Risiken des Kryptomarktes im Vergleich zu US-Aktien nicht über- trieben. Mittels Regression wurden in der Folge zwei separate Faktormodelle berechnet – einmal unter der Herein- nahme von „Rechenleistung“, das zweite Mal unter Berücksichtigung von „Netzwerk“ (siehe Tabellen „Wie ,Rechenleistung‘ als Faktor funk- tioniert“ und „Wie ,Netzwerk‘ als Faktor funktioniert“) . Die Resultate bestätigen die Annahme der Autoren, dass Kryptowährungen Fundamental- daten aufweisen und diese in weiterer Folge als Faktoren eingesetzt werden können: In beiden Modellen lädt die Performance des Kryptomarktes deutlich und statistisch relevant auf die Faktoren „Rechenleistung“ und „Netzwerk“. Demnach wäre der Kryptowährungsmarkt also durchaus funda- mental beeinflusst. An dieser Stelle ein kurzer Realitäts- Check: Wenn „Rechenleistung“ und „Netz- werk“ als Fundamentaldaten gelten, müsste Bitcoin zum Ende des Beobachtungszeit- raums am 31. Oktober 2018 unterbewertet gewesen sein. Das geht zumindest aus den jeweiligen Vergleichscharts hervor. Und tat- sächlich: Verglichen mit dem 31. Oktober 2018 lag Bitcoin laut Bloomberg-Daten zu Redaktionsschluss am 15. Mai 2019 knapp 30 Prozent im Plus – die grafisch dargestell- te Unterbewertung konnte also aufgeholt werden. Wenngleich es sich bei diesem letz- ten Vergleich um eine Momentaufnahme handelt, so könnte die Arbeit der Professo- ren aus Miami, der bereits Arbeiten mit ähnlichem, wenngleich weniger ausgearbei- tetem Grundtenor vorausgingen, den Weg in eine geordnetere Zukunft – und somit bessere Investierbarkeit – von Krypto- währungen ebnen. Denn es gibt, wie bereits erwähnt, von Seiten der Regu- latorik, aber auch des Marktes ent- sprechende Aktivitäten. Eine der Speerspitzen bildet dabei die Börse Stuttgart mit dem Launch der „Bison- App“. Börse Stuttgart prescht vor Bei dieser Anwendung handelt es sich laut dem Börsenbetreiber um die erste Anwendung in Deutschland, „hinter der eine traditionelle Wert- papierbörse steht“. Demnach „ist die App für den einfachen und schnellen Handel mit Kryptowährungen opti- miert. Zu Beginn wird der Handel mit Bitcoin, Ethereum, Litecoin und Ripple (XRP) unterstützt. Weitere Kryptowährungen folgen“, so das Versprechen. Die Börse geht dabei ein paar Kompromisse zur reinen Krypto- Lehre ein. So war bei der Erschaffung von Bitcoin einer der wichtigsten Gedanken: „Be your own bank.“ Das bedeutet: Die Währung wird in der eigenen Wallet, die sich auf einem Computer, einem Handy oder einem anderen dafür vorgesehenen Gerät » Der innere Wert von Kryptos liegt in der aufgewendeten Rechenleistung beim Mining- Prozess sowie der Größe des jeweiligen Netzes. « Stafanos Delikouras, University of Miami Korrelationseffekte Womit Krypto-Kurse zusammenhängen Bitcoin ∆ Ln(Preis) ∆ Ln(Rechenl.) ∆ Ln(Netzw.) ∆ Ln(Preis) 1 ∆ Ln(Rechenleistung) -0,035 1 ∆ Ln(Netzwerk) 0,199*** -0,196** 1 Ethereum ∆ Ln(Preis) ∆ Ln(Rechenl.) ∆ Ln(Netzw.) ∆ Ln(Preis) 1 ∆ Ln(Rechenleistung) 0,208*** 1 ∆ Ln(Netzwerk) 0,425*** 0,132* 1 Monero ∆ Ln(Preis) ∆ Ln(Rechenl.) ∆ Ln(Netzw.) ∆ Ln(Preis) 1 ∆ Ln(Rechenleistung) 0,357*** 1 ∆ Ln(Netzwerk) NA NA NA Litecoin ∆ Ln(Preis) ∆ Ln(Rechenl.) ∆ Ln(Netzw.) ∆ Ln(Price) 1 ∆ Ln(Rechenleistung) 0,369*** 1 ∆ Ln(Netzwerk) 0,118 0,133* 1 Dash ∆ Ln(Preis) ∆ Ln(Rechenl.) ∆ Ln(Netzw.) ∆ Ln(Preis) 1,000 ∆ Ln(Rechenleistung) 0,165** 1 ∆ Ln(Netzwerk) 0,092 -0,029 1 Die Veränderungen des Faktors „Netzwerk“ scheinen am stärksten mit den Preisveränderung von Kryptowährungen zusammenzuhängen. Die aufgewandte Rechenleistung für das Mining der einzelnen Blocks ist vor allem bei Ethereum relevant. Die kleinere Währung ist somit stärker von Fundamentaldaten beeinflusst als der Marktdominator. ***/**/* statistische Relevanz auf 99 %-, 95 %-, 90 %-Konfidenzniveau Quelle: Studie 186 N o. 2/2019 | www.institutional-money.com P R O D U K T E & S T R A T E G I E N : KR Y P TOWÄHRUNGEN