000151096 001__ 151096
000151096 005__ 20250224113612.0
000151096 037__ $$aTESIS-2025-031
000151096 041__ $$aeng
000151096 1001_ $$aSatrústegui Moreno, Nerea
000151096 24500 $$aDinámicas del mercado Bitcoin: Vencimiento de Futuros, Herding e Información
000151096 260__ $$aZaragoza$$bUniversidad de Zaragoza, Prensas de la Universidad$$c2024
000151096 300__ $$a168
000151096 4900_ $$aTesis de la Universidad de Zaragoza$$v2025-30$$x2254-7606
000151096 500__ $$aPresentado: 24 10 2024
000151096 502__ $$aTesis-Univ. Zaragoza, , 2024$$bZaragoza, Universidad de Zaragoza$$c2024
000151096 506__ $$aby-nc$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc/3.0/es
000151096 520__ $$aEl objetivo general de la tesis es contribuir a entender las dinámicas del mercado de Bitcoin y cómo diferentes factores internos y externos influyen en su comportamiento.<br />En particular, se exploran diversos aspectos relacionados con la formación del precio y el comportamiento de las principales variables financieras asociadas a la negociación del Bitcoin. Se presentan tres capítulos con un propósito común: desentrañar algunos de los motivos subyacentes en la fluctuación de precio, volatilidad y volumen de esta moneda. En conjunto, estos capítulos muestran que tanto el tradicional análisis fundamental racional como las finanzas conductuales (behavioral finance) son cruciales para comprender la totalidad de las dinámicas del mercado. La tesis pretende ayudar a la toma de decisiones de inversores y reguladores en un mercado altamente especulativo y emergente como el de las criptomonedas, aportando un enfoque integrado que considera conjuntamente las expectativas racionales y la psicología de los inversores que participan.<br />A continuación, se resumen los aspectos más relevantes de cada uno de ellos.<br />1.1. Capítulo 1: ¿Hay efecto vencimiento en el mercado de Bitcoin?<br />1.1.1. Introducción<br />El efecto vencimiento se define como una anomalía observada en el mercado del subyacente detectada alrededor de la fecha de vencimiento del derivado correspondiente. Las explicaciones tradicionalmente propuestas para dicho efecto se basan en el comportamiento de los inversores, las características de los sistemas de liquidación o la variedad de activos subyacentes y contratos de derivados, entre otros. Las razones de que se produzca este efecto se encuentran principalmente en el hecho de que, en los mercados de derivados, especuladores, coberturistas y arbitrajistas operan juntos. Sus acciones pueden afectar al flujo de información debido a los movimientos entre los mercados de contado y de derivados, especialmente en la fecha de vencimiento. Si esto ocurre se aprovechará la fecha de vencimiento para negociar más intensamente y se observará un volumen anormal. Dado que el volumen de negociación está estrechamente relacionado con la volatilidad, los movimientos en el volumen pueden dar lugar a cambios notables en la volatilidad y en la rentabilidad.<br />La irrupción de las criptomonedas en la economía y el desarrollo de mercados regulados de futuros sobre Bitcoin ofrecen una oportunidad para seguir avanzando en la comprensión de este fenómeno. En diciembre de 2017, CME y CBOE empezaron a negociar los futuros sobre Bitcoin, con la particularidad de que el activo subyacente no se negociaba en un mercado formalmente regulado. La introducción de futuros de Bitcoin en mercados regulados ha aumentado la popularidad de Bitcoin y permite ampliar la gama de activos con los que negociar y cubrir el riesgo, incorporando nuevos participantes a un mercado hasta ahora dominado por los inversores minoristas. La existencia de estos derivados puede atraer la atención de los inversores institucionales, lo que aumentará la liquidez del mercado. Los operadores pueden aprovechar los movimientos del Bitcoin sin necesidad de operar al contado. Además, los futuros de Bitcoin regulados permiten a los operadores operar en jurisdicciones en las que se han prohibido los criptoactivos.<br />Esta situación proporciona un marco ideal para desarrollar el objetivo de este capítulo, que consiste en analizar si el volumen de negociación, la volatilidad y la rentabilidad del Bitcoin se comportan de manera diferente en la fecha de vencimiento de los futuros sobre Bitcoin en comparación con los momentos de no vencimiento.<br />¿Deberíamos esperar un efecto vencimiento en el mercado del Bitcoin? Los argumentos son variados. Por un lado, los mercados de futuros de Bitcoin tienen volúmenes de negociación relativamente reducidos a pesar del atractivo para los inversores institucionales. Si el volumen de negociación de futuros es bajo, no deberíamos esperar efectos sobre los precios del Bitcoin. Por otra parte, los mercados de contado de Bitcoin también son relativamente pequeños, ilíquidos y poco profundos (en comparación con los mercados tradicionales). En este escenario, cualquier estrategia llevada a cabo por arbitrajistas y especuladores puede tener un mayor impacto en los precios, así como ser más susceptible a la manipulación. Además, el mercado de contado de Bitcoin es un mercado fragmentado. Esto significa que las estrategias pueden llevarse a cabo en varias bolsas. Si se produjeran efectos de desfase o discrepancias temporales de precios entre bolsas, las operaciones de arbitraje serían más fáciles de llevar a cabo para los operadores que incurren en bajos costes de transacción. Por consiguiente, cabe esperar un importante efecto vencimiento si los arbitrajistas, especuladores o manipuladores de precios deciden intervenir en el mercado. <br />El sistema de liquidación también tiene una implicación en el efecto vencimiento. Mercados de futuros como el CME y CBOE siguen un sistema de liquidación en efectivo que, a priori, afectaría en menor medida a los precios de contado al no ser necesaria la entrega del activo subyacente. Aunque comparten este patrón común, el tipo de referencia para la liquidación en el CME se basa en los precios del Bitcoin negociados en varias bolsas, mientras que en el CBOE se toma un precio de liquidación basado en la subasta en una sola bolsa. La plataforma Bakkt supervisada por Intercontinental Exchange (ICE) sigue un sistema de liquidación por entrega física y no requiere datos de precios del mercado al contado. Esta variedad de contratos nos permite dilucidar si el sistema de liquidación es relevante para el efecto vencimiento.<br />También hay que tener en cuenta que algunas bolsas relevantes negocian futuros de Bitcoin, aunque no estén regulados por instituciones tradicionales. Estos contratos de futuros pueden tener especificaciones diferentes, pero algunas fechas de vencimiento pueden coincidir con las de los regulados. En estos casos, si se detectara algún efecto vencimiento, no sería posible determinar la magnitud del efecto atribuible a cada contrato. No obstante, esta coincidencia carece de importancia dado que la mayor parte de los futuros negociados en mercados no regulados son futuros perpetuos.<br />Por último, cabe recordar que la negociación de los inversores institucionales puede desempeñar un papel decisivo alrededor de las fechas de vencimiento, ya que son inversores más sofisticados que pueden aprovechar algunas de las dificultades a las que se enfrentan los inversores individuales para encontrar oportunidades de beneficios. A medida que aumenta la participación de los inversores institucionales, aumenta también la posibilidad de encontrar un efecto de vencimiento.