Examining the relationship between digital currency price fluctuations with stock index, stock liquidity and stock trading volume

Subject Areas : Investments

Mohammad Reza Rajaei ¹ , Maryam Emamimibody ^{2 *}

1 - Department of Accounting, Shahi.C., Islamic Azad University, Shahinshahr, Iran.
2 - Department of Accounting, Shahi.C., Islamic Azad University, Shahinshahr, Iran.

Received: 2024-06-04 Accepted : 2025-01-05 Published : 2025-06-23

Keywords: Stock Trading Volume, Stock Index, Stock Liquidity, Digital Currency Price Fluctuations,

Abstract :

Purpose: This study aims to investigate the relationship between cryptocurrency price volatility and the stock index, stock liquidity, and trading volume in the Tehran Stock Exchange (TSE).

Research Methodology: The statistical sample consists of 105 companies listed on the Tehran Stock Exchange during the period from 2014 to 2022 (1393–1401 SH). To analyze the data and test the hypotheses, multivariate regression models were employed using panel data methodology.

Findings: The results reveal a significant positive relationship between cryptocurrency price volatility and stock liquidity, trading volume, and stock price index of the companies listed on the TSE. Consequently, since cryptocurrency volatility leads to an increase in stock liquidity, trading volume, and the stock price index, it is essential for firms aiming to boost profitability or capital, as well as for individual investors seeking effective asset portfolio management, to account for these upward changes in market dynamics during periods of heightened crypto volatility.

Originality / Value: Most existing studies on cryptocurrencies in Iran have primarily focused on theoretical aspects or the translation of global literature. Little attention has been given to the empirical relationship between cryptocurrency volatility and key market indicators such as index performance, pricing, liquidity, and trading activity in the stock market. This research addresses this gap by providing empirical evidence on the influence of cryptocurrency dynamics on the Iranian capital market.

References:

Abdigolzar, B., & Badavar Nahandi, Y. (2022). The Effect of Moral Hazard of Managers on the Stock Illiquidity and Firm Value with Emphasis on Corporate Governance Mechanisms. Advances in Finance and Investment, 2(5), 67-90. [In Persian]
Aflatooni, A. (2014). Investigating the relationship between accounting and non-accounting stock price delay risk factors with future risk premium in Tehran Stock Exchange. Quarterly Financial Accounting, 6(23), 22-42. [In Persian]
Akbar, U. S. (2023). Dynamic Relationship between Stock Returns, Trading Volume, and Returns Volatility: An Empirical Investigation from Asian Stock Markets. Pakistan Social Sciences Review, 7(4), 526-540.
Akkaya, M. (2024). Bitcoin Price Bubbles and The Factors Driving Bitcoin Price Formation. Ege Academic Review, 24(4), 691-702.
Amihud, Y. (2002). Illiquidity and stock returns: cross-section and time-series effects. Journal of financial markets, 5(1), 31-56.
Bashiri, M., & Pariab, S. H. (2020). Predicting Bitcoin Price Using Machine Learning Algorithms. Applied Economics, 10(99), 1-13. [In Persian]
Bouri, E., & Jalkh, N. (2023). Spillovers of joint volatility-skewness-kurtosis of major cryptocurrencies and their determinants. International Review of Financial Analysis, 90, 102915.
Cakici, N., Chatterjee, S., Tang, Y., & Tong, L. (2021). Alternative profitability measures and cross-section of expected stock returns: international evidence. Review of Quantitative Finance and Accounting, 56(1), 369-391.
Caporale, G. M., & Zekokh, T. (2019). Modelling volatility of cryptocurrencies using Markov-Switching GARCH models. Research in International Business and Finance, 48, 143-155.
Dale, R. S., Johnson, J. E., & Tang, L. (2005). Financial markets can go mad: evidence of irrational behaviour during the South Sea Bubble1. The Economic history review, 58(2), 233-271.
Dyhrberg, A. H. (2016). Bitcoin, gold and the dollar–A GARCH volatility analysis. Finance research letters, 16, 85-92.
Erdas, M. L., & Caglar, A. E. (2018). Analysis of the relationships between Bitcoin and exchange rate, commodities and global indexes by asymmetric causality test. Eastern Journal of European Studies, 9(2).
Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The journal of Finance, 25(2), 383-417.
Fokam, D. N. D. T., Kamga, B. F., & Nchofoung, T. N. (2023). Information and communication technologies and employment in developing countries: Effects and transmission channels. Telecommunications Policy, 47(8), 102597.
Gil-Alana, L. A., Abakah, E. J. A., & Rojo, M. F. R. (2020). Cryptocurrencies and stock market indices. Are they related? Research in International Business and Finance, 51, 101063.
Glaser, F., Zimmermann, K., Haferkorn, M., Weber, M. C., & Siering, M. (2014). Bitcoin-asset or currency? revealing users' hidden intentions. ECIS.
Hayes, A. S. (2019). Bitcoin price and its marginal cost of production: support for a fundamental value. Applied economics letters, 26(7), 554-560.
Hemmti, H., & Abbasifar, A. (2016). Effect of Stock Market Volatility on Banks Performance Accepted in Tehran Stock Exchange. Journal of Economics and Business Research, 6(10), 13-26. [In Persian]
Karamanou, I., & Vafeas, N. (2005). The association between corporate boards, audit committees, and management earnings forecasts: An empirical analysis. Journal of Accounting research, 43(3), 453-486.
Katsiampa, P. (2017). Volatility estimation for Bitcoin: A comparison of GARCH models. Economics letters, 158, 3-6.
Lahmiri, S. (2024). Fossil energy market price prediction by using machine learning with optimal hyper-parameters: A comparative study. Resources Policy, 92, 105008.
Leirvik, T. (2022). Cryptocurrency returns and the volatility of liquidity. Finance Research Letters, 44, 102031.
Liang, J., Xie, E., & Redding, K. S. (2017). The international market for corporate control and high-valuation cross-border acquisitions: Exploring trends and patterns. International Journal of Law and Management, 59(6), 876-898.
Lu, G. M., Metin IV, K., & Argac, R. (2001). Is there a long run relationship between stock returns and monetary variables: evidence from an emerging market. Applied Financial Economics, 11(6), 641-649.
Modares, A., Leilipour, K., & Hamshi, M. (2018). The effect of floating stock announcements on trading volume, volatility, and stock returns. Financial Accounting and Auditing Research, 10(39), 219-236. [In Persian]
Mohammadi Shad, H., Keighobadi, A. R., & Madachi Zaj, M. (2021). Dynamic accounting and financial relationships between commodity markets, financial markets and digital currencies with an autocorrelated model approach with distributional lags. Financial Accounting and Auditing Research, 12(48), 203-228. [In Persian]
Molaei, S., Vaez Barzani, M., Samadi, S., & Parvardeh, A. (2017). Analyzing the Relationship between the Foreign Exchange Market and the Tehran Stock Exchange Price Index: Nonparametric Approach and Copula. Journal of Economic Research, 52(2), 457-476. [In Persian]
Morley, B., & Pentecost, E. J. (2000). Common trends and cycles in G-7 countries exchange rates and stock prices. Applied Economics Letters, 7(1), 7-10.
Najafy, S., Ebrahimi Shaghaghi, M., & Eslami Mofidabadi, H. (2024). Investigation relationship between stock liquidity, empire building and firms’ value. Advances in Finance and Investment, 5(2), 131-158. [In Persian]
Nasire Bonyad Abad, Z., & Samadi, F. (2021). compare time series stock markets and bit coin and effect markets returns with fractal approach. Journal of Investment Knowledge, 10(38), 411-428. [In Persian]
Oh, J. H. (2019). The determining factors of kimchi premium in the cryptocurrency market. The e-Business Studies, 20(2), 215-228.
Raffournier, B. (1997). The determinants of voluntary financial disclosure by Swiss listed companies: a reply. European Accounting Review, 6(3), 493-496.
Rajabi, A. (2018). Virtual Currency: Legislation in Different Countries and Suggestions for Iran. Islamic Parliament Research Center Of The Islamic Republic Of Iran. [In Persian]
Riska Dwi, A., & Nadia, F. (2018). The effect of cryptocurrency on exchange rate of China: Case study of Bitcoin. Munich Personal RePEc Archive.
Saranya, P. B., & Sudhamathi, R. K. (2024). Examining the relationship between implied volatility, index returns, and trading volume in the Indian stock market. Indian Journal of Finance, 18(3), 43-55.
Shahnavazi, B., Zamanian, G., & Hatefi Majumerd, M. (2022). Evaluating Bitcoin Price Index Fluctuations on Economic Development Using Univariate GARCH Models. Iranian Economic Development Analyses, 8(1), 133-152. [In Persian]
Soyemi, K. A., Akingunola, R. O. O., & Ogebe, J. (2019). Effects of oil price shock on stock returns of energy firms in Nigeria. Kasetsart Journal of Social Sciences, 40(1), 24-31.
Urquhart, A. (2016). The inefficiency of Bitcoin. Economics Letters, 148, 80-82.
Wagner, A. (2014). Digital vs. Virtual Currencies.
Wang, H., Wang, X., Yin, S., & Ji, H. (2022). The asymmetric contagion effect between stock market and cryptocurrency market. Finance Research Letters, 46, 102345.
Wang, X., Chen, X., & Zhao, P. (2020). The relationship between Bitcoin and stock market. International Journal of Operations Research and Information Systems (IJORIS), 11(2), 22-35.
Watts, R. L., & Zimmerman, J. L. (1986). Positive accounting theory. Prentice-Hall Inc.
Yin, L., Nie, J., & Han, L. (2021). Understanding cryptocurrency volatility: The role of oil market shocks. International Review of Economics & Finance, 72, 233-253.

