Kryptoaktywa i ich rola w dywersyfikacji portfela inwestycyjnego - ebook

WSTĘP

Rewolucja technologiczna, która nastąpiła w ostatnich latach, przyniosła ze sobą wiele innowacji, które zmieniły sposób, w jaki myśli się również o finansach. Jedną z nich jest technologia łańcucha bloków, która otworzyła drogę do rozwoju rynku kryptoaktywów, a tym samym dała milionom ludzi możliwość transferowania wartości bez pośredników, za pomocą sieci internetowej. Kryptoaktywa można zdefiniować jako cyfrowe odzwierciedlenie wartości i praw, które przechowuje się i przenosi w formie elektronicznej z wykorzystaniem technologii rozproszonego rejestru lub innej podobnej (Commission, 2020; Great Britain i Treasury, 2021). Po ponad dekadzie od uruchomienia sieci bitcoin (Nakamoto, 2009) stworzono ponad 26 tysięcy kryptoaktywów, którymi obraca się na 600 giełdach na całym świecie, i liczba ta systematycznie się zwiększa. Na początku roku 2021 kapitalizacja rynku kryptoaktywów przekroczyła poziom 1 biliona dolarów (Forbes, 2021), a pod koniec roku wyniosła już prawie 3 biliony dolarów.

Już we wczesnej fazie rozwoju rynku kryptoaktywów dynamiczne wzrosty i spadki cen zainteresowały licznych inwestorów, którzy pomimo wysokiego ryzyka decydowali się na inwestycje. Z czasem cyfrowe aktywa przyciągały coraz większą uwagę przedsiębiorców i instytucji finansowych, co przyczyniło się do wzrostu wolumenu obrotu oraz kapitalizacji rynku. Jednocześnie rządy i regulatorzy rynku finansowego zaczęli podejmować kroki w celu uregulowania tego sektora. Ze względu na to, że liczba funduszy i banków inwestycyjnych zaangażowanych w przedsięwzięcia związane z kryptoaktywami systematycznie się zwiększa (Bridgewater i in., 2022; Fidelity, 2021), ich znaczenie w globalnym systemie finansowym staje się coraz bardziej istotne. Wraz z integracją kryptoaktywów z globalnym rynkiem finansowym intensyfikuje się potrzeba dogłębnego zrozumienia ich natury, związanych z nimi czynników ryzyka oraz potencjalnej roli, jaką mogą odgrywać w kontekście inwestycji portfelowych. W odpowiedzi na to znacznie zwiększyła się również liczba badań i analiz dotyczących tej klasy aktywów. W mediach, na spotkaniach eksperckich oraz na uniwersytetach rozpoczęły się liczne dyskusje nad charakterystyką i rolą cyfrowych aktywów na tle tradycyjnych klas aktywów takich jak akcje, obligacje, waluty lub towary. Po 14 latach od powstania sieci bitcoin pytania o miejsce kryptoaktywów w świecie finansów oraz źródła ich wartości pozostają nadal aktualne.

Mimo większego zainteresowania cyfrowymi aktywami inwestorzy instytucjonalni wydają się podchodzić do nich z pewną rezerwą. Głównymi przyczynami tego są (Colombo i in., 2021): trudności w zrozumieniu technologii łańcucha bloków, wykorzystanie kryptoaktywów w licznych cyberprzestępstwach, manipulacje kursem (Chen, Xu i in., 2019; Kamps i Kleinberg, 2018; Li, Shin i Wang, 2018) oraz niewielki poziom uregulowania tego rynku w skali zarówno lokalnej, jak i globalnej. Dodatkowo inwestorzy ci stają przed koniecznością zarządzania wysokim ryzykiem rynkowym, które powstaje na skutek zaangażowania na rynku cyfrowych aktywów. Jednym z przejawów konieczności zarządzania tym ryzykiem jest dynamiczny rozwój instrumentów pochodnych (Moore, 2019; Soska i in., 2021; Söylemez, 2019; Zulfiqar i Gulzar, 2021). Ze względu na dużą zmienność stóp zwrotu (Borri, 2019; Katsiampa, Corbet i Lucey, 2019; Phillip, Chan i Peiris, 2019; Takaishi, 2019) oraz przesłanki dotyczące mniejszej efektywności rynku (Bariviera, 2017; Urquhart, 2016) niezbędna wydaje się weryfikacja narzędzi wykorzystywanych na dojrzałych segmentach rynku finansowego pod kątem możliwości ich zastosowania na rynku cyfrowych aktywów. Zasadne staje się pytanie, czy kryptoaktywa powinny być klasyfikowane jako inwestycje alternatywne w stosunku do tradycyjnych instrumentów, takich jak akcje czy obligacje, oraz jaką funkcję mogą pełnić w przyszłości w kontekście inwestycji. W związku z tym istotnym zagadnieniem pozostaje również ich rola w portfelu obejmującym wiele różnych klas aktywów. Te kwestie mają kluczowe znaczenie zarówno dla rozwoju teorii, jak i praktyki.