<br />1.1.2. Datos y metodología<br />El estudio se realiza en las siete bolsas de negociación más populares de Bitcoin. Cinco de ellas son bolsas constituyentes que proporcionan datos de precios para calcular los índices de referencia: Bitstamp, Coinbase, Itbit, Kraken y Gemini. También incluimos en el análisis otros dos mercados relevantes de Bitcoin: Binance y Bitfinex. Todas son bolsas centralizadas, empresas privadas que ofrecen plataformas de negociación que requieren el registro y la identificación de sus clientes, proporcionan mayor volumen y liquidez que las bolsas descentralizadas y atraen a inversores profesionales e institucionales.<br />Utilizamos datos diarios e intradiarios proporcionados por CryptoDataDownload. Los datos intradía son registros por hora y contienen los precios de apertura, cierre, máximo y mínimo del periodo y el volumen de negociación en BTC. El periodo total abarca desde el inicio de los contratos de futuros en diciembre de 2017 hasta el 20 de noviembre de 2020. El número total de observaciones es de 25.305 para cada variable y bolsa.<br />Para las fechas de vencimiento mensuales de los futuros de Bitcoin, hemos considerado tres mercados alternativos regulados. Los mercados regulados atraen a inversores institucionales, que se supone que toman decisiones basadas en información y contribuyen a la eficiencia del mercado. <br />Aunque el CBOE fue el primer mercado en negociar futuros sobre Bitcoin el 10 de diciembre, los contratos ofrecidos por el CME el 17 de diciembre, una semana después, desencadenaron el desarrollo de la negociación de futuros. Ambos contratos se expresan en dólares estadounidenses y las posiciones se liquidan por diferencias, en efectivo. Sin embargo, tanto el tamaño del contrato como la referencia del precio de liquidación difieren entre sí. El multiplicador del contrato de futuros negociado en el CBOE es de 1 Bitcoin y el valor de liquidación final de un contrato de futuros que vence es el precio oficial de subasta del Bitcoin en dólares estadounidenses determinado a las 16:00, hora de Nueva York, en la fecha de liquidación final por la subasta del Gemini Exchange. La fecha de liquidación final tiene lugar dos días hábiles (normalmente un miércoles) antes del tercer viernes del mes de vencimiento. Por su parte, el multiplicador del contrato de futuros de Bitcoin negociado en CME es de 5 Bitcoins y el precio de liquidación final es igual al CME Bitcoin Reference Rate (BRR) a las 16:00, hora de Londres, del último viernes del mes del contrato. El BRR es el índice compuesto por las cotizaciones de Bitcoin de varias bolsas constituyentes. Estas bolsas son Bitstamp, Coinbase, ItBit y Kraken (desde diciembre de 2017) y Gemini (desde el 30 de agosto de 2019).<br />El 23 de septiembre de 2019, el ICE introdujo un nuevo futuro regulado sobre Bitcoin. Este contrato se negocia en Bakkt y se diferencia de los dos anteriores en que se liquida físicamente. El tamaño del contrato es de 1 Bitcoin cotizado en dólares estadounidenses y la fecha de vencimiento es el tercer viernes del mes. La negociación en el mes de vencimiento del contrato cesa a las 14:30 hora de Nueva York del día hábil anterior al día de entrega del mes de contrato.<br />Hemos considerado la hora Unix como referencia para unificar la información horaria de todos los mercados analizados, ya que es ampliamente utilizada en sistemas operativos y formatos de archivo porque técnicamente no cambia sea cual sea la ubicación en el globo. También se ha tenido en cuenta el horario de verano.<br />Basándonos en los estudios previos se estudia el efecto del vencimiento en tres variables representativas del comportamiento del mercado, en concreto el volumen negociado, la volatilidad y la rentabilidad de los precios.<br />Para llevar a cabo el análisis se han estimado regresiones de series temporales. Todos los modelos incluyen como variables independientes el número necesario de retardos de la variable dependiente para controlar la autocorrelación y las variables ficticias de los días de la semana de lunes a sábado para evitar que la presencia de posibles efectos de estacionalidad diaria, interfiera con la fecha de vencimiento. Los modelos también incorporan una variable ficticia para detectar el efecto durante el periodo alrededor del vencimiento. Esta variable se diseña de distintas formas alternativas para tratar de recoger los efectos en las horas antes y después del vencimiento. En concreto se crean 24 variables ficticias que identifican el efecto acumulativo secuencial de las 24 horas anteriores al vencimiento y otras 24 que se identifican con las horas posteriores a la hora de vencimiento. Estas 48 variables ficticias se van incluyendo de forma alternativa en el modelo. Además, se han considerado los vencimientos de CME, CBOE y Bakkt por separado, así como el efecto conjunto de todos ellos. Así, finalmente se han estimado 576 modelos, utilizando 48 variables ficticias horarias acumuladas alternativas, sobre 3 variables de análisis (volumen, volatilidad y rentabilidad), para 4 referencias diferentes de fechas de vencimiento en función del mercado de futuros estudiado (CME, CBOE y Bakkt por separado y el efecto conjunto).<br />Los modelos empleados difieren dependiendo de la variable dependiente que se estudia. En el caso del volumen negociado, en el modelo se añade a las variables independientes ya comentadas, una variable adicional que recoge la tendencia temporal y que capta el aumento del volumen de negociación a lo largo del tiempo. Se han realizado estimaciones MCO teniendo en cuenta la matriz de varianzas y covarianzas consistente con heteroscedasticidad de Newey-West.<br />En cuanto a la volatilidad en este trabajo, se utiliza una medida de la volatilidad histórica con el fin de observar el efecto sobre los propios datos de negociación. En concreto utilizamos el estimador de volatilidad incondicional de Garman y Klass, estimador basado en rangos, insesgado y altamente eficiente en relación con otras medidas de volatilidad. Al igual que en el caso del volumen de negociación, realizamos regresiones MCO considerando la matriz de varianzas y covarianzas consistente con heteroscedasticidad de Newey-West.<br />Finalmente, el análisis de la rentabilidad, sigue los estándares habituales en la literatura y utiliza los modelos de volatilidad condicional que se ha comprobado se adaptan adecuadamente a las series de precios de los activos financieros. En concreto, en este caso se emplea el modelo GARCH asimétrico para recoger el comportamiento de la volatilidad condicional. El resto de variables independientes son las que se han descrito previamente.<br />Los análisis anteriores implican diferentes supuestos, como el cálculo de las variables, la definición del modelo de estimación o la naturaleza de la información utilizada, que podrían afectar a la interpretación de los resultados. Por ello, examinamos la robustez de los resultados, en primer lugar, siguiendo una metodología diferente en el proceso de estimación. Hemos realizado estimaciones agrupadas utilizando mínimos cuadrados con efectos fijos y errores estándar robustos. En segundo lugar, reestimamos los modelos utilizando el estimador de volatilidad de Parkinson, que utiliza simplemente la información de los precios máximo y mínimo del Bitcoin. Por último, se ha realizado un análisis exhaustivo utilizando datos diarios en vez de intradiarios, considerando los posibles efectos durante la semana anterior y posterior al vencimiento.<br />1.1.3. Resultados y conclusiones<br />Los resultados relativos al volumen negociado indican que en las horas previas al vencimiento del contrato de futuros sobre Bitcoin del CME, se observa un impacto significativo en la negociación en todas las bolsas, con incrementos más fuertes en las horas cercanas al vencimiento y una disminución notable después de 14 horas. Este patrón también se observa en el vencimiento de los futuros de Bitcoin del CBOE, aunque de manera menos intensa. En contraste, los resultados para los vencimientos del futuro de bitcoin de Bakkt no siguen un patrón uniforme, ya que se observan descensos en el volumen negociado antes y después del vencimiento. Además, cuando se analiza el efecto conjunto de todos los vencimientos, se observa un resultado similar a la combinación de los coeficientes significativos de los vencimientos de CME y CBOE.