Full-Text:



Journal of Advances in Finance and Investment Volume 6, Issue 2, 2025 pp. 125-150. Paper type: Research paper

 

 

 

Examining the relationship between digital currency price fluctuations with stock index, stock liquidity and stock trading volume

 

Mohammad Reza Rajaei¹, Maryam Emamimibody²

 

 

Received: 04/06/2024                              Accepted: 05/01/2025

 

Extended Abstract

Introduction

The stock market is one of the most important investment channels in the world and the pulse of global markets beats in the stock market. Stock volatility depends on many factors. One of these factors can be the effect of digital currency fluctuations. Fluctuations of digital currencies in the world can create an uncertain environment for investors in the capital market. In recent years in empirical finance, the growing role of the crypto currency market has attracted much attention among academic researchers, media, government institutions, and the financial industry. The sudden rise of digital currencies and the rapid development of digital currency markets, which is attributed to the sharp increase in the recent trading volume of Bitcoin, has led to the creation of a comprehensive literature on the digital currency market (Cakici et al., 2021). Based on the study of Saranya and Sudhamathi (2024) estimated alternative models to measure the volatility of digital currencies, their findings showed that a large number of users worldwide consider Bitcoin as an alternative to investment for speculative reasons. They keep stocks in the market. Several other studies have also analyzed the relationship between digital currency fluctuations and stock price fluctuations. In the study of Lahmiri (2024), digital currency is included in the money supply equation to explain the channels through which upward fluctuations created in digital currency cause an increase in the level of the exchange rate and as a result increase the volatility of the stock price index. to be In the same way, the fluctuations created in the digital currency rate have a close and positive relationship with the fluctuations of the stock price index. He also stated that the fluctuations of the Bitcoin price have a significant effect on the fluctuations of the stock price. According to the explanations provided, finally, the researches about Digital currencies in Iran are mostly based on the theory and translation of theoretical literature about digital currencies, and little attention has been devoted to issues such as liquidity, volume of transactions, and stock price index in the digital currency market, and considering that, in Iran, like other countries in the world, has been paying attention to the digital currency market and is operating in parallel with the stock market. Therefore, this research aims to examine the relationship between digital currency price fluctuations, the liquidity of company shares, the volume of stock transactions and the stock index in the stock exchange, which shows the innovation and novelty of this research.

Literature Review

Digital currencies such as Bit coin, Ethereum and Lite Coin have surprised everyone. Undoubtedly, this new network will be a suitable platform for the investment of governments and nations. At the same time, insufficient information can have a negative effect on the economy and the lives of its users. Digital currency is a form of electronic money. Most digital currencies are designed for greater security, elimination of intermediaries and anonymity (Fama, 1970). The stock market is one of the most important investment channels in the world, and the pulse of the world markets beats in the stock and stock markets, stock fluctuations are subject to many factors. One of these factors can be the effect of fluctuations in digital currencies. The fluctuations of digital currencies in the world can create an uncertain environment for investors in the capital market (Akbar, 2023). Liquidity is a very complex issue. In the best definition, it is the ability to buy and sell significant amounts of securities with high speed and little effect on the price (Wang et al., 2022).