Jednym z możliwych celów budowania portfela inwestycyjnego jest taka alokacja zasobów, aby maksymalizować osiągane stopy zwrotu przy jednoczesnym ograniczeniu ryzyka. Często uznaje się, że do zapoczątkowania powstania nowoczesnej teorii portfela przyczyniła się praca Markowitza (1952). Pomimo że na początku przedmiotem badań dotyczących budowy portfela inwestycyjnego był rynek akcji, to teoria ta może być z powodzeniem zastosowana do tworzenia portfeli wielu klas aktywów na rynkach. Ze względu na istnienie dodatniej korelacji pomiędzy różnymi segmentami rynku akcji (Goetzmann i Ibbotson, 2006) możliwość redukcji ryzyka z wykorzystaniem jedynie udziałowych instrumentów finansowych może być ograniczona, jednak już wykorzystanie do konstrukcji portfela różnych klas aktywów otwiera nowe możliwości. W ramach badań empirycznych zaczęto rozpatrywać poszczególne składniki portfela przez pryzmat funkcji, które mogą pełnić w stosunku do innych. W tym kontekście Baur i Lucey (2010) oraz Baur i McDermott (2010) wskazują, że klasy aktywów mogą pełnić różne funkcje. Po pierwsze, mogą stanowić zabezpieczenie (ang. _hedge_), jeśli cechują się brakiem lub ujemną średnią korelacją z innymi klasami aktywów lub portfelem bazowym. Po drugie, mogą odgrywać rolę elementu dywersyfikującego (ang. _diversifiers_), gdy są dodatnio, lecz nie doskonale, skorelowane z innymi składnikami portfela. Wreszcie, mogą funkcjonować jako bezpieczna przystań (ang. _safe haven_), jeśli są niezależne lub ujemnie skorelowane z innymi składnikami portfela, w okresach podwyższonego ryzyka. Można wskazać liczne publikacje, w których analizowano różne klasy aktywów pod kątem przynależności do jednej z wymienionych grup.

Składnikiem, który uzupełnia portfel akcji, są obligacje skarbowe o stałym dochodzie, które w okresach niepewności gospodarczej i finansowej są często postrzegane jako bezpieczna przystań (Hsu, Lee i Lien, 2020; Kaczmarek i in., 2022). W ciągu dekad relację pomiędzy rynkiem akcji a obligacjami analizowano w ramach wielu badań, na przykład takich, jak : Baur i Lucey (2009); Flavin, Morley i Panopoulou (2014); Fleming, Kirby i Ostdiek (1998); Gulko (2002), Hartmann, Straetmans i Vries (2004); Papadamou i in. (2021), Scruggs i Glabadanidis (2003).

Dodatkowo metodą poprawy charakterystyki portfela składającego się jedynie z akcji i obligacji jest dywersyfikacja międzynarodowa, co zweryfikowali m.in. Cholerton, Pieraerts i Solnick (1986), Jorion (1989), Thomas (1989), Burik i Ennis (1990), Kaplanis i Schaefer (1991), Solnik, Boucrelle i Le Fur (1996), Hunter i Simon (2004), Cappiello, Engle i Sheppard (2006), Driessen i Laeven (2007) oraz De Santis i Sarno (2008).

W miarę rozwoju rynków finansowych powiązania pomiędzy poszczególnymi klasami aktywów stawały się coraz silniejsze, przez co potrzebne stało się poszukiwanie alternatywnych metod dywersyfikacji. W wyniku tego jako potencjalny składnik portfela zaczęto coraz częściej rozważać złoto. Jego unikatowe własności, takie jak niska korelacja z rynkiem akcji i zdolność do pełnienia funkcji bezpiecznej przystani w okresach niepewności rynkowej sprawiają bowiem, że jest atrakcyjnym dodatkiem do tradycyjnego portfela akcji i obligacji, co pokazali m.in. McDonald i Solnick (1977), Sherman (1983), Jaffe (1989), Smith (2002), Lucey i Tully (2003), Michaud, Michaud i Pulvermacher (2006), Ratner i Klein (2008), Baur i McDermott (2010), Baur i Lucey (2010), Ciner, Gurdgiev i Lucey (2013) czy Baek (2019).

Jednak złoto to niejedyny składnik, który obok akcji i obligacji ma potencjał do poprawy charakterystyki portfela inwestycyjnego. Innym przykładem klasy aktywów mogących stanowić uzupełnienie portfela są pozostałe surowce, które w pewnych warunkach makroekonomicznych cechowały się niewielkimi korelacjami z rynkiem akcji i obligacji, co uczyniło je atrakcyjnymi. Zwiększenie poziomu dywersyfikacji poprzez dodanie surowców do portfela akcji lub obligacji, które z punktu widzenia strategicznego są często postrzegane jako zabezpieczenie przed wzrostem inflacji, weryfikowano w wielu badaniach (np. Bodie i Rosansky, 1980; Erb i Harvey, 2006; Gorton i Rouwenhorst, 2006). Niektóre z nich pokazały, że uzupełnienie portfela o ekspozycję na surowce może poprawić relację dochodu do ponoszonego ryzyka (Conover i in., 2010; Daskalaki i Skiadopoulos, 2011; Greer, 1994; Fabozzi, Fuss i Kaiser, 2008; Fortenbery i Hauser, 1990; Galvani i Plourde, 2010; Gao i Nardari, 2018; Jensen, Johnson i Mercer, 2000; Satyanarayan i Varangis, 1996; Wang i in., 2022; You i Daigler, 2013). Jednocześnie Yan i Garcia (2017) pokazali, że włączenie większości towarów w niewielkim stopniu poprawia wskaźnik Sharpe’a portfela, zwłaszcza poza próbą. Podobne wnioski przedstawili Daskalaki i Skiadopoulos (2011) oraz Bessler i Wolff (2015). Przyczyną wzrostu korelacji rynku surowców z rynkiem akcji i obligacji mogą być strategie inwestycyjne realizowane przez inwestorów instytucjonalnych, które coraz częściej łączą te klasy aktywów w zdywersyfikowanych portfelach (Basak i Pavlova, 2016; Büyükşahin i Robe, 2014; Domanski i Heath, 2007; Gruber i Vigfusson, 2012; Silvennoinen i Thorp, 2013; Tang i Xiong, 2012).

W miarę rozwoju rynku kryptoaktywów pojawiło się pytanie o ich rolę w portfelu inwestycyjnym. W początkowych badaniach empirycznych często porównywano je ze złotem (Bouri i in., 2017; Dyhrberg, 2016; Guesmi i in., 2019; Kajtazi i Moro, 2019; Som i Kayal, 2022). Z kolei Corbet, Meegan, Larkin, Lucey i Yarovaya (2018), Huynh, Nasir, Vo i Nguyen (2020) oraz Nakagawa i Sakemoto (2022) pokazali, że bitcoin może być uznawany za dywersyfikujący składnik aktywów. Inni sugerowali, że bitcoin może być traktowany jako zabezpieczenie dla rynku akcji (Klein, Pham Thu i Walther, 2018). Natomiast inne badania, przeprowadzone na przykład przez Thampanyę, Nasira i Huynha (2020), kwestionują hipotezę, zgodnie z którą złoto i kryptowaluty są skutecznymi narzędziami do zabezpieczania inwestycji na rynku akcji. Chociaż bitcoin początkowo był porównywany do złota, a nawet nazywany cyfrowym złotem, nie ma jednoznacznego konsensusu co do roli bitcoina i innych kryptoaktywów w relacji do złota.

Przyjmując inną perspektywę, należy stwierdzić, że szczególnie kryptowaluty bywają klasyfikowane jako niekonwencjonalny środek płatniczy, przez co często są porównywane z tradycyjnymi walutami. Jest to porównanie naturalne, zważywszy na to, że kryptowaluty, takie jak bitcoin, pierwotnie powstały jako forma wirtualnej waluty (EBC, 2015). Carrick (2016) wykazał, że do 2015 roku bitcoin miał cechy, które stanowiły dobre uzupełnienie w stosunku do walut rynków wschodzących. Z kolei według Urquharta i Zhanga (2019) bitcoin może w pewnych okresach stanowić zabezpieczenie dla CHF, EUR i GBP, podczas gdy jest dywersyfikatorem dla AUD, JPY i CAD. Chemkha, BenSaïda i Ghorbel (2021) przeprowadzili badania, uwzględniając trzy waluty (EUR, JPY i GBP) i pokazali słabe powiązanie z rynkiem walut tradycyjnych. Można więc wnioskować, że rola kryptowalut w relacji do walut tradycyjnych jest zróżnicowana i zależy od kontekstu rynkowego.

Z czasem coraz więcej badaczy zaczęło skupiać się na porównaniu cyfrowych aktywów z rynkiem akcji. Feng, Wang i Zhang (2018) stwierdzili, że bitcoin i ethereum mogą stanowić narzędzie do dywersyfikacji dla akcji, natomiast Aslanidis, Bariviera i Martínez-Ibañez (2019) pokazali, że relacje między kryptowalutami a tradycyjnymi aktywami finansowymi od roku 2016 do końca 2018 były znikome. Do podobnych wniosków doszli Liu i Tsyvinski (2021), jak również Jeribi i Fakhfekh (2021). Szczególnie liczne grono badaczy rozpatrywało kryptoaktywa w kontekście bezpiecznej przystani (Tiwari, Raheem i Kang, 2019; Wang i in., 2019). Bouri, Lucey i Roubaud (2020) wskazali ponadto możliwość zabezpieczania przed ryzykiem akcji, szczególnie dla akcji azjatyckich i japońskich. Kryptoaktywa, mimo że do początku 2020 r. nie były całkowicie odizolowane od wpływów tradycyjnych rynków finansowych, to jednak wykazywały właściwości, które mogły przynieść korzyści inwestorom szukającym efektywnej dywersyfikacji. Jednocześnie jednak Petukhina, Trimborn, Härdle i Elendner (2021) przekonują, że ze względu na strukturę zmienności kryptowalut tradycyjne strategie minimalizujące ryzyko, takie jak minimalna wariancja i minimalne CVaR, nie poprawiają znacząco wyników inwestycyjnych.

Za moment przełomowy pod względem powiązań stóp zwrotu pomiędzy kryptoaktywami a innymi klasami aktywów można uznać początek pandemii COVID-19 na początku 2020 roku (Elsayed, Gozgor i Lau, 2022; Ji, Zhang i Zhao, 2020; Naeem i in., 2022). Baur, Hoang i Hossain (2022) stwierdzili, że dla ekstremalnych poziomów zmienności bitcoin nie zmniejsza ryzyka portfela akcji na tyle, aby uznać go za zabezpieczenie. Badania, w których stwierdzono, że cyfrowe aktywa nie mogą być bezpieczną przystanią w stosunku do tradycyjnych aktywów, przeprowadzili m.in. Su, Xi, Tao i Umar (2022), Akhtaruzzaman, Boubaker, Nguyen i Rahman (2022) oraz Mokni, Youssef i Ajmi (2022). Dynamika cen na rynku cyfrowych aktywów w kontekście pandemii COVID-19 była również przedmiotem prac autorów, takich jak Maitra, Ur Rehman, Ranjan Dash i Hoon Kang (2022), Sui, Shi, Hou, Huang i Li (2022), Di i Xu (2022), Evrim Mandaci i Cagli (2022), Goodell i Goutte (2021), Gherghina i Simionescu (2023), Yousaf i Ali (2021), Balcilar, Ozdemir i Agan (2022), Özdemir (2022), Li (2022), Hu, Li i Shen (2020) oraz Li, Mo i Nie (2023).