<br />Los efectos en volatilidad van en línea con lo observado para el volumen negociado, con incrementos antes del vencimiento y descensos después, tanto para los vencimientos del CME como para los del CBOE. Cabe destacar que en el CBOE el efecto no es visible en el momento final del vencimiento, quizá debido al sistema de liquidación por subasta. En las horas posteriores al vencimiento, las bolsas no reaccionan inmediatamente, ya que tardan en reducir significativamente su volatilidad. El efecto del vencimiento de los futuros de Bitcoin de Bakkt, una vez más, difiere. El factor más relevante es que la volatilidad en el mercado de contado disminuye significativamente en el momento del vencimiento, una hora antes y una hora después. Por último, la agregación de los vencimientos para los tres mercados de futuros ofrece resultados homogéneos entre las bolsas y similares a los del CME, siendo los efectos más notables generalmente cerca de la hora de vencimiento.<br />Estos resultados analizados junto con los del volumen de negociación muestran que los efectos no son uniformes. Los efectos de los vencimientos CME y CBOE son similares en volumen y volatilidad, aunque con diferente intensidad. Ambas variables aumentan antes del vencimiento y disminuyen sustancialmente después. En el caso de los vencimientos de Bakkt, cuando se produce un efecto antes del vencimiento, éste es negativo sobre el volumen de negociación y la volatilidad. Sin embargo, los efectos después del vencimiento siguen la misma dirección para los tres contratos de futuros. Es muy probable que las diferencias en el procedimiento de entrega sean la causa de las diferencias en los resultados. En los mercados tradicionales, la mayoría de los contratos de futuros entregados físicamente se compensan o se refinancian antes del último día de negociación, sobre todo si el proceso de entrega es complejo. Esta práctica en los mercados de futuros podría ser una explicación factible del sorprendente descenso de la actividad en los mercados al contado antes de la fecha de vencimiento en los contratos de futuros con entrega física, presumiblemente utilizados sobre todo por los coberturistas. Por el contrario, los especuladores y arbitrajistas son potencialmente más proclives a utilizar futuros con liquidación en efectivo.<br />En cuanto a los efectos en la rentabilidad, tomando las fechas de vencimiento de los futuros de Bitcoin del CME, observamos que los rendimientos son significativamente superiores a la media antes del vencimiento y esto se repite horas después de la hora de vencimiento, resultados que pueden atribuirse a las diferentes zonas horarias en las que operan las bolsas. Los efectos en relación con el vencimiento de los futuros de Bitcoin del CBOE son escasos y nulos en el caso del vencimiento de los futuros del Bakkt. Los resultados teniendo en cuenta los vencimientos de los tres mercados en conjunto muestran una vez más un patrón similar a los resultados para los futuros CME.<br />Dado que el volumen negociado recoge la actividad de todos los tipos de participantes en el mercado, la variación detectada en el volumen de negociación en torno al vencimiento no puede atribuirse directamente a un tipo de inversor específico. Nuestros resultados indican que se identifican efectos de volumen en las bolsas constituyentes y no constituyentes. Las estrategias de arbitraje habituales entre las bolsas de contado (o los efectos de seguimiento entre las bolsas) podrían contribuir a explicar la actividad de negociación en torno al vencimiento en todas las bolsas.<br />Por otro lado, el efecto sobre la rentabilidad se atribuye a la liquidación de posiciones cortas de arbitraje. Estrategias basadas en vender Bitcoins en corto y comprar futuros por debajo de su precio podrían provocar desequilibrios en las órdenes de compra al deshacer posiciones y ser una explicación factible de nuestros resultados. Sin embargo, este tipo de estrategia de arbitraje no es fácil de aplicar en el mercado de Bitcoin: las operaciones de arbitraje pueden verse inhibidas por las diferencias de precios que cambian constantemente entre las bolsas constituyentes, así como por las fricciones de negociación en los mercados de futuros del CME.<br />A la luz de nuestros resultados sugerimos que, aunque teóricamente la participación conjunta de especuladores y arbitrajistas podría producir el efecto vencimiento, empíricamente es difícil distinguir el protagonismo de cada uno de estos actores. Sin embargo, las dificultades para llevar a cabo operaciones de arbitraje permiten cuestionar la prevalencia de este tipo de participantes en el mercado y resaltar el papel de los especuladores en los momentos próximos al vencimiento.<br />Los análisis realizados para ofrecer robustez apoyan en general los descritos previamente. La única cuestión reseñable aparece en el análisis realizado con datos diarios, ya que estos datos no permiten detectar un efecto claro en los días cercanos al vencimiento. Este hallazgo pone de manifiesto la relevancia de los datos intradía.<br />El solapamiento de posibles efectos de otros futuros no regulados con las mismas fechas de vencimiento que los de algunos de los futuros regulados objeto de análisis, así como el vencimiento de otros productos sofisticados como opciones o futuros con vencimiento diario, también pueden influir en los resultados mostrados. Sin embargo, los futuros perpetuos representan el mayor porcentaje de la negociación de futuros no regulados, por lo que no pueden producir un efecto de vencimiento. Además, los futuros regulados atraen a inversores institucionales, cuyo sólido acceso a la información probablemente influya en la negociación entre inversores minoristas y contribuya a explicar los efectos de vencimiento.<br />Una explicación adicional que puede ofrecerse sobre las diferencias entre los vencimientos de los distintos mercados tiene que ver con el multiplicador asociado a las especificaciones de los contratos de futuros. En el caso de CME, el tamaño de cinco Bitcoins frente al de 1 Bitcoin de los contratos de CBOE o Bakkt puede amplificar el efecto. Los inversores institucionales tienden a ser inversores sofisticados en comparación con los inversores minoristas. Esto significa que los operadores institucionales pueden encontrar oportunidades de arbitraje y especulación con más frecuencia que los operadores minoristas. La participación institucional puede reforzar el efecto de vencimiento. Estas explicaciones también son coherentes con el hecho de que los vencimientos en el CME son dominantes.<br />Este estudio tiene implicaciones especialmente para los reguladores en la medida en que el Bitcoin se convierta en un medio de pago generalizado. Detectar y controlar posibles anomalías en la fijación de precios sería una cuestión necesaria, para lo cual se requerirían acciones consensuadas entre los distintos agentes implicados en los distintos mercados.<br />1.2. Capítulo 2: Herding entre mercados de Bitcoin en la semana bruja <br />1.2.1. Introducción<br />Las finanzas conductuales tratan de explicar cómo los inversores toman decisiones en un contexto de racionalidad limitada, haciendo compatible la hipótesis del mercado eficiente con algunas regularidades empíricas observadas en los mercados financieros. En este marco, el comportamiento gregario ha suscitado especial interés en las tres últimas décadas. En los mercados financieros, el efecto manada o efecto gregario, habitualmente conocido como herding, se produce cuando algunos inversores deciden dejar de lado sus creencias y opiniones e imitar las decisiones de otros inversores a los que consideran mejor informados. En un contexto de racionalidad limitada, cuando la información privada de los individuos se ve desbordada por la influencia de la información pública, muchos inversores pueden tender a seguir el consenso del mercado.