Криптовалюты как средство хеджирования от шоков волатильности: анализ крипторынков, нефтяных рынков и рынков акций с использованием нечеткой копулы

В условиях растущей интеграции глобальных финансовых рынков понимание динамичных взаимосвязей между энергетическими рынками, рынками цифровых активов и фондовыми рынками имеет решающее значение для эффективного управления портфелем ценных бумаг и снижения рисков. Цель: в данном исследовании рассматриваются потенциальные преимущества криптовалют для хеджирования шоков волатильности путем анализа нелинейных и зависящих от режима взаимосвязей между рынками сырой нефти, биткоина и акций. Метод: в исследовании используется структура нечеткой копулы, которая включает копулы Гаусса, Стьюдента, Клейтона и Гумбеля для учета асимметричных структур и распределений, зависящих от хвоста. Для оценки динамических связей в условиях низкой, средней и высокой волатильности используются взвешенные по нечетким параметрам меры зависимости, что облегчает плавные переходы между режимами и локальный анализ зависимости. Результаты: результаты показывают слабую среднюю зависимость при нормальных рыночных условиях, что свидетельствует об ограниченной эффективности криптовалют в хеджировании. Однако в периоды повышенной волатильности наблюдается статистически значимая зависимость в верхнем хвосте распределения, указывающая на ухудшение преимуществ диверсификации в условиях рыночного стресса. Научный вклад: исследование предоставляет ценную информацию для инвесторов, управляющих портфелями и политиков, подчеркивая роль криптовалют в хеджировании в зависимости от режима. Результаты подчеркивают важность нелинейных и чувствительных к режиму моделей в распределении портфеля, управлении рисками и оценке финансовой стабильности.

1. Ghorbali B., Naoui K., Derbali A. Co-movement among COVID-19 pandemic, crude oil, stock market of US, and Bitcoin: empirical evidence from WCA. In: Accounting, Financial Sustainability, Governance and Fraud. 2022:33-51. URL: https://doi.org/10.1007/978-981-19-1036-4_3

2. Marwat J., Bhayo M.R., Abbas G. Comovement between the stock markets and commodity market. International Journal of Experiential Learning and Case Studies. 2024;9(2):408-440. URL: https://doi.org/10.22555/ijelcs.v9i2.1164

3. Zha R., Yu L., Su Y., Yin H. Dependences and risk spillover effects between Bitcoin, crude oil and other traditional financial markets during the COVID-19 outbreak. Environmental Science and Pollution Research. 2023;30(14):40737-40751. URL: https://doi.org/10.1007/s11356-022-25107-w

4. Alnafisah H., Loukil S., Bejaoui A., Jeribi A. Co-movements and spillovers in GCC financial and commodity markets during turbulent periods: a quantile VAR connectedness approach. International Journal of Islamic and Middle Eastern Finance and Management. 2024;17(6):1291-1319. URL: https://doi.org/10.1108/IMEFM-02-2024-0083

5. Dubey P. Short-run and long-run determinants of Bitcoin returns: transnational evidence. Review of Behavioral Finance. 2022;14(4):533-544. URL: https://doi.org/10.1108/RBF-02-2022-0040

6. Afjal M., Sajeev K. C. Interconnection between cryptocurrencies and energy markets: an analysis of volatility spillover. OPEC Energy Review. 2022;46(3):287-309. URL: https://doi.org/10.1111/opec.12227

7. Umar M., Hung N. G., Chen S., Iqbal A., Jebran K. Are stock markets and cryptocurrencies connected? The Singapore Economic Review. 2020:1-16. URL: https://doi.org/10.1142/S0217590820470050

8. Chien F.S., Sadiq M., Kamran H.W., Nawaz M.A., Hussain M.S., Raza M. Co-movement of energy prices and stock market return: environmental wavelet nexus of COVID-19 pandemic from the USA, Europe, and China. Environmental Science and Pollution Research. 2021;28(25):32359-32373. URL: https://doi.org/10.1007/s11356-021-12938-2

9. Rehman M. U., Kang S. H. A time-frequency comovement and causality relationship between Bitcoin hashrate and energy commodity markets. Global Finance Journal. 2021;49:100576. URL: https://doi.org/10.1016/j.gfj.2020.100576

10. Yaya O.O.S., Quintino D.D., Ogino C.M., Shittu O.I., Almeida D.M.F., Ferreira P.J.S. Volatility interdependencies of cryptocurrencies, gold, oil, and US stocks: quantile connectedness analysis with intraday data. SN Business and Economics. 2025;5(1):5. URL: https://doi.org/10.1007/s43546-024-00770-y

11. Hung N. T. Asymmetric connectedness among S&P 500, crude oil, gold and Bitcoin. Managerial Finance.2022;48(4):587-610. URL: https://doi.org/10.1108/MF-08-2021-0355