The liquidity of digital currencies can affect the liquidity of stocks, which implies a potential integration between digital currencies and other financial markets (Wang et al., 2022). To the number of shares or contracts that are traded from a specific share or at a specific time; it is called trading volume (Liang et al., 2017). In the financial literature, causal relationships between price volatility and trading volume of each asset have long been a matter of debate. There are two basic hypotheses about the dynamic relationships between these two variables. One of them is a combination of distribution hypothesis (Raffournier, 1997 and Lu et al., 2001). The combination of distribution hypothesis indicates the existence of a simultaneous positive correlation between asset price and trading volume. The variance of the price change in a transaction depends on the volume of this transaction. Therefore, the relationship between price volatility and trading volume is based on a fundamental variable called the rate of information flow to the market, and the price and trading volume change simultaneously. According to this hypothesis, there is no causal relationship between two variables. Another hypothesis about the relationship between price volatility and trading volume is the hypothesis of sequential information entry (Bouri and Jalkh, 2023). The sequential information entry hypothesis assumes that new information is sequential to buyers and sellers in the asset market. Initially, buyers and sellers are in equilibrium because they have the same information set. As new information arrives, buyers and sellers may reconsider their expectations. However, buyers and sellers cannot receive information signals at the same time. When all market participants receive the new input and revise their expectations accordingly, the final equilibrium is reached. In this hypothesis, the sequential response to information indicates that there must be a two-way causal relationship between price volatility and trading volume. Now the question that needs to be answered at this stage is, are the findings obtained for traditional asset markets valid for crypto currencies with monetary and asset performance? In other words, does the two-way relationship between price volatility and trading volume apply to digital currencies? Bit coin, which was circulating as a virtual currency, was little known in the early days of its emergence, but it has started to be widely traded in the monetary and financial space, which has put the current international monetary system at serious risk. Is. In the past years, there is general evidence that the direction and intensity of causal relationships between price and volume in monetary and financial markets depends on the volume of Bit coin transactions. For this reason, it is expected that there is a possible causal relationship between Bit coin price fluctuations and stock trading volume (Lahmiri, 2024). According to the above, the hypotheses of the research have been compiled as follows:

H1: There is a significant positive relationship between digital currency price fluctuations and the liquidity of companies' shares in the stock exchange.

H2: There is a significant positive relationship between digital currency price fluctuations and the trading volume of companies' shares in the stock exchange.

H3: There is a significant positive relationship between digital currency price fluctuations and the stock price index of companies in the stock exchange.

Research Methodology

The current research is rationalistic in terms of its approach and practical in terms of its goal, and it is among descriptive-correlational researches. Also, the research method is deductive reasoning in terms of type and it is a retrospective research in terms of time. The statistical population of the present study includes companies admitted to the Tehran Stock Exchange from various industries. The method of selecting the investigated companies is the screening method, and 105 companies were selected for the statistical population. In this research, it has been used to analyze the data and test the research hypotheses following the research of Wang et al. (2022). Therefore, the generalized Dickey-Fuller test was used. In the next step, Pagan, Chow (F-Limmer) and Hausman tests were used to identify the estimation method, and the results of the tests confirmed the random effects panel method.

 

Results

According to the results of the Dickey-Fuller test, the variables of the research are at the mean level, and according to the estimation of the random effects panel method, the results of the research showed that there is a positive and significant relationship between digital currency price fluctuations, stock liquidity, stock trading volume and stock price index of companies in the stock exchange.

Discussion and Conclusion

The results of the research showed that there is a positive and significant relationship between digital currency price fluctuations and the liquidity of companies' shares in the stock exchange, as a result, the H1 of the research is confirmed. In order to be able to directly compare the results of digital currency fluctuations with liquidity in the stock market, a possible relationship between liquidity fluctuations and stock liquidity can be considered. The liquidity of Bitcoin can affect the liquidity of stocks, which implies a potential integration between Bitcoin and other financial markets. The relationship between liquidity and efficiency in the digital currency market is investigated and shows evidence of a positive relationship, especially for Bitcoin. More precisely, the relationship between liquidity and the efficiency of the digital currency market has been examined and it has been determined that there is a positive relationship between the volatility of digital currencies and the liquidity of stocks. The results obtained in this research are meaningfully consistent with the results of Cakici et al. (2021), Leirvik (2022) and Wang et al. (2022).

The results of the research showed that there is a positive and significant relationship between digital currency price fluctuations and the trading volume of companies' shares in the stock exchange, as a result, the H2 of the research is confirmed. Circulating as a virtual currency, Bitcoin was little known in the early days of its emergence, but it has begun to be widely traded in the monetary and financial space, which has put the current international monetary system at serious risk. Is in the past years, there is general evidence that the existence, direction and intensity of the causal relationship between price and volume in monetary and financial markets depends on the volume of Bitcoin transactions. For this reason, it is expected that there is a possible causal relationship between Bitcoin price fluctuations and stock trading volume. The results obtained in this research are meaningfully consistent with the results of Saranya and Sudhamathi (2024) and Wang et al. (2022).

The results of the research showed that there is a positive and significant relationship between digital currency price fluctuations and the stock price index of companies in the stock exchange, as a result, the H3 of the research is confirmed. Bitcoin is one of the most important cryptocurrencies that has the largest volume of transactions in the cryptocurrency market. On the one hand, this type of cryptocurrency has some of the key characteristics of gold, such as global exchange, lack of government support, and on the other hand, it has properties such as mediation in transactions, which lead it to the characteristics of a currency. Gives this has caused the fluctuations in this type of currency compared to other currencies to increase the dynamics of Bitcoin and consequently the stock price index in the financial markets. Therefore, it is expected that digital currency rate fluctuations will lead to an increase in stock price index fluctuations. The results obtained in this research are meaningfully similar to the results of Bashiri and Pariab (2020), Gil-Alana et al. (2020), Akbar (2023) and Wang et al. (2022) is consistent.

Conflict of Interest

The authors of this article declared no conflict of interest regarding the authorship or publication of this article.

Keywords: Stock Trading Volume, Stock Index, Stock Liquidity, Digital Currency Price Fluctuations.

 

JEL Classification: M21, O24, H31, G56.

 

پیشرفت‌های مالی و سرمایه‌گذاری

سال ششم، تابستان 1404 - شماره 2

صفحات 150-125

نوع مقاله: پژوهشی

بررسی رابطه بین نوسانات قیمت ارز دیجیتال با شاخص سهام، نقدشوندگی سهام و حجم معاملات سهام

 

محمد رضا رجایی³، مریم امامی میبدی⁴

 

تاریخ دریافت: 15/03/1403                                         تاریخ پذیرش: 16/10/1403

 

چکیده 

هدف: این پژوهش بررسی رابطه بین نوسانات قیمت ارز دیجیتال با شاخص سهام، نقدشوندگی سهام و حجم معاملات سهام در بورس اوراق بهادار تهران است.