<br />Entre la variedad de razones que explican el comportamiento herding en los mercados financieros, destacan los costes de reputación, el sector de actividad al que pertenece una empresa e incluso algunas variables asociadas a la calidad de un determinado entorno informativo. No obstante, la reacción de los inversores ante la llegada de información es un aspecto clave común en todos ellos. El comportamiento mimético se ha relacionado o bien con reacciones similares de los inversores ante un conjunto de información o bien con la falta de información de calidad. Esta última induce el contagio en las decisiones cuando los inversores adquieren información (ruidosa) observando las acciones de otros agentes. También se ha observado que momentos con fluctuaciones repentinas de los precios pueden provocar un comportamiento mimético. Desde otra perspectiva, el herding puede surgir si la evolución de la opinión tiende al consenso.<br />El herding se ha estudiado tradicionalmente en diversos mercados de todo el mundo, en fondos institucionales e incluso entre analistas financieros. En los últimos años, sin embargo, el auge de las criptomonedas ha abierto un nuevo campo de estudio en relación con este fenómeno de comportamiento, ya que las criptomonedas ofrecen un nuevo marco informativo que presumiblemente difiere del de los mercados financieros más tradicionales. Las secuencias de información entre diferentes criptodivisas pueden tener características peculiares en comparación con las acciones, los bonos u otras divisas, especialmente debido no sólo al espíritu y la tecnología subyacentes de este nuevo tipo de activo, sino también a otros indicadores del mercado al contado como la liquidez, la escalabilidad y la falta de reconocimiento oficial. Las criptodivisas por sus características tienen el papel de inversión alternativa y, por tanto, son fuente de diversificación, al tiempo que cuentan con cierta correlación entre mercados específicos en momentos concretos. Todas estas características pueden modificar la reacción esperada de los inversores.<br />La tecnología subyacente, blockchain, la información proporcionada por las redes sociales que suscitan un creciente interés por estos nuevos productos y la información generada dentro de las propias criptobolsas permiten a los inversores disponer de un conjunto aparentemente más completo de información que no está tan fácilmente disponible para otros productos financieros. Aunque algunas de sus características deberían contribuir a una mayor transparencia informativa, la falta de regulación internacional clara, así como la aparición de una sobrecarga de información, pueden socavar dicha transparencia.<br />Al igual que la apertura y el cierre de cualquier sesión bursátil, la fecha de vencimiento se ha identificado como un momento revelador de información. Se supone que los mercados de contado que tienen un mercado de derivados asociado son más completos, ya que permiten una gama más amplia de estrategias de arbitraje y cobertura, incluso de manipulación de precios. En la fecha de vencimiento, los inversores deben decidir sobre su posición en el mercado, ya sea cerrando y liquidando, reequilibrando o refinanciando, en función de su información y sus expectativas. De hecho, la llamada hora bruja (la última hora de negociación cuando vencen los contratos de opciones y futuros) suele caracterizarse por un gran volumen de negociación, ya que los operadores cierran o renuevan sus posiciones antes del vencimiento. A su vez, estas decisiones generan nueva información. Todos estos flujos de información adicionales que revelan las estrategias de los inversores sofisticados, sumados al conjunto de información habitual que también afecta en las fechas de no vencimiento, pueden fomentar notablemente el comportamiento mimético entre los inversores.<br />Los mercados de criptodivisas no están exentos de estos efectos en las fechas de vencimiento de los futuros. Desde diciembre de 2017, cuando el CBOE y el CME comenzaron a negociar futuros regulados de Bitcoin, los inversores han mostrado una participación activa en este mercado y, por lo tanto, sus estrategias pueden haber inducido efectos de rebaño en el mercado al contado de Bitcoin en torno a las fechas de vencimiento.<br />El objetivo de este trabajo es analizar la presencia de herding entre las bolsas de Bitcoin en un momento en el que el flujo informativo puede cambiar notablemente, en concreto alrededor de la fecha vencimiento de los futuros de Bitcoin. Siguiendo la propuesta frecuentemente utilizada de Chang, Cheng y Khorana (2000) (CCK), ampliamos su modelo para analizar el efecto gregario en la fecha de vencimiento de los contratos de futuros de Bitcoin negociados en el CME, que han demostrado ser los más influyentes en el análisis llevado a cabo en el capítulo anterior. Por tanto, estudiamos si existe un comportamiento gregario condicionado al acontecimiento del vencimiento CME. <br />1.2.2. Datos y metodología<br />Los contratos de futuros de Bitcoin negociados en mercados regulados comenzaron su andadura en diciembre de 2017. Con solo una semana de diferencia, el CBOE y el CME lanzaron sus respectivos contratos de futuros (el 10 y el 17 de diciembre, respectivamente). Poco después, en septiembre de 2019, el Intercontinental Exchange (ICE) introdujo un nuevo contrato de futuros de Bitcoin negociado en la plataforma Bakkt.<br />Para considerar el mayor número posible de observaciones, nos centramos en los contratos de futuros ofrecidos por el CME, que se han mantenido uniformes durante el periodo de análisis y registran el mayor volumen de negociación de los tres mercados regulados. El vencimiento de este contrato de futuros tiene lugar el último viernes de cada mes a las 16:00, hora de Londres, y el precio de liquidación se basa en el Índice de Referencia del Bitcoin (BRR) calculado por el CME. El BRR es un índice de referencia diario que agrega las cotizaciones de Bitcoin de las principales bolsas al contado para garantizar su credibilidad. Las bolsas constituyentes son Bitstamp, Coinbase, itBit y Kraken (desde diciembre de 2017), así como Gemini (desde el 30 de agosto de 2019). El multiplicador del contrato es de 5 Bitcoins, la cotización se expresa en dólares estadounidenses y céntimos por Bitcoin, y el método de liquidación es en efectivo.<br />Tomamos los precios horarios del Bitcoin de siete bolsas relevantes. En concreto, se eligen Bitstamp, Coinbase, itBit, Kraken y Gemini, que son las bolsas constituyentes del contrato del CME. También incluimos Binance y Bitfinex, ya que son referencias claras en términos de volumen de negociación. La distribución geográfica de las sedes y oficinas de registro de todas las bolsas analizadas, así como la distribución geográfica de sus plataformas y servicios electrónicos, permiten una cobertura mundial del comercio de Bitcoins, lo que da solidez a nuestros resultados. Nuestra base de datos abarca desde diciembre de 2017 hasta octubre de 2020. La fuente de datos es CryptoDataDownload, que ofrece precios de cierre cada hora y volúmenes de negociación en Bitcoin y dólares estadounidenses. Se toma Unix Timestamp para unificar la información horaria de todos los mercados analizados. El horario de verano también se tiene en cuenta al convertir la marca de tiempo Unix en hora local.