W ostatnich latach pojawiły się liczne publikacje dotyczące ewentualnej roli kryptoaktywów w portfelu inwestycyjnym, jednak dynamiczny rozwój rynku kryptoaktywów w ostatnich latach, potęgowany przez zwiększone zaangażowanie inwestorów instytucjonalnych oraz skutki pandemii COVID-19, nasuwa pytania o potencjalne zmiany strukturalne w tej przestrzeni. Dodatkowo w ramach dotychczasowych badań można zidentyfikować pewne luki badawcze. W pierwszej kolejności zdecydowana większość badaczy koncentruje się na kilku kryptowalutach o największej kapitalizacji, zaniedbując indeksy kryptoaktywów oraz podział na typy i funkcjonalność poszczególnych ich rodzajów. W licznych pracach skupiono się na pokazaniu pewnych zależności pomiędzy różnymi klasami aktywów, ale stosunkowo rzadko analizowano, jak zidentyfikowane zależności wpływają na poprawę wyników całego portfela, na podstawie miar uwzględniających zarówno dochód, jak i ryzyko, na przykład współczynnika Sharpe’a.

Na zakończenie warto dodać, że na tle innych klas aktywów kryptoaktywa mają krótką historię, ponieważ powstały dopiero w roku 2009, po około czterech latach zaś pojawiły się kryptowaluty alternatywne do bitcoina. Tak krótka historia zmian cen kryptoaktywów sprawia, że większość badań opiera się na ograniczonych próbach, co zmniejsza moc statystyczną testów. W związku z tym wnioski z tych badań należy traktować z ostrożnością. Zwiększa to potrzebę przeprowadzenia badań, które uwzględniłyby większy zbiór danych, co pozwoliłoby na bardziej precyzyjne wnioski. Warto również zauważyć, że pomimo licznych badań i analiz ich wyniki często okazują się rozbieżne, dlatego, aby uzyskać spójniejszy obraz dynamiki rynku kryptoaktywów, konieczne są dalsze badania. Nie bez znaczenia dla lokalnego rynku finansowego jest również relatywnie niewielka liczba badań uwzględniających powiązania pomiędzy kryptoaktywami a polskim rynkiem finansowym.

Głównym celem tej monografii jest określenie roli kryptoaktywów jako składnika portfela inwestycyjnego, ze szczególnym uwzględnieniem ich specyfiki oraz potencjału w zakresie dywersyfikacji w porównaniu z innymi klasami aktywów.

Realizacja tego celu określiła zakres tematyczny pracy, jednocześnie ukierunkowując wiązkę celów szczegółowych, które sformułowano następująco:

1) przegląd oraz usystematyzowanie definicji i terminów związanych z rynkiem kryptoaktywów;

2) porównanie oraz ujednolicenie sposobów klasyfikowania kryptoaktywów (z uwzględnieniem różnych ich typów tokenów i funkcjonalności) oraz ocena ich przydatności z perspektywy inwestycyjnej;

3) ustrukturyzowanie podstawowych cech łańcucha bloków jako technologicznego fundamentu rynku kryptoaktywów;

4) porównanie charakterystyki kryptoaktywów z innymi klasami aktywów, ze szczególnym uwzględnieniem inwestycji alternatywnych;

5) porównanie relacji dochodu do ryzyka dla różnych typów kryptoaktywów;

6) zmierzenie i porównanie siły zależności pomiędzy stopami zwrotu z różnych typów kryptoaktywów w celu weryfikacji możliwości obniżenia poziomu ryzyka rynkowego, z wykorzystaniem dywersyfikacji, w ramach rynku kryptoaktywów;

7) porównanie relacji dochodu do ryzyka inwestycji w kryptoaktywa z innymi klasami aktywów w kontekście rynku w USA oraz w Polsce;

8) zmierzenie i porównanie siły zależności pomiędzy stopami zwrotu z kryptoaktywów, a zwrotami z innych klas aktywów oraz czynników ryzyka występujących w USA i w Polsce oraz analiza ich dynamicznego charakteru i istotnych zmian w czasie;

9) weryfikacja czy uwzględnienie kryptoaktywów w portfelu inwestycyjnym składającym się z różnych klas aktywów istotnie poprawia charakterystykę tego portfela pod względem dochodu i ryzyka (z perspektywy rynku w USA i w Polsce).

