Tether vs. USD, ist ein Dollar ein Dollar, wenn es um den Handel geht?

Über die reine Liquidität hinaus werden Marktteilnehmer beim Vergleich des auf Tether oder Fiat USD basierenden Handels an den jeweiligen Volatilitäten der Paare interessiert sein. In einer perfekten und effizienten Welt und unter der Annahme, dass Tether wie beschrieben verwaltet wird (wobei die Reserven ständig ein Umtauschverhältnis von 1 zu 1 gewährleisten), sollten Händler keine Präferenz zwischen der Verwendung von Fiat oder der Stablecoin als Basishandelswährung haben.

In der Praxis besteht zwischen den beiden Paaren eine implizite Kreditbasis, die jederzeit die Einschätzung des Marktes zur Liquidität und zum Kreditrisiko jeder Basiswährung widerspiegelt. Faktoren, die zur Basis beitragen, sind unter anderem die wahrgenommene Konvertierbarkeit von Tether in Fiat USD, Limits und Kapitalkontrollen, um Prämien im Zusammenhang mit Fiat USD oder KYC (Know Your Customer) zu verschieben.

Wenn der Markt davon ausgeht, dass diese Basis vernachlässigbar ist, sollten Arbitrageure jede Bewegung eines der Paare schnell auf das andere übertragen.

Eine Möglichkeit, die Preiskorrelation auf einer Tagesskala zu betrachten (wir betrachten nicht die Marktmikrostruktur), besteht darin, die rollierende historische Volatilität des Paares zu untersuchen. Durch die Berechnung der rollierenden Volatilitäten können wir quantifizieren, um wie viel sich die Preise von ihren historischen Durchschnittswerten entfernen. Wenn Arbitrage-Strategien effizient sind, erwarten wir eng verwandte historische Volatilitäten zwischen den beiden Paaren.

Nahezu nahe an der Volatilität

Die übliche Definition der historischen Volatilität ist nahezu nah. Wir haben die rollierenden Volatilitäten (30-Tage-Rolling-Fenster) der eintägigen Protokollrenditen berechnet. Wir haben unseren Schlusskurs als einfachen Durchschnitt (gleich gewichtet) der verschiedenen Schlusskurse zwischen den Börsen (Mitternacht UTC-Zeit) berechnet.

Wir haben zuerst den durchschnittlichen Schlusskurs für BTC / USDT und BTC / USD ermittelt.

Wir haben dann den Tracking Error berechnet, der die prozentuale Differenz zwischen den beiden Schlusskursen im Zeitverlauf darstellt. Der Tracking Error zwischen BTC-USDT und BTC-USD blieb in unserem Datensatz sehr gering, erreichte einmal die 2% -Marke und blieb die meiste Zeit im Bereich von – 0,50% / + 0,50% (Abbildung 6).

Wir haben dann die normale annualisierte Volatilität der beiden Paare aufgezeichnet. Diese starke Replikation ist auch sichtbar, wenn man die rollierenden Volatilitäten betrachtet.

Und schließlich das Verhältnis zwischen den beiden Volatilitäten.

Die normalen Volatilitäten für beide Paare blieben nahe an der Parität (Abbildung 8), obwohl wir einige Regimewechsel bemerkten. Zu Beginn unseres Datensatzes (bis etwa Juli 2019, Regime 1) waren die BTC-USDT-Schlusskurse etwas weniger volatil (zwischen 92% und 98%) als ihre BTC-USD-Gegenstücke. Von da an hatten wir einige Monate nahezu Parität (Regime 2), bevor die Quote Anfang 2020 für kurze Zeit wieder sank (Regime 3).

Diese Ergebnisse könnten durch Faktoren erklärt werden, die von der Marktstruktur unabhängig sind, wie z. B. die Auswahl der Börsen (die liquidesten Börsen sind nicht für beide Paare gleich) oder die Verzerrung der mittleren Preisberechnung (alle Börsen haben bei unserer Berechnung das gleiche Gewicht, sodass eine Abhilfe wäre Berücksichtigen Sie unter anderem einen volumengewichteten Durchschnitt für den Schlusskurs oder eine Zeitdifferenz (die Spitzenliquiditätszeiten unterscheiden sich an Börsen mit unterschiedlichen Standorten).

Wenn wir uns jedoch die Statistik der Verteilung des normalen Volatilitätsverhältnisses ansehen, finden wir deutliche Anzeichen für eine starke Korrelation zwischen den beiden Paaren:

Wir haben die fortlaufende Korrelation (logarithmische Renditen, 30-Tage-Fenster) zwischen unseren beiden Handelspaaren (BTC-USD und BTC-USD) aufgezeichnet, um die starke Korrelation zwischen ihnen selbst während des oben identifizierten ersten Regimes zu bestätigen.

Tägliche High-Low-Volatilität

Die im vorherigen Abschnitt untersuchte nahezu nahe Volatilität ist die übliche Definition der Volatilität, die normalerweise von Praktikern aus Industrieländern berücksichtigt wird. Es ist jedoch wichtig zu bedenken, dass die Messung stark von Faktoren wie Fenstergröße und Abtastfrequenz abhängt und Extremwerte nicht gut erfasst.

Eine Möglichkeit, die Messung von Tracking-Fehlern zu verbessern, besteht darin, die täglichen High- und Low-Werte in unseren Datensatz zu integrieren. Dies ermöglicht es uns, das Verhalten von zu erfassen Intraday Volatilität und nicht nur nah an nah.

Wir definieren unser eigenes Maß für die Intraday-Renditen „High-Low“ und führen dieselben fortlaufenden Berechnungen wie oben durch, um festzustellen, ob die drei Volatilitätsregime, die wir mit der ersten Berechnung identifiziert haben, beibehalten werden. Indem wir das Verhältnis der neuen „High-Low“ -Volatilitätsberechnungen nehmen, können wir erneut versuchen, bestimmte Volatilitätsregime zu identifizieren und sie mit denen der ersten Volatilitätsberechnung zu vergleichen.

Wir haben eine tägliche High-Low-Rendite definiert als: