内田ゼミ　仮想通貨分析

内田ゼミ

仮想通貨分析

中村

充

多田 育心

目次

‣背景

‣目的

‣仮説

‣検証

‣検証結果

‣結果分析

‣今後の展望

目次

‣背景

‣目的

‣仮説

‣検証

‣検証結果

‣結果分析

‣今後の展望

背景

背景

仮想通貨とは、一言でいうとインターネット上の新しい通貨のようなもの。

（金融庁HP 国会提出法案（第190回国会）法律・理由

http://www.fsa.go.jp/common/diet/190/01/riyuu.pdf

より参照）

インターネットが高速で普及し、インターネットのなかでは国境の壁がなくなり

つつある。その中で、世界で通用する通貨があれば便利だろうという多くの人の

思いから誕生したものであり、今後の経済で大きな影響を与えると注目されてい

るものである。

(bitcoin.jp

https://bitcoin.org/bitcoin.pdf

より参照)

背景

そのような背景で、仮想通貨について我々は調査・分析しようと考えた。仮想通

貨は2016年頃から取引が活発になり、かつ毎日休みなく行われている取引によっ

てデータが蓄積されてきたため、ある程度意味のある分析が出来る基盤が整った

といえる。

背景

https://bitcoin-kaikata.com/how-to-make-money/

https://style.nikkei.com/article/DGXMZO2618013

0W8A120C1PPD000/

目次

‣背景

‣目的

‣仮説

‣検証

‣検証結果

‣結果分析

‣今後の展望

目的

仮想通貨のリターンに影響する

リスク尺度の発見

目次

‣背景

‣目的

‣仮説

‣検証

‣検証結果

‣結果分析

‣今後の展望

βが高いほど期待リターンが高い。 石野(2018)、内田(2015)

小規模ポートフォリオほど、高い超過収益を得ていた。 榊原(1983)

小型株効果 岡田(2006)

仮説①

コインのβが

高い仮想通貨ほどリターンが高い

仮説②

規模の小さい仮想通貨ほどリターンが高い

データ

・2018年9月18日時点の時価総額に関して全コインの中でTop100の仮想通貨デ

ータを用いて分析した。

・各仮想通貨の時価総額（marketcap）、取引量(volume)の日次データを収集。

(coinmarketcap 『

https://coinmarketcap.com/』

より参照)

・東証小型株指数、マザーズ指数の日時データを収集。

(kabutan 『

https://kabutan.jp/』

より参照)

*期間については各コインが一般的に取引が開始されてから730日間。

検証の流れ

を

XとYに該当するものを設定

・異常収益率のデータの作成

・記述統計

・Xについて単変数分析を行い調べる

・

XがYにどう影響を与えるのかを回帰分析を行い調べる

Xに関して

・リスク尺度をXとする。

・リスク尺度としては、3つのβと規模を使用。

→株と同様に考えて

betas: 小型株指数に対するβ

betam: マザーズ指数に対するβ

betav: 代表的な仮想通貨に対するβ

・代表的な仮想通貨とはビットコインとイーサリアムを使用。

βの推計

・推計に用いた式

コインのリターン-金利=α+β(マーケットポートフォリオリターン－金利)+u

・データの期間としては、当該コインが一般的に取引開始されてから182日間

・マーケットポートフォリオとしては前述の3つを使用

Yに関して

・仮想通貨のリターンをYとする。

・仮想通貨のリターンとしては、超過リターンを使用

→各時点の運用環境を調整した通貨本来のリターンを見るため

超過リターン＝仮想通貨リターン－ベンチマークリターン

ベンチマークリターン：小型株リターン、マザーズリターン、代表的な仮

想通貨のリターンのいずれかを用いる。

検証の流れ

・仮想通貨のリスク指標を作成

・異常収益率のデータの作成

・記述統計

・Xについて単変数分析を行い調べる

・

XがYにどう影響を与えるのかを回帰分析を行い調べる

異常収益率とは

異常収益率の算出においては、一般的に用いられている次の2つの測定方法

（CAR,BHAR)をおこなった。(鄭 2010)

t日の日次収益率=（t日の時価総額 - t-1日の時価総額)/t-1 日の時価総額

CARはコインiのt日の日次収益率から当該コインから、ベンチマークのt日の日次

収益率をひいて、一般的に取引されてからｎ日間（n=182,365,730）にわたり

足し合わせて計算される。

CAR=Σ（当該コインの超過リターン)

第2にBHARも同様に

BHAR=Π（１＋当該コインの超過リターン）－Π（１＋benchmark return)

volumeとmarket cap

・取引量(volume) と 時価総額 (market cap) については、分析ではそれぞれの

自然対数を用いる：lnvolume, lnmarketcap

検証の流れ

・仮想通貨のリスク指標を作成

・異常収益率のデータの作成

・記述統計

・Xについて単変数分析を行い調べる

・XがYにどう影響を与えるのかを回帰分析を行い調べる

記述統計

・βの値

仮想通貨のリターンは小型株やマザーズの指標とは連動性が低いが、

bitcoinやethereumとは連動性高い

variable mean t p50 z N betas 0.00 0.48 0.00 0.73 99 betam 0.00 0.48 0.00 -0.51 99 betav 0.98 16.86*** 1.07 8.01*** 99