Warto zaznaczyć, że w ramach realizacji celów 1–4 przedstawiono ramy teoretyczne oraz omówiono przedmiot badań. W związku z tym ta część monografii pełni funkcję opisową i porządkującą, natomiast cele badawcze 5–9 koncentrują się na analizie ilościowej, której zadaniem jest empiryczna weryfikacja relacji, zależności oraz ocena wpływu kryptoaktywów na dywersyfikację portfela inwestycyjnego. W odniesieniu do powyższych celów sformułowano następujące hipotezy badawcze:

1. Relacja dochodu do ryzyka dla kryptoaktywów jest taka sama jak dla innych klas aktywów.

2. Zależność pomiędzy stopami zwrotu z kryptoaktywów, a innymi czynnikami ryzyka na rynkach finansowych i towarowych nie jest istotnie statystycznie różna od zera oraz jest stała w czasie.

3. Uwzględnienie kryptoaktywów w portfelu inwestycyjnym, składającym się z różnych klas aktywów, istotnie poprawia charakterystykę tego portfela pod względem dochodu i ryzyka.

Przedstawione powyżej hipotezy uszczegółowiono w postaci sześciu pytań badawczych:

P1.1. Czy relacja dochodu do ryzyka, mierzona za pomocą współczynnika Sharpe’a, różni się istotnie w zależności od typu kryptoaktywów oraz konstrukcji indeksów kryptoaktywów?

P1.2. Czy relacja dochodu do ryzyka (mierzona za pomocą współczynnika Sharpe’a oraz wybranych miar uwzględniających ryzyko w ogonie rozkładu) kryptoaktywów oraz innych wybranych klas aktywów, w USA i w Polsce, jest istotnie różna?

P2.1. Czy stopy zwrotu z kryptoaktywów wykazują zależność pomiędzy wybranymi czynnikami ryzyka występującymi na rynkach finansowych i towarowych w USA oraz w Polsce? Czy te zależności są stabilne w czasie?

P2.2. Czy zidentyfikowane w ramach odpowiedzi na pytanie 2.1 zależności oraz ich dynamika różnią się między rynkiem w Stanach Zjednoczonych a w Polsce?

P3.1. Czy uwzględnienie kryptoaktywów w portfelu inwestycyjnym prowadzi do poprawy wyników mierzonych współczynnikiem Sharpe’a w porównaniu z portfelami nieuwzględniającymi ekspozycji na rynku kryptoaktywów?

P3.2. Czy jeśli w ramach odpowiedzi na pytanie badawcze 3.1 wykorzystamy mierniki uwzględniające ryzyko w ogonie rozkładu, to wnioski będą odmienne niż te otrzymane w przypadku, gdy ryzyko jest mierzone odchyleniem standardowym?

P3.3. W jakim stopniu uzyskane wyniki portfeli (w ramach odpowiedzi na pytania badawcze 3.1–3.2) różnią się pomiędzy rynkiem w USA a rynkiem w Polsce?

Pytania z pierwszej grupy (P1.1–P1.2) dotyczą potencjalnych różnic w osiągniętych dochodach w stosunku do ryzyka i odnoszą się do pierwszej hipotezy badawczej. Pytania z drugiej grupy (P2.1–P2.2) odnoszą się do zależności między stopami zwrotu z kryptoaktywów a innymi czynnikami ryzyka na rynkach finansowych oraz towarowych i odnoszą się do drugiej hipotezy badawczej. Z kolei trzecia grupa pytań (P3.1–P3.3) koncentruje się na konsekwencjach włączenia kryptoaktywów do portfela i odnosi się do trzeciej hipotezy badawczej. W celu znalezienia odpowiedzi na postawione pytania badawcze przeprowadzono wiele procedur badawczych obejmujących również testy statystyczne, w ramach których sformułowano szczegółowe hipotezy statystyczne.

Praca składa się z pięciu rozdziałów i zakończenia.