روش‌شناسی پژوهش: نمونه آماری این پژوهش متشکل از ۱۰۵ شرکت از بین شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران در طی سال‌های ۱۳۹۳ لغایت ۱۴۰۱ است. برای تجزیه‌وتحلیل داده­ها و آزمون فرضیه­ها از مدل‌های رگرسیون چندمتغیره به روش داده­های ترکیبی استفاده شد.

یافته‌ها: نتایج حاصل از پژوهش نشان داد که بین نوسانات قیمت ارز دیجیتال، نقدشوندگی سهام، حجم معاملات سهام و شاخص قیمت سهام شرکت­ها در بورس اوراق بهادار رابطه مثبت و معناداری وجود دارد؛ بنابراین، ازآنجایی‌که نوسانات نرخ ارز دیجیتال باعث افزایش نقدشوندگی سهام، حجم معاملات سهام و شاخص قیمت سهام می­گردد، لزوم درنظرگرفتن تغییرات افزایشی نقدشوندگی سهام، حجم معاملات سهام و شاخص قیمت سهام در شرایط افزایش نوسانات نرخ ارز دیجیتال توسط بنگاه­ها باهدف افزایش سود و یا افزایش سرمایه و همچنین افراد به‌منظور مدیریت سبد دارایی ضروری است.

اصالت / ارزش‌افزوده علمی: پژوهش­های صورت‌گرفته در رابطة ارزهای دیجیتال در ایران بیشتر در مورد تئوری و ترجمه ادبیات نظری پیرامون ارزهای دیجیتال بوده و توجه اندکی به رابطه و تأثیر نوسانات نرخ ارز بر شاخص، قیمت، نقدشوندگی و حجم معاملات سهام در بورس اختصاص‌داده‌شده است.

 

کلیدواژه‌ها: حجم معاملات سهام، شاخص سهام، نقدشوندگی سهام، نوسانات قیمت ارز دیجیتال.

طبقه‌بندی موضوعی: M21, O24, H31, G56.

 

1- مقدمه

به‌تازگی، رشته­ای از ادبیات مربوط به ارزهای دیجیتال بر روی حقایق متعارف و جنبه­های فنی این نوع ارزها متمرکز شده است. ارزهای دیجیتال به بی‌نام‌ونشان بودن مشهورند و مستعد حباب­های سوداگرانه هستند (Fokam et al., 2023). علی‌رغم محبوبیت ارزهای دیجیتال، تعداد اندکی از تحقیقات دانشگاهی، این ارزها را از منظر اقتصادی و مالی ارزیابی کرده­اند که منجر به این نتیجه­گیری می­شود که تحقیقات در مورد بازارهای ارز دیجیتال هنوز در مراحل ابتدایی خود است. به عقیده بسیاری از اقتصاددانان متغیر نرخ ارز به واسطه واکنش­هایی که در داخل و خارج از مرزهای اقتصادی یک کشور بر می­انگیزد، مهم‌ترین متغیر قیمتی در اقتصاد است و نرخ ارز دیجیتال نیز از این قاعده مستثنی نیست. نوسانات نرخ ارز دیجیتال باعث انحراف سرمایه­گذاری در بخش­های اقتصاد می­شود (Urquhart, 2016). لذا برای پیشبرد اقتصاد و جلوگیری از پیامدهای منفی نوسانات نرخ ارز دیجیتال و به‌کارگیری اعمال سیاست­های مناسب، شناخت بررسی متقابل اثر نوسانات نرخ ارز دیجیتال و نوسانات شاخص سهام بر یکدیگر بسیار مؤثر است. بررسی ارتباط نوسانات بازارها نسبت به هم می­تواند به تحلیلگران بازار کمک کند تا تصمیم­گیری­های مناسب­تری نسبت به نوسانات حاصل از دیگر بازارها داشته باشند.

با نگاهی به اقتصاد جهانی می­توان مشاهده کرد که سطح معاملات از مرزهای کشورها عبور کرده و تجارت جهانی با سرعت چشمگیری در حال گسترش است. برای تجارت جهانی به همکاری نهادهای واسط متعددی نیاز است که تعداد بالای این واسطه‌ها باعث افزایش مشکلات و دشوارشدن معاملات شده است، بنابراین فعالان اقتصادی به دنبال یافتن راهکارهایی برای تسهیل بیشتر تجارت جهانی هستند. در این راستا امروزه شاهد آن هستیم که فناوری‌های جدید به طور خاص علم رمزنگاری و شبکه، تغییرات اساسی را در ساختار اقتصاد جهانی ایجاد کرده­اند. از جمله مهم­ترین این تحولات می­توان به پدیده نوظهوری به نام ارزهای مجازی اشاره کرد. در واقع ارز مجازی یک سیستم خصوصی برای تسهیل انجام مبادلات بین افراد است، بدون آنکه نیازی به حضور نهاد مرکزی و واسط باشد. در حال حاضر ارزهای مجازی و فناوری مرتبط به آن (سیستم بلوک­های زنجیره‌ای) به‌سرعت در حال فراگیرشدن هستند. پژوهش­های چندی پیرامون ارزهای دیجیتال در ایران انجام شده است که تنها بر اساس تئوری و ترجمه ادبیات نظری پیرامون ارزهای دیجیتال است، اما توجه اندکی به مباحثی همچون نقدشوندگی، حجم معاملات و شاخص قیمت سهام در بازار ارزهای دیجیتال اختصاص‌داده‌شده است؛ بنابراین، این پژوهش درصدد آن است به بررسی رابطه بین نوسانات قیمت ارز دیجیتال، نقدشوندگی سهام شرکت­ها، حجم معاملات سهام و شاخص سهام در بورس اوراق بهادار بپردازد که نشان‌دهنده نوآوری و جدید بودن این پژوهش است.

 

2- مبانی نظری و پیشینه پژوهش

امروزه با پیشرفت و تغییر هر روزه در دنیای پیرامون، کسب درآمد و دادوستد به‌عنوان یکی از مهم‌ترین امور که تقریباً با همه مسائل دیگر به‌گونه‌ای مرتبط است، نیز دچار دگرگونی شده و راه‌هایی را که افراد قبلاً می‌توانستند از آن طریق بهای کالاها را دریافت یا پرداخت کنند، به‌کلی تغییر کرده است. جدیدترین مفهوم که پا به عرصه حضور گذاشته ارز دیجیتال است (Cakici et al., 2021). ارزهای دیجیتالی نظیر بیت‌کوین⁵، اتریوم⁶ و لایت‌کوین⁷ همه را شگفت‌زده کرده است. بی‌شک این شبکه نوین بستر مناسبی برای سرمایه­گذاری دولت‌ها و ملت‌ها خواهد بود. درعین‌حال اطلاعات ناکافی می‌تواند اثر معکوس بر اقتصاد و زندگی استفاده‌کنندگان آن داشته باشد. ارز دیجیتال یک فرم از پول الکترونیکی است. بیشتر ارزهای دیجیتال به‌منظور امنیت بیشتر، حذف واسطه‌ها و ناشناس بودن طراحی شده‌اند. کارایی ارز دیجیتال و مخصوصاً بیت‌کوین جدیداً علاقه دانشگاهیان را به سمت خود جلب کرده است. در یک بازار کارا همان­گونه که توسط فاما (Fama, 1970) تعریف می‌شود، قیمت‌ها به‌سرعت باید نسبت به اطلاعات جدید واکنش نشان دهند. به دلیل نوسانات بازار و نبود نقدینگی، قیمت‌ها می‌توانند با یک تأخیر قابل‌توجه به اطلاعات جدید واکنش نشان دهند که کارایی بازار را کمتر می‌سازد. کارایی بیت‌کوین به شکل ضعیف، موضوع مطالعات زیادی بوده است (Akkaya, 2024 and Hayes, 2018).

بازار بورس اوراق بهادار یکی از کانال­های مهم سرمایه­گذاری در دنیا است و نبض بازارهای جهان در بازارهای سهام و اوراق بهادار می­تپد، نوسانات سهام تابع عوامل متعددی است. یکی از این عوامل می­تواند تأثیر نوسانات ارزهای دیجیتال باشد. نوسانات ارزهای دیجیتال در جهان می­تواند محیط نامطمئنی را برای سرمایه­گذاران در بازار سرمایه ایجاد کند (Hemmti and Abbasifar, 2016). با پیشرفت و تغییر هر روزه در دنیای پیرامون، کسب درآمد و دادوستد به‌عنوان یکی از مهم‌ترین امور که تقریباً با همه مسائل دیگر به‌گونه‌ای مرتبط است نیز دچار دگرگونی شده و راه­هایی را که افراد قبلاً می­توانستند از آن طریق بهای کالاها را دریافت یا پرداخت کنند، به‌کلی تغییر کرده است. جدیدترین مفهوم که پا به عرصه حضور گذاشته ارز دیجیتال است. ارز دیجیتال، ارزهایی هستند که به‌صورت الکترونیکی ذخیره و منتقل می‌شوند و مبنای آن‌ها صفر و یک است (Rajabi, 2018). ارز دیجیتال به‌عنوان یک واحد پولی یا واسطه تبادل (جدا از واسطه‌های فیزیکی مانند اوراق بانکی یا سکه) بر پایه اینترنت تعریف می‌شود که ویژگی‌هایی مشابه با پول فیزیکی را داراست، اما تراکنش‌های انتقال سرمایه را به‌صورت آنی و بدون مرز بین افراد انجام می‌دهد (Wagner, 2014). همان ‌طور که از واژه آن نیز بر می‌آید، ارز دیجیتال به هر ارزش ایجاد شده در بستر دیجیتال اشاره دارد. ارزهای دیجیتال پدیده جدیدی هستند که در سطح جهانی گسترش پیدا کرده­اند که توسط رسانه­ها، سرمایه‌گذران ریسک­پذیر، موسسات مالی و دولتی به طور یکسان مورد توجه قرار گرفته­اند (Glaser et al., 2014). اطلاعات مربوط به متغیرهای مالی و همچنین گزارش‌ها حسابداری، در طول زمان، به یکدیگر سرایت می‌کنند، این موضوع با گسترش سیستم‌های ارتباطی و وابستگی بیش‌ازپیش بازارهای مالی به یکدیگر، اهمیت بیشتری یافته است. باتوجه‌به اینکه بازارهای مالی با یکدیگر مرتبط هستند، اطلاعات ایجاد شده در یک بازار، می‌تواند سایر بازارها را متأثر سازد. طی سال‌های گذشته، ارزش بیت‌کوین با افزایش بیست برابری شگفت‌آور، تمام رکوردها را شکست و باعث شده، رمزارز یکی از داغ‌ترین مضامین سال 2017 باشد. در مورد نوسانات رمزارزها باید بیان کرد که پول مجازی برعکس پول‌های سنتی از قوانین و مقررات شفافی برخوردار نیست و این می‌تواند به یک چالش جدی برای هر دولتی تبدیل شود. مخاطرات پول مجازی از جمله ریسک بازار، ریسک کم عمقی بازار، ریسک طرف مقابل، ریسک معامله و ریسک عملیاتی است. یکی از مسائل بسیار قابل‌توجه در عرصه بازارهای مالی رابطه تنگاتنگ قیمت کالاها و ارزش ارزهای کشورهای مختلف جهان با یکدیگر است (Katsiampa, 2017). 

تحقیقات متعددی در سال‌های اخیر به مستند نمودن اثرات تأخیر انعکاس اطلاعات در قیمت سهام پرداخته است. شرکت‌هایی که دارای بیشترین تأخیر قیمت هستند، انتظار کسب بازدهی بالاتری نیز از آن‌ها می‌رود. زمانی که قیمت سهام با تأخیر زمانی نسبت به اطلاعات مربوط واکنش نشان می‌دهد، پدیده واکنش تأخیری قیمت سهام ایجاد می‌شود. کیفیت پایین اطلاعات منجر به ایجاد ابهام در خصوص پارامترهای مؤثر در ارزش‌گذاری سهام می‌شود (Aflatooni, 2014). تأخیر در قیمت سهام برای خریدار و فروشنده مخاطره‌آمیز است و این مخاطره ناشی از عدم انعکاس کامل اطلاعات در قیمت است. انعکاس کامل و بلادرنگ اطلاعات ممکن است اثرات منفی و یا مثبت بر قیمت سهم داشته باشد. درحالی‌که خریدار و فروشنده به‌موجب این انتخاب انتظار کسب صرف ریسک را دارند و بدین‌طریق رخداد کژگزینی بعید نخواهد بود. هنگامی که عدم تقارن اطلاعاتی بین مدیریت و سهام‌داران بالاتر باشد، قیمت سهام شرکت‌ها با تأخیر بیشتری به اطلاعات موجود عکس‌العمل نشان می‌دهد و دیرتر تعدیل می‌شود (Saranya and Sudhamathi, 2024). در طول سال­های اخیر قیمت‌ها سریع‌تر به اخبار واکنش نشان می‌دهند. همچنین یک ارتباط بین نقدینگی و تأخیر قیمت در مطالعه برش‌های مقطعی وجود دارد و انتظار می‌رود که یک رابطه قوی بین اختلاف قیمت خریدوفروش و تأخیر قیمت وجود داشته باشد (Dale et al., 2005 and Fokam et al., 2023).