記述統計

abscar6…小型株指数のCAR・6か月の場合

variable mean t p50 z N abscar6 2.32 9.01*** 1.92 7.48*** 99 abscar12 2.81 9.06*** 2.35 7.80*** 99 abscar18 3.14 8.58*** 2.36 7.76*** 99 abscar24 3.39 8.76*** 2.54 7.87*** 99 absbhr6 2.34 8.92*** 1.92 7.48*** 99 absbhr12 2.86 8.88*** 2.35 7.78*** 99 absbhr18 3.21 8.34*** 2.36 7.75*** 99 absbhr24 3.48 8.50*** 2.54 7.86*** 99

仮想通貨は小型株よりも高いリターンを得られている

記述統計

abmcar6… mothers指数のCAR・6か月の場合

variable mean t p50 z N abmcar6 2.31 8.95*** 1.90 7.46*** 99 abmcar12 2.81 8.98*** 2.40 7.79*** 99 abmcar18 3.14 8.60*** 2.24 7.77*** 99 abmcar24 3.38 8.70*** 2.49 7.85*** 99 abmbhr6 2.34 8.86*** 1.89 7.45*** 99 abmbhr12 2.86 8.79*** 2.40 7.78*** 99 abmbhr18 3.21 8.36*** 2.25 7.76*** 99 abmbhr24 3.46 8.44*** 2.47 7.82*** 99

仮想通貨はマザーズ株よりも高いリターンを得られている

記述統計

abvcar6…ビットコイン,イーサリアムの平均を指標としたCAR・6か月の場合

variable mean t p50 z N abvcar6 1.82 7.42*** 1.46 6.93*** 97 abvcar12 2.22 7.57*** 1.53 7.29*** 97 abvcar18 2.35 7.29*** 1.72 7.21*** 97 abvcar24 2.34 7.11*** 1.79 7.14*** 97 abvbhr6 1.79 7.29*** 1.39 6.91*** 99 abvbhr12 2.21 7.35*** 1.51 7.27*** 99 abvbhr18 2.34 7.06*** 1.56 7.20*** 99 abvbhr24 2.33 6.88*** 1.72 7.12*** 99

仮想通貨は大きなコインよりも高いリターンを得られている

検証方法

・単変数分析

・回帰分析

検証の流れ

・仮想通貨のリスク指標を作成

・異常収益率のデータの作成

・記述統計

・

Xについて単変数分析を行い調べる

・XがYにどう影響を与えるのかを回帰分析を行い調べる

検証方法

単変数分析はサンプルを特定のベータで2分

割して、仮想通貨の中でベータが高いものと

ベータが低いものでリターンを比較した

検証結果

variable Group Obs Mean Std. Err. t

abscar6 0 40 3.02 0.46 2.31** 1 59 1.84 0.28 abscar12 0 40 3.62 0.53 2.19** 1 59 2.26 0.36 abscar18 0 40 4.13 0.62 2.27** 1 59 2.47 0.43 abscar24 0 40 4.69 0.67 2.86*** 1 59 2.51 0.44

検証結果

variable Group Obs Mean Std. Err. t

absbhr6 0 40 3.06 0.47 2.30** 1 59 1.86 0.29 absbhr12 0 40 3.69 0.56 2.15** 1 59 2.30 0.37 absbhr18 0 40 4.23 0.66 2.21** 1 59 2.53 0.45 absbhr24 0 40 4.82 0.71 2.80*** 1 59 2.57 0.46

検証結果

variable Group Obs Mean Std. Err. t

abmcar6 0 47 2.82 0.39 1.90 1 52 1.85 0.34 abmcar12 0 47 3.75 0.49 2.96*** 1 52 1.96 0.37 abmcar18 0 47 4.32 0.61 3.19*** 1 52 2.08 0.38 abmcar24 0 47 4.75 0.64 3.54*** 1 52 2.14 0.40

検証結果

variable Group Obs Mean Std. Err. t

abmbhr6 0 47 2.86 0.40 1.90 1 52 1.87 0.34 abmbhr12 0 47 3.83 0.51 2.94*** 1 52 1.98 0.38 abmbhr18 0 47 4.44 0.65 3.18*** 1 52 2.10 0.39 abmbhr24 0 47 4.90 0.68 3.51*** 1 52 2.17 0.41

検証結果

variable Group Obs Mean Std. Err. t

abvcar6 0 48 1.58 0.36 -0.97 1 49 2.05 0.33 abvcar12 0 48 2.26 0.47 0.13 1 49 2.19 0.36 abvcar18 0 48 2.51 0.54 0.49 1 49 2.20 0.37 abvcar24 0 48 2.45 0.55 0.34 1 49 2.23 0.37

検証結果

variable Group Obs Mean Std. Err. t

abvbhr6 0 49 1.56 0.36 -0.94 1 50 2.02 0.33 abvbhr12 0 49 2.26 0.48 0.17 1 50 2.16 0.36 abvbhr18 0 49 2.52 0.56 0.54 1 50 2.17 0.37 abvbhr24 0 49 2.46 0.57 0.39 1 50 2.20 0.37

結果分析

ハイリスクな（βが高い）仮想通貨ほどハイ

リターンになるという関係が成立していない。

→むしろ、ローリスク・ハイリターンになっ

ている。

検証の流れ

・仮想通貨のリスク指標を作成

・異常収益率のデータの作成

・記述統計

・Xについて単変数分析を行い調べる

・XがYにどう影響を与えるのかを回帰分析を行い調べる

検証結果

abscar6 Coef. t R2 betas -16.59 -1.96 0.28 lnvolume -0.26 -3.18*** _cons 5.97 3.83 abscar6 Coef. t R2 betas -16.43 -1.96 0.29 lnmarketcap -0.40 -3.42*** _cons 9.21 4.03 abscar6 Coef. t R2 betas -15.06 -1.82 0.33 lnmarketcap -0.30 -2.51** lnvolume -0.19 -2.18** _cons 10.2651 4.49

サンプル数99

検証結果

absbhr6 Coef. t R2 betas -17.07 -1.97 0.28 lnvolume -0.27 -3.21*** _cons 6.11 3.83 absbhr6 Coef. t R2 betas -16.91 -1.97 0.28 lnmarketcap -0.41 -3.44*** _cons 9.42 4.04 absbhr6 Coef. t R2 betas -15.49 -1.84 0.33 lnmarketcap -0.31 -2.52** lnvolume -0.19 -2.21** _cons 10.51 4.50

サンプル数99

検証結果

abmcar6 Coef. t R2 betam -7.72 -0.86 0.26 lnvolume -0.27 -3.27*** _cons 6.04 3.79 abmcar6 Coef. t R2 betam -5.40 -0.59 0.27 lnmarketcap -0.41 -3.40*** _cons 9.29 3.94 abmcar6 Coef. t R2 betam -4.20 -0.47 0.31 lnmarketcap -0.31 -2.48** lnvolume -0.20 -2.30** _cons 10.45 4.43

サンプル数99

検証結果

abmbhr6 Coef. t R2 betam -7.94 -0.86 0.26 lnvolume -0.28 -3.30*** _cons 6.18 3.80 abmbhr6 Coef. t R2 betam -5.56 -0.60 0.27 lnmarketcap -0.42 -3.42*** _cons 9.51 3.94 abmbhr6 Coef. t R2 betam -4.33 -0.48 0.31 lnmarketcap -0.32 -2.49** lnvolume -0.21 -2.33** _cons 10.71 4.44

サンプル数99

検証結果

abvcar6 Coef. t R2 betav -0.12 -0.25 0.19 lnvolume -0.24 -2.89*** _cons 5.30 3.17 abvcar6 Coef. t R2 betav 0.04 0.07 0.22 lnmarketcap -0.42 -3.45*** _cons 8.82 3.82 abvcar6 Coef. t R2 betav 0.04 0.08 0.25 lnmarketcap -0.34 -2.70*** lnvolume -0.17 -1.97 _cons 9.81 4.22

サンプル数97

検証結果

abvbhr6 Coef. t R2 betav -0.11 -0.24 0.20 lnvolume -0.25 -3.00*** _cons 5.23 3.23 abvbhr6 Coef. t R2 betav 0.07 0.14 0.23 lnmarketcap -0.42 -3.55*** _cons 8.80 3.87 abvbhr6 Coef. t R2 betav 0.09 0.19 0.26 lnmarketcap -0.33 -2.69*** lnvolume -0.17 -1.96 _cons 9.72 4.25

サンプル数97

目次

‣背景

‣目的

‣仮説

‣検証

‣検証結果

‣結果分析

‣今後の展望

結果分析

株とは違い、βはリスク尺度として機能していない

一方、株と同様に、規模（Volume,Maeketcap）がリスク尺度

として機能している

目次

‣背景

‣目的

‣仮説

‣検証

‣検証結果

‣結果分析

‣今後の展望

今後の展望

・仮想通貨のパフォーマンスは米ドル・ナスダック・金価格に強く連動している

といわれているので、各指標について検証していきたい。

参考資料・先行研究

・金融庁HP 国会提出法案（第190回国会）法律・理由

(

http://www.fsa.go.jp/common/diet/190/01/riyuu.pdf

)

・bitcoin.jp(

https://bitcoin.org/bitcoin.pdf

)

・内田交謹(2015) 『すらすら読めて奥までわかるコーポレートファイナンス』創成社

・石野雄一(2018) 『ざっくりわかるファイナンス』光文社

・coinmarketcap (

https://coinmarketcap.com/

)

・kabutan (

https://kabutan.jp/

)

・榊原茂樹(1983)「CAPMの再検証と企業規模効果」『国民経済雑誌』、第147巻第5号、88-112ページ。

・岡田克彦(2006)「小型株効果と企業規模-割安株効果との新たな関係-」『証券アナリストジャ

ーナル』、第44巻第7号、97-108ページ。

・鄭義哲(2010)「研究開発投資と株式収益率」『経営財務研究』、第25巻第1号、2-15ページ。

おわり