Pierwszy rozdział monografii nosi tytuł „Charakterystyka rynku kryptoaktywów i technologii łańcucha bloków”. Skupiono się w nim na zarysowaniu podstawowych kwestii dotyczących kryptoaktywów. Kontynuowanie pogłębionej analizy w obszarze kryptoaktywów wymaga bowiem jasnej i spójnej terminologii, która leży u podstaw rozważań naukowych na dowolny temat. Dlatego też w pierwszej części podrozdziału (p. 1.1.1) przedstawiono główne pojęcia związane z rynkiem kryptoaktywów, które zostały wykorzystane w niniejszej pracy i stanowią fundament do przeprowadzenia badań empirycznych. Ponadto w rozdziale zaprezentowano różne podejścia do klasyfikacji kryptoaktywów, co pomaga zidentyfikować istotne różnice między nimi. Czytelnik znajdzie tu również podstawowe informacje na temat bitcoina, sieci ethereum, stablecoinów, a także procedur emisji nowych cyfrowych aktywów w celu pozyskania kapitału. W tym punkcie zostały również omówione zasadnicze różnice pomiędzy kryptowalutami a cyfrowymi walutami banków centralnych (CBDC). W związku z nierozerwalnym powiązaniem kryptoaktywów z technologią w rozdziale tym wprowadzono podstawowe pojęcia związane z technologią rozproszonego rejestru oraz kluczowymi zasadami działania łańcucha bloków.

Osią rozważań tej monografii jest pytanie o potencjalną rolę kryptoaktywów w zdywersyfikowanym portfelu inwestycyjnym, który obejmuje różne klasy aktywów. W związku z tym drugi rozdział zaczęto od klasyfikacji aktywów inwestycyjnych. W sekcji tej podjęto próbę zestawienia cech dobrze zbadanych aktywów o dłuższej historii z relatywnie młodą klasą, jaką są kryptoaktywa, umożliwiając dzięki temu syntezę z charakterystyką i klasyfikacją cyfrowych aktywów. Aby możliwe było precyzyjne udzielenie odpowiedzi na postawione pytania badawcze, niezbędne jest wprowadzenie metod i narzędzi do właściwego modelowania portfela inwestycyjnego. Z tego powodu w rozdziale drugim przedstawiono również przegląd głównych metod pomiaru i prognozowania stopy zwrotu oraz ryzyka. Duży nacisk położono na przegląd metod związanych z modelowaniem zależności pomiędzy stopami zwrotu poszczególnych składników portfela inwestycyjnego oraz ustalaniem optymalnej struktury tegoż portfela. Omówiono również podstawowe narzędzia stosowane do pomiaru wyników inwestycyjnych i porównywania portfeli. Na zakończenie rozdziału dokonano syntezy wyników badań dotyczących roli innych klas aktywów w portfelu inwestycyjnym oraz przedstawiono wybrane portfele modelowe.

Trzeci rozdział rozpoczyna empiryczną część niniejszej monografii. W pierwszej kolejności przedstawiono w nim syntetyczny przegląd dotychczasowych badań na temat dochodu i ryzyka związanego z inwestycją w poszczególne grupy cyfrowych aktywów, co pozwoliło na zidentyfikowanie i opis luk badawczych. Dało to podstawę do sformułowania pierwszej hipotezy i pytań badawczych P1.1. i P1.2. oraz zaprojektowania procedur badawczych, które umożliwiłyby udzielenie odpowiedzi na te pytania. Następnie przedstawiono podstawowe informacje dotyczące zestawu danych wykorzystanych w badaniach empirycznych, który obejmuje 1142 unikatowe tokeny z dziesięcioletniego okresu. Zaprezentowano również szczegółowe statystyki opisowe dotyczące struktury tego zestawu danych, udziału poszczególnych typów tokenów, ich kapitalizacji oraz dynamiki udziału poszczególnych segmentów w badanym okresie. Biorąc pod uwagę, że fundamentem dalszych badań empirycznych były indeksy zbudowane na podstawie stóp zwrotu osiągniętych z 33 portfeli inwestycyjnych zawierających cyfrowe aktywa, w rozdziale przedstawiono szczegółowy opis procesu tworzenia tych indeksów oraz statystyki opisowe wszystkich indeksów. W kolejnej części trzeciego rozdziału zaprezentowano wyniki badań empirycznych, które korespondują z postawionymi pytaniami badawczymi i mają na celu poszerzenie istniejącego stanu wiedzy. Badania w tym rozdziale podzielono na dwie części. W pierwszej skupiono się na porównaniu wyników inwestycji – uwzględniających zarówno osiągane stopy zwrotu, jak i towarzyszące ryzyko – w kontekście różnych indeksów cyfrowych aktywów jak również na porównaniu ich z innymi klasami aktywów, które były przedmiotem licznych badań w ostatnich dekadach. W drugiej części skupiono się na analizie szeregów czasowych składających się ze stóp zwrotu osiągniętych na podstawie wybranych indeksów cyfrowych aktywów. Celem tej części badań była identyfikacja odpowiedniej specyfikacji modelu uwzględniającego fluktuacje zmienności stóp zwrotu oraz występowanie obserwacji odstających, co dodatkowo zwiększa ryzyko inwestycji na rynku cyfrowych aktywów.