<br />El análisis realizado se lleva a cabo en dos fases, la primera consiste en estudiar el comportamiento herding incondicional y la segunda en estudiar dicho comportamiento condicionado a la fecha de vencimiento de los futuros.<br />Para llevar a cabo el análisis incondicional, empleamos el modelo CCK. Este establece una relación no lineal entre la desviación absoluta de sección cruzada de los rendimientos de los activos (CSAD) y el rendimiento del mercado. En presencia de herding, un gran movimiento de los rendimientos del mercado conllevará una reducción no lineal de la medida CSAD. Por tanto, el herding se presenta cuando esta relación no lineal es significativa y negativa. En el trabajo, adaptamos esta propuesta considerando la desviación típica de sección cruzada de los precios de las siete bolsas analizadas y como valor de mercado se toma la ponderación de sus rentabilidades, basándonos en el volumen negociado de Bitcoin. El modelo también incluye cinco retardos de la variable dependiente para corregir la autocorrelación. La estimación se realiza con mínimos cuadrados ordinarios (MCO) utilizando la matriz de varianzas y covarianza de Newey-West consistente con heteroscedasticidad y autocorrelación.<br />La segunda fase consiste en ampliar el modelo anterior siguiendo la propuesta de Zhou y Anderson (2013). En esta extensión, el modelo está condicionado por el evento específico del vencimiento de los futuros de Bitcoin. Para ello, incluimos en el modelo una variable ficticia, que identifica un intervalo de tiempo concreto asociado al vencimiento, y que se incluye moderando todas las variables independientes del modelo base. Esta variable ficticia toma diversas formas que se van alternando en el modelo. En concreto, se parte de una variable que toma valor uno en la hora del vencimiento y cero en el resto de horas y a continuación se crean otras 24 variables ficticias que van recogiendo las sucesivas acumulaciones de horas antes del vencimiento. Lo mismo se repite para las 24 horas posteriores, de forma que contamos finalmente con 48 variables ficticias asociadas a las horas alrededor del vencimiento.<br />En otros estudios de mercados tradicionales se han detectado flujos informativos muy intensos en torno a la semana de vencimiento que provocan cambios significativos en algunas medidas de negociación. De hecho, el concepto anteriormente mencionado de ¿hora bruja¿ puede ampliarse a la denominada ¿cuádruple hora bruja¿ si coinciden los vencimientos de varios derivados. La ¿cuádruple hora bruja¿ suele estar relacionada con volúmenes y rendimientos anormales en los días próximos al vencimiento. En el mercado de Bitcoin, existe una gama de contratos de futuros diferentes, tanto regulados como no regulados, y muchos de ellos tienen una fecha de vencimiento próxima al vencimiento del contrato de futuros CME, que identificamos como el más relevante. La posibilidad de una ¿hora bruja múltiple¿ podría hacer que los cambios en el comportamiento de los inversores durasen más de un día.<br />Teniendo en cuenta estas circunstancias, también creamos variables ficticias para hasta 150 horas antes y después de la hora de vencimiento. Estas variables adicionales pretenden detectar el posible efecto imitador aproximadamente 5 días antes y después del vencimiento. Es decir, exploramos la posible existencia de ¿semanas brujas¿. Por tanto, finalmente estimamos 300 regresiones siguiendo el mismo procedimiento descrito previamente.<br />Para garantizar la solidez de los resultados, los modelos se vuelven a estimar utilizando una rentabilidad de mercado calculada como el índice ponderado por el volumen de Bitcoins negociados en USD. Además, como estimación alternativa, utilizamos el procedimiento de regresión cuantil que permite estimar el modelo en diferentes cuartiles de una distribución, en concreto utilizamos el cuartil 50 de la distribución de la variable dependiente. Finalmente se emplea el modelo seminal de Christie y Huang (1995) (CH) para medir el comportamiento herding basado en observar el comportamiento de los precios en los valores positivos y negativos extremos.<br />1.2.3. Resultados y conclusiones<br />Los primeros resultados se refieren a la estimación del modelo incondicional donde no encontramos evidencia de herding, sino al contrario. A la luz de estos primeros resultados de anti-herding, pasamos a estudiar el efecto condicionado al evento específico del vencimiento de futuros.<br />Los resultados cuando se estudia lo que ocurre la semana previa al vencimiento indican que, tanto en el momento del vencimiento como una hora antes, no existe un efecto herding significativo. Sin embargo, este efecto sí se aprecia a partir de dos horas antes del vencimiento, y se extiende no sólo hasta 24 horas (un día) antes del vencimiento, sino también hasta 137 horas antes del vencimiento, momento a partir del cual el parámetro herding deja de ser significativo. Cuando se estudia lo que ocurre la semana siguiente al vencimiento, los resultados muestran que no hay herding en las horas más próximas al vencimiento. Sin embargo, este comportamiento sí que aparece desde 7 horas hasta 12 horas después del vencimiento, probablemente porque los inversores reabren activamente nuevas posiciones y generan un nuevo exceso de información, aunque más breve, que fomenta el comportamiento mimético. A partir de ese momento, en línea con los resultados para los días sin vencimiento y los resultados incondicionales, el herding desaparece. La lectura conjunta de los resultados indica que el efecto gregario empieza a disminuir 13 horas después del vencimiento y posteriormente se convierte en un comportamiento anti-herding.<br />En cuanto al concepto de semana bruja respecto al volumen, el volumen de negociación de las bolsas que pertenecen a nuestra muestra crece aproximadamente un 2% al principio de la semana de vencimiento, alcanzando un aumento de aproximadamente el 5,5% en las 24 horas anteriores al vencimiento. Estos aumentos se corrigen, a un ritmo similar, después del vencimiento. Los incrementos de volumen previos al vencimiento son coherentes con el exceso de información en esos momentos (y, por tanto, con la dificultad de procesarla) y con el incentivo de las prácticas de herding que desaparecen tras el vencimiento.<br />Los análisis de robustez utilizando otro índice de mercado, y la estimación con la regresión cuantil, permiten confirmar que los resultados no dependen del índice ni del método de estimación considerado. Sin embargo, la utilización del modelo CH para estimar el herding no ofrece resultados convincentes. Esta divergencia se debe a que aproximadamente el 98,7% del 1% de los rendimientos positivos extremos y del 1% de los rendimientos negativos extremos de nuestro periodo de análisis corresponden a periodos sin vencimiento, por lo que este método no parece ser el más adecuado para detectar herding alrededor de la fecha de vencimiento. No obstante, el modelo CH confirma el comportamiento contrario al herding en los días sin vencimiento y la notable relación lineal entre las medidas de dispersión y los rendimientos extremos del mercado.<br />En conjunto, los resultados nos llevan a concluir que existe una reacción diferencial de los inversores alrededor del vencimiento de los futuros de Bitcoin en comparación con los momentos de no vencimiento. Cuando los contratos de futuros de Bitcoin llegan a su vencimiento, los inversores que operan en distintas bolsas se imitan unos a otros. Este comportamiento gregario también se produce unas horas después del vencimiento, probablemente debido al reajuste de estrategias que tiene lugar tras el vencimiento y a la reapertura de contratos que vencerán en una fecha posterior. Fuera de las horas próximas al vencimiento, los inversores no se imitan entre sí de forma significativa. De hecho, en general se observa un claro comportamiento antiherding.