12. Liu K., Manahov V., Stafylas D. Relationship between stock market volatility and cryptocurrencies: evidence from China–US trade frictions. Journal of Futures Markets. 2025;45(12): 2232-2261. URL: https://doi.org/10.1002/fut.70034

13. Bani-Khalaf O., Taspinar N. Role of oil price in determining the relationship between cryptocurrencies and non-fungible assets. Investment Analysts Journal. 2023;52(1):53-66. URL: https://doi.org/10.1080/10293523.2022.2155354

14. Soltani H., Boujelbène Abbes M. Unveiling co-movements and spillovers across financial, cryptocurrency, and commodity markets: insights from investor sentiment. Quality and Quantity. 2026;60(1):767-790. URL: https://doi.org/10.1007/s11135-025-02216-5

15. Jin F., Li J., Li G. Modeling the linkages between Bitcoin, gold, dollar, crude oil, and stock markets: a GARCH–EVT–copula approach. Discrete Dynamics in Nature and Society. 2022;2022:8901180. URL: https://doi.org/10.1155/2022/8901180

16. Jeribi A., Fakhfekh M. Portfolio management and dependence structure between cryptocurrencies and traditional assets: evidence from FIEGARCH-EVT-copula. Journal of Asset Management. 2021;22(3):224-239. URL: https://doi.org/10.1057/s41260-021-00211-7

17. de Melo Mendes B.V., de Souza R. M. Measuring financial risks with copulas. International Review of Financial Analysis. 2004;13(1):27-45. URL: https://doi.org/10.1016/j.irfa.2004.01.007

18. Wang Y.C., Wu J. L., Lai Y.H. Dependence structure between stock and foreign exchange markets: a dependence-switching copula approach. Journal of Banking and Finance. 2013;37(5):1706-1719. URL: https://doi.org/10.1016/j.jbankfin.2013.01.001

19. Beirne J., Gieck J. Interdependence and contagion in global asset markets. Review of International Economics.2014;22(4):639-659. URL: https://doi.org/10.1111/roie.12116

20. Ghorbel A., Jeribi A. Relationship between volatilities of cryptocurrencies and other financial assets. Decisions in Economics and Finance. 2021;44(2):817-843. URL: https://doi.org/10.1007/s10203-020-00312-9

21. Liu J., Serletis A. Volatility and dependence in cryptocurrency and financial markets: a copula approach. Studies in Nonlinear Dynamics and Econometrics. 2024;28(1):119-149. URL: https://doi.org/10.1515/snde-2022-0029

22. Ranjbar V., Hesamian G. Copula function for fuzzy random variables: applications in measuring association. Statistical Papers. 2020;61(1):503-522. URL: https://doi.org/10.1007/s00362-017-0944-2

23. Tao Z., Han B., Chen H. Intuitionistic fuzzy copula aggregation operators in multiple-attribute decision making. Cognitive Computation. 2018;10(4):610-624. URL: https://doi.org/10.1007/s12559-018-9545-1

24. D’Urso P., De Luca G., Vitale V., Zuccolotto P. Tail dependence-based fuzzy clustering of financial time series. Annals of Operations Research. 2023:1-27. URL: https://doi.org/10.1007/s10479-023-05744-1

25. Just M., Luczak A. Assessment of conditional dependence structures in commodity futures markets using copula-GARCH models and fuzzy clustering. Sustainability. 2020;12(6):2571. URL: https://doi.org/10.3390/su12062571

26. Sklar A. Fonctions de répartition à n dimensions et leurs marges. In Annales de l’ISUP. 1959;8:229-231

27. Steinborn M., Liebscher E. (2025). Estimating portfolio risk with product copulas: A GARCH-EVT approach applied to financial data. Journal of Economic Analysis. 2025;4(4):14-33. URL: https://doi.org/10.58567/jea04040002

28. Zeng H., Huang Q., Abedin M.Z., Ahmed A.D., Lucey B. Connectedness and frequency connection among green bond, cryptocurrency and green energy-related metals around the COVID-19 outbreak. Research in International Business and Finance. 2025;73:102547. URL: https://doi.org/10.1016/j.ribaf.2024.102547

29. Bouazizi T., Galariotis E., Guesmi K., Makrychoriti P. Investigating the nature of interaction between cryptocurrency and commodity markets. International Review of Financial Analysis. 2023;88:102690. URL: https://doi.org/10.1016/j.irfa.2023.102690

30. Jin F., Li J., Li G. Modeling the linkages between Bitcoin, gold, dollar, crude oil, and stock markets: a GARCH-EVT-copula approach. Discrete Dynamics in Nature and Society. 2022;2022(1). URL: https://doi.org/10.1155/2022/8901180

31. Kara E.K Kemaloglu S. A., Evkaya O. Analysis of asymmetric financial data with directional dependence measures. Journal of Mathematics and Statistics. 2023;52(4):1096-1119. URL: https://doi.org/10.15672/hujms.1141392