نقدشوندگی موضوعی کاملاً پیچیده‌ای است. در بهترین تعریفی که از آن می‌شود عبارت است از قابلیت خریدوفروش مقادیر قابل‌توجهی از اوراق بهادار با سرعت زیاد و تأثیر اندک در قیمت است (Wang et al., 2022). نقدشوندگی ارزهای دیجیتال می­تواند بر نقدشوندگی سهام تأثیرگذار باشد که دلالت بر ادغام بالقوه بین ارزهای دیجیتال و سایر بازارهای مالی است (Wang et al., 2022). لیانگ و همکاران (Liang et al., 2017) مدلی را توسعه دادند که توانایی معامله­گران برای تأمین نقدینگی بازار به توانایی آنها برای به‌دست‌آوردن منابع مالی بستگی دارد. وانگ و همکاران (Wang et al., 2022) نشان دادند که ارزهای دیجیتال منجر به نقدشوندگی بالا می‌شوند و به طور مؤثر سهام را در برابر نوسانات قیمت لحظه­ای محافظت می‌کنند. آرگوهارت (Urquhart, 2016) نشان می­دهد که بیت­کوین به­عنوان ارز دیجیتال تمایل دارد، کارایی بازار را افزایش دهد. اوه (Oh, 2019) رابطه بین نقدشوندگی و کارایی را در 456 بازار ارزهای دیجیتال بررسی می­کند و شواهدی از یک رابطه مثبت به‌ویژه برای بیت‌کوین نشان می­دهد. به طور دقیق­تر، رابطه بین نقدشوندگی و کارایی بازار ارزهای دیجیتال را بررسی شده و مشخص شده که بین ارزهای دیجیتال و نقدشوندگی سهام رابطه مثبتی وجود دارد (Riska Dwi and Nadia, 2018 and Lahmiri, 2024).

به تعداد سهام يا قراردادهايي كه از يك سهم خاص يا در زماني مشخص معامله مي­شوند؛ حجم معامله گفته مي­شود (Liang et al., 2017). در ادبیات مالی، روابط علی بین نوسانات قیمت و حجم معاملات هر دارایی مدت‌ها موضوع بحث بوده است. دو فرضیه اساسی در مورد روابط پویا بین این دو متغیر وجود دارد. یکی از آنها ترکیبی از فرضیه توزیع است ( Raffournier, 1997 and Lu et al., 2001). ترکیب فرضیه توزیع نشان‌دهنده وجود یک همبستگی مثبت هم‌زمان بین قیمت دارایی و حجم معاملات است. واریانس تغییر قیمت در یک معامله به حجم این معامله بستگی دارد؛ بنابراین، رابطه بین نوسان قیمت و حجم معاملات بر مبنای متغیری بنیادی به نام نرخ جریان اطلاعات به بازار است و قیمت و حجم معاملات به طور هم‌زمان تغییر می‌کند. بر اساس این فرضیه بین دو متغیر رابطه علی وجود ندارد. فرضیه دیگر در مورد رابطه بین نوسان قیمت و حجم معاملات، فرضیه ورود اطلاعات متوالی است (Caporale and Zekokh, 2019 and Erdas and Caglar, 2018). فرضیه ورود اطلاعات متوالی فرض می‌کند که اطلاعات جدید از نظر خریداران و فروشندگان در بازار دارایی متوالی است. در ابتدا، خریداران و فروشندگان در تعادل هستند؛ زیرا مجموعه اطلاعات یکسانی دارند. با رسیدن اطلاعات جدید، خریداران و فروشندگان ممکن است دوباره در انتظارات خود تجدیدنظر کنند. بااین‌حال، خریداران و فروشندگان نمی‌توانند سیگنال‌های اطلاعاتی را به طور هم‌زمان دریافت کنند. وقتی همه فعالان بازار اطلاعات ورودی جدید را دریافت می‌کنند و بر اساس آن انتظارات خود را تجدیدنظر می‌کنند، تعادل نهایی برقرار می‌شود. در این فرضیه، پاسخ متوالی به اطلاعات نشان می‌دهد که باید یک رابطه علی دوطرفه بین نوسان قیمت و حجم معاملات وجود داشته باشد. حال سؤالی که در این مرحله باید به آن پاسخ داده شود این است که آیا یافته‌های به‌دست‌آمده برای بازارهای دارایی سنتی برای ارزهای دیجیتال با عملکرد پولی و دارایی نیز معتبر است؟ به‌عبارت‌دیگر، آیا رابطه دوسویه بین نوسانات قیمت و حجم معاملات در مورد ارزهای دیجیتال صدق می‌کند؟ بیت‌کوین که به‌عنوان پول مجازی در گردش بود، در روزهای اولیه ظهور آن توسط افراد کمی شناخته می‌شد، اما در فضای پولی و مالی که سیستم پولی بین‌المللی کنونی را در معرض خطر جدی قرار داده است، شروع به تجارت گسترده در فضای پولی و مالی کرده است. در سال­های گذشته شواهد کلی وجود دارد که وجود جهت و شدت روابط علی قیمت و حجم در بازارهای پولی و مالی به حجم معاملات بیت‌کوین بستگی دارد. به همین دلیل، انتظار می­رود که رابطه علّی احتمالی بین نوسانات قیمت بیت‌کوین و حجم معاملات سهام وجود داشته باشد (Yin et al., 2021 and Bouri and Jalkh, 2023).

سارانیا و سوداماتی (Saranya and Sudhamathi, 2024) در مقاله­ای بررسی رابطه بین نوسانات ضمنی، بازده شاخص و حجم معاملات که مقادیر پایانی نیف، شاخص نوسانات و حجم معاملات را در نظر گرفته است، در طی سال­های 2018 الی 2023 در بازار سهام هند با استفاده از مدل­های چندک و علیت گرنجر فرضیه­های تحقیق بررسی شده و نتایج حاکی از آن است، بازده تأخیر شاخص نوسان باعث نوساناتی در بازده فعلی نیف می‌شود. بازده نیف و تغییرات در حجم معاملات ارتباطی ندارند. مشاهده می‌شود که بازده نیف با بازده از شاخص نوسانات رابطه نامتقارن و ارتباط مثبت با حجم معاملات دارد. هنگامی که نیف بازدهی منفی داشت، بازارها به‌شدت به شوک‌های خبری منفی واکنش نشان دادند.

نجفی و همکاران (Najafy et al., 2024) در مقاله‌ای با استفاده از رگرسیون چندمتغیره از روش تابلویی به این نتایج دست یافته­اند که ارتباط معناداری میان نقدشوندگی سهام با معیارهای رشد در دارایی‌های شرکت و نیز رشد در اموال، ماشین‌آلات و تجهیزات وجود دارد و همچنین نقدشوندگی سهام اثر معناداری بر ارزش شرکت دارد.

اکبر (Akbar, 2023) در مقاله­ای در نه کشور آسیایی شامل؛ پاکستان، هند، مالزی، چین، ژاپن، کره جنوبی، هنگ‌کنگ و تایوان در فاصله زمانی 2012 الی 2021 با استفاده از مدل گارچ دومتغیره به این نتایج دست یافته­اند که یک رابطه معاصر بین بازده سهام و حجم معاملات قبل از آزمون علیت گرنجر وجود دارد. ازاین‌رو، افزایش بازدهی شاخص بازار با افزایش حجم همراه است، درحالی‌که بازار نزولی با کاهش حجم همراه است؛ بنابراین، علیت گرنجر روند بین بازارهای سهام کشورهای نمونه آسیایی را پیش‌بینی می‌کند.

وانگ و همکاران (Wang et al., 2022) در پژوهشی اثرات سرایت نامتقارن بین بازارهای سهام و ارزهای دیجیتال را بررسی کردند. نتایج نشان داد که وابستگی‌های پایین‌تر از وابستگی‌های بالایی مهم‌تر هستند. یافته‌ها می‌تواند به‌عنوان مرجعی برای مقامات نظارتی مورداستفاده قرار گیرد، همچنین بینش‌هایی در مورد پوشش ریسک برای سرمایه‌گذاران منطقی ارائه می‌کند تا از دست‌کم گرفتن ریسک هنگام ساخت پرتفوی خود جلوگیری کنند.

شهنوازی و همکاران (Shahnavazi et al., 2022) با استفاده از مدل‌های خودرگرسیون ناهمسان واریانس شرطی تک‌متغیره در دوره زمانی بین 2012 تا 2019 به بررسی و تحلیل نوسانات و بازده بیت­کوین پرداختند. یافته­ها نشان می­دهد که بهترین مدل برای بررسی مقدار ریسک در مدل‌های گارچ تک‌متغیره، مدل گارچ است، زیرا ریسک نقدشوندگی شاخص قیمت بیت­کوین را نسبت به سایر مدل‌های تک‌متغیره با خطای کمتری پیش­بینی می‌کند.

نصیری بنیاد آباد و صمدی (Nasire Bonyad Abad and Samadi, 2021) با چهار فرضیه آماری تفاوت معناداری که بین بعد فراکتال شاخص بازده بیت‌کوین و بازار سهام در بازه زمانی 1390 الی 1397، توان لیاپانوف مثبت شاخص - بازده بیت‌کوین و بازار سهام را بررسی کردند. بر اساس نتایج آماری فرضیه­ها مقیاس با لگاریتم در پایه دو مقیاس برای شاخص بازار با افزایش مقیاس لگاریتم بر پایه آن نیز افزایش پیدا می­کند و شیب این نمودار برابر با نمای هرست دارای شیب مثبت می­شود.

یین و همکاران (Yin et al., 2021) در پژوهشی به بررسی نقش شوک­های بازار نفت در تعیین نوسانات طولانی­مدت ارزهای دیجیتال پرداختند. نتایج این پژوهش نشان­دهنده این است که شوک­های نفتی نشان­دهنده عدم اطمینان از فضای اقتصادی است و شوک نامطلوب بازار نفت باعث افزایش جذابیت ارزهای دیجیتال می­شود.

لیرویک (Leirvik, 2022) در پژوهشی به بررسی رابطه بین نوسانات منحصربه‌فرد نقدینگی بازار و بازده پنج ارز رمزنگاری شده بزرگ با سرمایه­گذاری در بازار پرداخت. نتایج این پژوهش نشان می­دهد همبستگی بین نوسانات نقدینگی و بازده به‌طورکلی مثبت است؛ اما بسیار متغیر است. 

عبدی‌گلزار و بادآور نهندی (Abdigolzar and Badavar Nahandi, 2022) در مقاله‌ای با تأکید بر مکانیزم­های حاکمیت شرکتی با استفاده از داده­های تابلویی و رگرسیون چندمتغیره در بازده زمانی 1386 تا 1399 در 180 شرکت پذیرفته شده در بورس اوراق بهادار تهران به این نتایج دست یافته­اند؛ خطر اخلاقی مدیران بر عدم نقدشوندگی سهام اثر مثبت و معناداری داشته و نیز شاخص تعاملی خطر اخلاقی مدیران و حاکمیت شرکتی بر عدم نقدشوندگی سهام تأثیر منفی و معنادار و بر ارزش شرکت تأثیر مثبت و معناداری داشته است.

محمدی شاد و همکاران (Mohammadi Shad et al., 2021) با استفاده از اطلاعات دوره زمانی 2014 الی 2020 به‌صورت روزانه به بررسی روابط پویای حسابداری و مالی بین بازارهای کامودیتی، بازارهای مالی و ارزهای دیجیتال با رویکرد مدل خودهمبسته با وقفه‌های توزیعی پرداختند. نتایج نشان می­دهد شاخص کل بازار سهام رابطة مستقیم با تمامی بازارهای دارایی‌های دیگر داشته است. قیمت نفت خام با تمام دارایی‌ها دارای رابطه معکوس است و نرخ ارز نیز تحت‌تأثیر مستقیم دارایی‌های مالی دیگر قرار گرفته و رابطه معکوسی باقیمت نفت داشته است.

بشیری و پاریاب (Bashiri and Pariab, 2020) با استفاده از اطلاعات دوره زمانی 2013 تا 2020 به‌پیش بینی قیمت بیت‌کوین با استفاده از الگوریتم‌های یادگیری ماشین پرداختند. مهندسی ویژگی مشخص کرد که هر ده رمزارز به‌شدت با یکدیگر ارتباط دارند. این کار با اجرای روش یادگیری نظارت شده انجام شده است که در آن از جنگل تصادفی، طبقه‌بندی بردار پشتیبان، گرادیان تقویتی، و شبکه عصبی در گروه طبقه‌بندی و از رگرسیون خطی، شبکه عصبی بازگشتی و رگرسیون گرادیان تقویتی استفاده شده است.

وانگ و همکاران (Wang et al., 2020) در پژوهشی به بررسی رابطه بین بیت‌کوین و بازار سهام پرداختند. نتایج مطالعه رابطه بیت‌کوین و بازار سهام را نشان می­دهد. ابتدا بازار سهام تأثیر نسبتاً قابل‌توجهی بر بیت‌کوین دارد، درحالی‌که نفوذ ناشی از بازار سهام ضعیف است.