<br />Los cambios informativos alrededor del vencimiento inducen cambios en el comportamiento de los inversores, ya que su reacción cambia de tomar decisiones por su cuenta a imitarse unos a otros, probablemente debido a la sobrecarga de información que dificulta la toma de decisiones de los inversores. El herding puede parecer una alternativa adecuada para tomar decisiones aparentemente informadas cuando los inversores no pueden gestionar el exceso de información. Aunque aparece cierto herding tras el vencimiento, no dura mucho y supuestamente da lugar a la reacción anti-herding que se mantiene básicamente hasta la siguiente semana de vencimiento.<br />Durante la semana de vencimiento, muchos inversores imitan las decisiones de otros, propagando la imitación a través de diferentes mercados y plataformas, amplificando los posibles precios erróneos del Bitcoin y aumentando la volatilidad. Esto dificulta la predicción adecuada de los precios y eleva el riesgo asumido por los inversores. Además, los diferenciales de precios se estrechan cerca del vencimiento, limitando las oportunidades de beneficios para los arbitrajistas y coberturistas. Los arbitrajistas deben revisar sus estrategias, especialmente en el arbitraje triangular y en la cobertura en los mercados al contado y de futuros.<br />Los responsables políticos y reguladores del mercado deben tener en cuenta que la semana de vencimiento es atípica, con bolsas que siguen el consenso del mercado, lo cual podría ser preocupante en caso de grandes fluctuaciones. La toma de decisiones es crucial en los mercados financieros, y el herding es una consecuencia de estas decisiones. En el futuro, se necesita investigación interdisciplinar para entender mejor el comportamiento de los inversores en los mercados financieros.<br />Estos resultados ponen en evidencia la necesidad de seguir trabajando en comprender la conducta y psicología de los inversores. Factores como el miedo a perderse algo (FOMO), por sus siglas en inglés), el sesgo de confirmación y el exceso de confianza pueden provocar decisiones que motiven comportamientos como el herding. El fuerte crecimiento del comercio de Bitcoin es, en sí mismo, resultado de factores psicológicos que hacen que este análisis sea aún más interesante.<br />1.3. Capítulo 3: Algunos de los ingredientes que condimentan el precio del bitcoin: Covid, inflación y guerra.<br />1.3.1. Introducción<br />Los precios de los mercados financieros deben reflejar de manera completa e inmediata toda la información disponible. El principal desafío de los modelos teóricos de valoración es cómo integrar la información en tales modelos. Desde un punto de vista más práctico, el impacto de la información pública sobre los precios en los mercados financieros tradicionales ha sido ampliamente estudiado durante años. En concreto, la información producida vía noticias es el ejemplo de información pública que puede ser observada por cualquier inversor, ya sea informado o no y que se ha analizado con más intensidad.<br />Desde otra perspectiva, los estudios en economía conductual han demostrado que los individuos pueden mostrar comportamientos anticipatorios basados en indicios y señales disponibles, que conducen a reacciones antes de la difusión formal de las noticias. Esto sugiere que los procesos humanos de toma de decisiones pueden verse influidos por información implícita y estímulos externos, lo que puede dar lugar a respuestas preventivas antes de los anuncios oficiales. Además, la investigación en psicología y comunicación ha puesto de relieve el papel de los sesgos cognitivos y los heurísticos en la formación de las reacciones individuales a las noticias y los precios. Estos mecanismos cognitivos pueden inducir a los individuos a crear expectativas y respuestas antes de que se publique la información concreta, lo que indica cierto grado de procesamiento preventivo en el comportamiento humano.<br />Bitcoin es un activo global; no está directamente relacionado con la situación económica o el conjunto de políticas de una sola empresa o país. Su naturaleza descentralizada y la ausencia de métricas de valoración tradicionales generan precios impulsados en gran medida por la demanda del mercado, la dinámica de la oferta y el sentimiento especulativo. Sin embargo, la demanda, la oferta y el sentimiento pueden verse reforzados o debilitados por la información.<br />En este sentido, algunos estudios han demostrado que distintos tipos de noticias, como la evolución macroeconómica, las noticias sobre pandemias o regulaciones, pueden influir en los precios del Bitcoin. Pero, además, el sentimiento de los medios de comunicación y las señales sociales de plataformas como X, contribuyen a los movimientos dinámicos de los precios de Bitcoin.<br />En los últimos cinco años, una confluencia de importantes acontecimientos globales ha afectado profundamente a la economía mundial. La pandemia del Covid-19, en primer lugar, se erigió en un factor de perturbación sin precedentes, provocando crisis económicas generalizadas a medida que los países aplicaban estrictos cierres patronales y restricciones a los viajes para frenar la propagación del virus. Esto provocó interrupciones en las cadenas de suministro, redujo el gasto de los consumidores y aumentó los niveles de desempleo, mientras que los gobiernos aplicaron paquetes de estímulo masivo para mitigar las consecuencias económicas. Al mismo tiempo, la pandemia desencadenó un repunte inflacionista que planteó retos a los bancos centrales y a los responsables políticos. Con las presiones inflacionistas como telón de fondo, los bancos centrales se enfrentaron al delicado equilibrio de gestionar los tipos de interés. Como resultado, los tipos de interés se mantuvieron relativamente estables, afectando a los costes de endeudamiento, las decisiones de inversión y la actividad económica general hasta el segundo trimestre de 2022. Además, las tensiones geopolíticas entre Rusia y Ucrania se intensificaron, contribuyendo aún más a la incertidumbre económica. El conflicto interrumpió las rutas comerciales, afectó al suministro de energía y aumentó las tensiones geopolíticas. Las sanciones y los riesgos geopolíticos influyeron en la confianza de los inversores, afectando a los mercados financieros y a la estabilidad económica.<br />En resumen, la pandemia del Covid-19, el repunte de la inflación, la dinámica de los tipos de interés y los conflictos geopolíticos han configurado colectivamente el panorama económico de los últimos cinco años, subrayando la interconexión y la vulnerabilidad del sistema económico mundial.<br />En este contexto, el objetivo de este capítulo es analizar si cierta información específica relacionada con el Covid-19, la inflación y la guerra de Ucrania afecta a los precios y al volumen negociado de Bitcoin. <br />1.3.2. Datos y metodología<br />El análisis se extiende desde mayo de 2018 hasta noviembre de 2023 para poder abarcar en su totalidad las noticias relativas a los tres aspectos. En el trabajo se han integrado datos procedentes de varias fuentes de información.<br />El análisis se estructura en varias etapas. En primer lugar, construimos una base de noticias a partir de Proquest, que permite la selección a partir de términos específicos estableciendo la condición de que las noticias seleccionadas no estén simultáneamente identificadas con otros temas. Hemos seleccionado 3000 noticias que incluían las palabras clave ¿inflación¿, ¿Covid¿ y ¿guerra¿ publicadas en 100 periódicos relevantes de todo el mundo, 1000 noticias por cada tema. El objetivo de esta primera selección es evitar un alto grado de contaminación con cualquiera de los otros dos temas y garantizar que cada noticia trate principalmente del tema estudiado.<br />En segundo lugar, con esta información se determinan los días concretos en los que se publicaron estas noticias. Seleccionamos los 100 días con la información más significativa sobre Covid-19, los 100 días con la información más significativa sobre la guerra y los 100 días con la información más significativa sobre la inflación y los consiguientes cambios en el tipo de interés.<br />Como tercer paso, utilizamos el servicio de datos Bloomberg para extraer todas las noticias de estos 300 días seleccionados, así como su hora, minutos y segundos exactos de publicación (Proquest no proporciona dicha información). Para el periodo analizado, hemos considerado 523 noticias sobre Covid, 71 sobre la guerra entre Rusia y Ucrania y 304 sobre políticas monetarias e inflación.<br />Además, utilizamos información sobre precios y volumen de Bitcoin con frecuencia horaria, descargados de Cryptodatadownload y calculamos la rentabilidad absoluta cada hora para todo el periodo de estudio. Es esta información por hora la que se utiliza en la primera etapa del análisis empírico.<br />Finalmente, utilizamos información de alta frecuencia del mercado de bitcoin; en concreto, se han considerado los datos BRTI por segundo proporcionados por el CME como información adicional para ilustrar la reacción de los precios a noticias concretas en algunas fechas relevantes. El BRTI es el índice de referencia que agrega datos de órdenes de los mercados Bitcoin-USD operados por las principales bolsas de criptodivisas. En esta fase, también se amplía el tipo de noticias utilizadas, considerando no solo la selección de información más relevante sino también noticias de menor relevancia de cada uno de los temas propuestos, y también noticias especialmente relevantes sobre temas distintos a Covid, guerra e inflación y tipos de interés.<br />Todas las bases de datos se han homogeneizado, en caso necesario, a la misma zona horaria, incluso teniendo en cuenta los ajustes del horario de verano.<br />La metodología se establece en dos fases, un análisis con datos de frecuencia por hora, que nos ofrece una visión a media distancia de los movimientos del Bitcoin, y un análisis con datos de alta frecuencia, que nos ofrece una visión en mayor detalle. <br />En la primera etapa se trata de observar cómo reacciona el Bitcoin ante la llegada de noticias utilizando precios de cada hora. El modelo estimado tiene como variable dependiente el cambio en la rentabilidad absoluta en una hora. Dada la dificultad de clasificar una noticia como positiva o negativa, nuestro trabajo examina el impacto de la publicación de la noticia en la rentabilidad absoluta. Estudiar directamente el impacto sobre la rentabilidad supondría tener que clasificar una noticia como positiva o negativa, lo que implica un importante grado de subjetividad. <br />También es necesario reconocer la dificultad de tal clasificación en un momento dado, cuando es imposible aislar una noticia de sus expectativas o de otras noticias que hayan podido publicarse anteriormente. Por eso hemos optado por analizar el impacto en los rendimientos absolutos como medida de los movimientos realizados por los inversores, tanto al alza como a la baja.<br />Como variables independientes se incluyen los retardos de la variable dependiente necesarios para corregir la autocorrelación de la serie y se añaden tres variables ficticias relacionadas con el momento de publicación de una noticia sobre Covid, inflación o guerra, respectivamente. Además, se incluyen dichas variables ficticias adelantadas y retardadas con el fin de comprobar cuánto dura la reacción a una noticia y cuánto tiempo puede ser anticipada por el mercado. Para la estimación utilizamos modelos de volatilidad condicional, en concreto, un GARCH(1,1).<br />Dado que la variable dependiente es la variación de la rentabilidad absoluta, un coeficiente positivo (negativo) significativo significa que el anuncio de la noticia está asociado a un aumento (disminución) de la rentabilidad absoluta en comparación con la hora anterior. La interpretación está relacionada con la magnitud de la rentabilidad y es una medida de la incertidumbre de los inversores, similar a la volatilidad. Es decir, si la magnitud de la rentabilidad aumenta (tanto en el caso de subidas como de bajadas de precios), se encuentran coeficientes positivos y significativos, y viceversa.<br />Para complementar la información proporcionada por los rendimientos absolutos, examinamos el posible impacto sobre el volumen de negociación. El modelo estimado es similar al planteado para la rentabilidad siendo ahora la variable dependiente el cambio en el volumen de negociación, medido como número de Bitcoins, negociado en la hora concreta. <br />En la segunda etapa se trata de observar la reacción de los precios de Bitcoin a la información, utilizando el CME BRTI segundo a segundo. Este análisis es computacionalmente intensivo y técnicamente difícil de trabajar con los más de 176 millones de datos por segundo que abarca el periodo 2018-2023. Por este motivo, hemos seleccionado unas fechas críticas para cada tema de las noticias y hemos considerado todas las noticias relevantes y no relevantes (aunque importantes a un segundo nivel) proporcionadas por Bloomberg relacionadas con el tema clave correspondiente y las noticias más relevantes sobre otros temas distintos a los del estudio. <br />Como días representativos de noticias significativas sobre Covid se han elegido los días 11, 12 y 13 de marzo de 2020, contando con un total de 91 noticias y 258.964 rentabilidades absolutas por segundo. Los días 15, 16 y 17 de marzo de 2022 han sido seleccionados como días relevantes para las noticias sobre política monetaria, lo que supone un total de 54 noticias y 259.200 rentabilidades absolutas por segundo. Por último, se han elegido los días 23, 24 y 25 de febrero de 2022 como días clave en el contexto de la invasión rusa de Ucrania, un total de 95 noticias y 259.200 rentabilidades absolutas por segundo.<br />Para evaluar el impacto de noticias concretas, nos centramos en el estudio de las rentabilidades absolutas utilizando la prueba t para comparar rentabilidades medias antes y después de la publicación formal de la noticia, teniendo en cuenta el segundo exacto en el que se da a conocer la noticia. Para ser coherentes con el propósito de detectar el impacto en los precios, sólo consideramos diferencias en la media inferiores a cero, ya que es representativa de cambios de precios más altos después de la publicación, pero más bajos antes de la publicación. Este hecho supone que la publicación de información origina un cambio significativo en los precios que no existía antes y, por lo tanto, la rentabilidad absoluta después de la publicación es superior a la rentabilidad absoluta antes de la publicación. En esta fase, evitamos las diferencias de medias superiores a cero que podrían identificarse con la anticipación de noticias, ya que nuestro propósito es detectar cuándo se procesa la información. <br />Para analizar las diferencias en los rendimientos absolutos antes y después de la publicación de una noticia, proponemos dos estrategias diferentes. En la primera, fijamos el intervalo en 30 minutos antes de la publicación y tomamos diferentes intervalos de tiempo después de la publicación (5, 10, 15, 30, 45, 60, 90, 120, 150, 180, 210 y 240 minutos). Para mayor robustez, en la segunda estrategia tomamos diferentes intervalos de tiempo antes de la publicación de la noticia y fijamos 30 minutos después de la publicación. El tiempo de publicación se mide en horas, minutos y segundos según la zona horaria de Chicago, ya que hemos considerado las series temporales de precios de Bitcoin proporcionadas por el índice BRTI. <br />1.3.3. Resultados y conclusiones<br />Los resultados obtenidos en la primera etapa, con datos hora a hora, indican que toda la información sobre Covid, inflación o guerra es anticipada por el mercado bitcoin antes de su publicación. A pesar de este resultado común, en cada tipo de noticia se observa un patrón diferente. En el caso de las noticias relacionadas con Covid, la información se anticipa hasta dos horas antes de la publicación y se acentúa hasta la hora de publicación, después el efecto desaparece tras la publicación. Las noticias relacionadas con la guerra también se anticipan dos horas antes de la publicación, pero el efecto se mantiene en la hora de publicación. Por último, las noticias relacionadas con la inflación afectan a los precios del Bitcoin inmediatamente alrededor de la hora de publicación.<br />En consonancia con los resultados para los rendimientos absolutos, observamos un aumento significativo del volumen de negociación dos horas antes de la llegada formal de la noticia, lo que confirma la anticipación del mercado en los precios, corrigiéndose el impacto a partir de entonces. Hasta el momento de la publicación, las noticias sobre la inflación tienen un impacto significativo en el volumen de negociación.<br />Hay que tener en cuenta que los tres tipos de noticias son diferentes. Covid-19 es una crisis sanitaria mundial que afecta directamente al bienestar de las personas y a las infraestructuras de salud pública, lo que suscita una preocupación y una urgencia generalizadas. Del mismo modo, la invasión rusa ha perturbado los mercados energéticos, provocando una subida de los precios en todo el mundo, y la información se centra en los acontecimientos militares, los esfuerzos diplomáticos y las consecuencias humanitarias. Estas noticias tienen un impacto personal sobre los individuos. Por el contrario, las noticias sobre la inflación tienden a centrarse en los indicadores y las políticas económicas, influyendo en los mercados financieros, las operaciones comerciales y el poder adquisitivo de los consumidores. Los bancos centrales controlan periódicamente la inflación y ajustan los tipos de interés para estabilizar las economías. Esta periodicidad probablemente hace que el impacto sea más visible alrededor del momento de la publicación.<br />La segunda etapa del trabajo examina el impacto real que un acontecimiento concreto tiene en los precios del Bitcoin tras su publicación formal con datos segundo a segundo. El análisis de las diferencias medias en los rendimientos absolutos nos permite detectar si se han producido cambios significativos en los precios después de la publicación (con diferencias medias significativas inferiores a cero), comparando los cambios medios en los precios inmediatamente antes de la publicación de la noticia y el periodo inmediatamente posterior a la publicación. Los resultados a lo largo de los distintos intervalos de tiempo nos permiten cuantificar la duración del efecto y la sensibilidad de los resultados a los intervalos de tiempo.<br />Los resultados indican que la información publicada sobre Covid tiene un claro impacto en los precios de Bitcoin y que este impacto puede durar algunas horas, lo que permite a los inversores en Bitcoin anticipar otra información futura. En resumen, el efecto de anticipación detectado con datos por hora puede deberse al impacto previo de algunas noticias ya publicadas, lo que, a su vez, ayuda a prever la información venidera. Estos resultados sugieren la pertinencia de elegir los intervalos de tiempo adecuados para el análisis. Basándonos en nuestro análisis de los datos horarios relacionados con las noticias de Covid, concluimos inicialmente que las noticias se anticipan. Sin embargo, cuando examinamos los datos segundo a segundo, descubrimos que las noticias tienen un rápido impacto en el momento y también pueden ayudar a anticipar información futura. La secuencia de noticias publicadas anteriormente ayuda a construir inferencias y expectativas sobre lo que ocurrirá en el futuro. <br />En cuanto a los resultados del impacto de las noticias sobre la guerra se observa que las noticias relevantes tardan al menos dos horas en producir impacto significativo. Al contrario de lo que ocurre con las noticias sobre Covid, otras noticias relacionadas con la guerra también tienen un efecto rápido significativo en los precios, ya que las reacciones se detectan poco después de su publicación. Por lo tanto, parece razonable pensar que estas otras informaciones provocan la anticipación de futuras informaciones relevantes detectadas con datos por hora. En cuanto al impacto de las noticias no relacionadas con la guerra en estos días, se observa que sí tienen impacto, pero al cabo de al menos 30 minutos. Esto sugiere que, durante estos días, la reacción a las noticias relacionadas con la guerra es más importante que la reacción respecto a otros temas. <br />En el caso de la inflación y la información sobre los tipos de interés, se observa que, en las noticias relevantes, la reacción a la información publicada es casi inmediata y no dura mucho tiempo, en línea con los resultados obtenidos con datos por hora. La reacción de los precios se concentra alrededor de la hora de publicación. Otras noticias no relacionadas con la inflación que se producen en esos días también repercuten en los minutos siguientes, aunque no se observa la inmediatez de las noticias relevantes para la inflación, y el porcentaje de noticias influyentes es aún menor que en el caso de la inflación.<br />El análisis con datos segundo a segundo nos obliga a ser prudentes respecto a las conclusiones del análisis por hora, permitiendo ajustar algunas afirmaciones anteriores, especialmente sobre el impacto de las noticias tras su publicación. Hemos observado que las noticias importantes sobre Covid o la guerra pueden tardar hasta dos horas en ser procesadas, mientras que las noticias programadas, como las relacionadas con la inflación, tienen menos impacto inmediato. Además, otras noticias pueden tener distintos grados de impacto y duración según su contenido, lo que influye en los resultados si se excluyen del análisis. Nuestra investigación confirma que es difícil determinar el impacto exacto de una noticia debido a la información relacionada que puede generar expectativas sobre futuras noticias. Cuando la reacción a una noticia coincide con otra, resulta complicado separar sus efectos. Es fundamental manejar la frecuencia temporal de los datos con precisión para evitar ocultar los efectos reales de una serie de noticias debido a su cercanía. Es crucial seguir identificando las noticias relevantes para los inversores, ya que son éstas las que afectan a los mercados. Este estudio demuestra que aún hay mucho por aprender sobre los mecanismos de información que influyen en los mercados.<br />
000151096 520__ $$a<br />
000151096 521__ $$97087$$aPrograma de Doctorado en Contabilidad y Finanzas
000151096 540__ $$9info:eu-repo/semantics/openAccess
000151096 6531_ $$aeconomía internacional
000151096 691__ $$a4 8
000151096 692__ $$aGarantizar una educación de calidad inclusiva y equitativa, y promover las oportunidades de aprendizaje permanente para todos. Fomentar el crecimiento económico sostenido, inclusivo y sostenible, el empleo pleno y productivo, y el trabajo decente para todos.
000151096 700__ $$aCorredor Casado, María Pilar $$edir.
000151096 700__ $$aBlasco De Las Heras, María Natividad $$edir.
000151096 7102_ $$aUniversidad de Zaragoza$$b
000151096 830__ $$9499
000151096 8560_ $$fcdeurop@unizar.es
000151096 8564_ $$uhttps://zaguan.unizar.es/record/151096/files/TESIS-2025-031.pdf$$zTexto completo (eng)
000151096 909CO $$ooai:zaguan.unizar.es:151096$$pdriver
000151096 909co $$ptesis
000151096 9102_ $$aCiencias Sociales y jurídicas$$b
000151096 980__ $$aTESIS