گیل - آلانا و همکاران (Gil-Alana et al., 2020) در پژوهشی ویژگی‌های شش ارز دیجیتال اصلی دیجیتال و ارتباط دوجانبه آنها با شش شاخص بازار سهام با استفاده از تکنیک ادغام (انتگرال‌گیری) موردبررسی قرار دادند. باتوجه‌به نتایج دومتغیره در ارز دیجیتال و آزمون هم انباشتگی، شواهدی مبنی بر عدم وجود هم انباشتگی بین شش ارز دیجیتال وجود دارد. در کنار همان خطوط، آزمایش برای هم انباشتگی بین شاخص بازار سهام و ارزهای دیجیتال، شواهدی از عدم هم انباشتگی را می­یابیم که نشان می­دهد که ارزهای دیجیتال از دارایی­های مالی و اقتصادی اصلی مجزا و جدا هستند.

باتوجه‌به توضیحات و اینکه، اکثر پژوهش‌های پیرامون ارزهای دیجیتال در ایران تنها بر اساس تئوری و ترجمه ادبیات نظری پیرامون ارزهای دیجیتال است و توجه اندکی به مباحثی همچون نقدینگی، حجم معاملات سهام و شاخص‌های قیمت سهام شرکت­ها در بازار ارزهای دیجیتال اختصاص‌داده‌شده است؛ بنابراین، این پژوهش درصدد آن است. به بررسی رابطه بین نوسانات قیمت ارز دیجیتال، نقدشوندگی سهام شرکت‌ها، حجم معاملات سهام و شاخص سهام در بورس اوراق بهادار تهران پرداخته شده است. باتوجه‌به مطالب مذکور، فرضیه­های پژوهش به این صورت تدوین می­گردد:

فرضیه اول: بین نوسانات قیمت ارز دیجیتال و نقدشوندگی سهام شرکت­ها در بورس اوراق بهادار رابطة مثبت معناداری وجود دارد.

فرضیه دوم: بین نوسانات قیمت ارز دیجیتال و حجم معاملات سهام شرکت­ها در بورس اوراق بهادار رابطة مثبت معناداری وجود دارد.

فرضیه سوم: بین نوسانات قیمت ارز دیجیتال و شاخص قیمت سهام شرکت­ها در بورس اوراق بهادار رابطة مثبت معناداری وجود دارد.

 

3- روش‌شناسی پژوهش

پژوهش حاضر ازنظر رویکرد، خردگرایانه و از منظر هدف، کاربردی هست و در زمره پژوهش‌های توصیفی - همبستگی قرار دارد. همچنین روش پژوهش ازنظر نوع استدلال قیاسی بوده و ازنظر زمان نیز یک پژوهش گذشته‌نگر است. جامعه آماری پژوهش حاضر دربرگیرندۀ شرکت­های پذیرفته‌شده در بورس اوراق بهادار تهران از صنایع مختلف هست. روش انتخاب شرکت­های موردبررسی، روش غربالگری است. جامعه آماری این پژوهش، باید دارای شرایط زیر باشند:

1) تا پایان اسفندماه 1401 در بورس اوراق بهادار تهران پذیرفته‌شده باشند.

2) سال مالی آن‌ها منتهی به پایان اسفندماه باشد.

3) اطلاعات مالی موردنیاز برای انجام این پژوهش را در دوره زمانی 1393 تا 1401 به طور کامل ارائه کرده باشند.

4) معاملات سهام شرکت به طور مداوم در بورس اوراق بهادار تهران صورت‌گرفته باشد.

5) شرکت طی دوره مورد بررسی تغییر سال مالی نداده باشند.

6) شرکت­های تحت بررسی جزء شرکت‌های سرمایه‌گذاری، هلدینگ و واسطه­گری مالی نباشند. روش مورداستفاده برای نمونه‌گیری، روش تصادفی سیستماتیک هست. با اعمال شرایط یادشده تعداد 105 شرکت جهت برآورد مدل و آزمون فرضیه‌های پژوهش انتخاب شده است.

در این پژوهش برای تجزیه‌وتحلیل داده­ها و آزمون فرضیه­های پژوهش به پیروی از پژوهش وانگ و همکاران (Wang et al., 2022)، از مدل (1)، مدل (2) و مدل (3) استفاده شده است که به روش داده­های ترکیبی برازش می­شوند و در صورتی که ضریب ، معنادار باشد، فرضیه­های پژوهش تأیید می­شود.

 

مدل (1)

 

مدل (2)

تعاریف نمادها و نحوة محاسبه هر یک از متغیرهای تحقیق در جدول (1) تفسیر شده است.

 

جدول (1) تعریف متغیرهای پژوهش و نحوه اندازه‌گیری

Table (1) Definition of research variables and how to measure them

مدل (3)

نوع متغیر	نام متغیر	نماد متغیر	نحوه اندازه­گیری
وابسته	نقدشوندگی سهام شرکت		در این پژوهش برای محاسبه نقدشوندگی سهام به پیروی از آمیهود (Amihud, 2002)، از رابطه (1) استفاده می­شود. : نقدشوندگی سهام شرکت i در سال t، Riyt: قدرمطلق بازده سهام شرکت i در سال t، Viyt: حجم ریالی معاملات سهام شرکت i در سال t، Diy: تعداد روزهایی که سهم i در سال معامله شده است.  رابطه (1)
	حجم معاملات شرکت		از لگاریتم طبیعی حجم معاملات سالانه سهام شرکت­ها استفاده می­شود (Modares et al., 2018).
	شاخص قیمت سهام شرکت		در این پژوهش برای شاخص قیمت سهام شرکت­ها از رابطه (2) استفاده می­شود (Molaei et al., 2017). : شاخص قیمت سهام شرکت i در سال t، : شاخص قیمت سهام پایان دوره شرکت i در سال t، : شاخص قیمت سهام ابتدای دوره شرکت i در سال t-1. داده­های مربوط به شاخص قیمت سهام هر شرکت از پایگاه اینترنتی سازمان بورس جمع­آوری می­شود. رابطه (2)   مستقل نوسانات قیمت ارز دیجیتال   در این پژوهش برای محاسبه قیمت ارز دیجیتال بیت­کوین از طریق رابطه (3) استفاده می‌شود (Dyhrberg, 2016). : نرخ ارز دیجیتال بیت­کوین در دوره t،: نرخ ارز دیجیتال بیت­کوین در دوره t-1.