W rozdziale czwartym skupiono się na analizie zależności pomiędzy stopami zwrotu z inwestycji w kryptoaktywa a zwrotami z inwestycji w inne klasy aktywów, co koresponduje z drugą hipotezą badawczą. Przeprowadzono analizę regresji, która uwzględnia wiele czynników ryzyka występujących na różnych segmentach rynku finansowego i towarowego w celu identyfikacji czynników istotnych dla dynamiki indeksów kryptoaktywów oraz określenia stopnia, w jakim te czynniki są w stanie wyjaśnić wariancje stóp zwrotu z kryptoaktywów. Ze względu na szczególną istotność ustalenia, czy zidentyfikowane zależności są stabilne w czasie, czy też ulegają zmianom wraz z rozwojem rynku, przeprowadzono dogłębne badanie strukturalnych zmian zależności za pomocą dwóch typów modeli przełącznikowych oraz modeli dynamicznej korelacji. Wszystkie zależności porównano w kontekście rynku amerykańskiego oraz polskiego rynku kapitałowego.

W rozdziale piątym rozszerzono badania empiryczne o analizę z wykorzystaniem narzędzi zaczerpniętych z teorii portfela, tak aby możliwe było zweryfikowanie trzeciej hipotezy badawczej. Tak jak we wcześniejszym rozdziale, w pierwszej kolejności skupiono się na dotychczasowych badaniach dotyczących budowy portfeli inwestycyjnych zawierających cyfrowe aktywa. Dzięki temu możliwe było nie tylko ustalenie aktualnego stanu wiedzy, ale również identyfikacja luk badawczych oraz sformułowanie hipotezy i pytań badawczych dotyczących budowy portfela inwestycyjnego. Kolejną część tego rozdziału poświęcono badaniom empirycznym. W pierwszej kolejności opisano procedurę badawczą i zaprezentowano podstawowe informacje na temat zestawu danych wykorzystanych do obliczenia stóp zwrotu z poszczególnych klas aktywów. Badanie przeprowadzono w dwóch wariantach, koncentrując się na instrumentach finansowych dostępnych na rynku kapitałowym w USA, a następnie w Polsce. W każdym wariancie portfele były konstruowane w ujęciu zarówno statycznym, jak i dynamicznym, z wykorzystaniem dynamicznych wielowymiarowych modeli ekonometrycznych do oszacowania warunkowych średnich stóp zwrotu i warunkowej macierzy kowariancji. Zarówno dla rynku amerykańskiego, jak i dla rynku polskiego analizę przeprowadzono w dwóch ujęciach: _ex post_ (w której parametry oszacowanych modeli ekonometrycznych były stałe w ramach całej próby badawczej) oraz _ex ante_ (gdzie parametry były estymowane po każdym dniu na podstawie aktualnie dostępnego zestawu danych). W następnym kroku porównano osiągnięte stopy zwrotu oraz ryzyko portfeli zawierających kryptoaktywa z wynikami portfeli, które ich nie uwzględniały. Różnice były poddane weryfikacji za pomocą odpowiednich testów statystycznych, aby ustalić ich istotność statystyczną. Rozdział zakończono analizą stabilności uzyskanych wyników w ramach badanego okresu oraz oceną odporności na uwzględnienie kosztów transakcyjnych.

Do najważniejszych elementów pracy, które według autora stanowią oryginalny wkład w literaturę przedmiotu, należy zaliczyć:

1. Krytyczne spojrzenie na aspekty terminologiczne omawianej problematyki, szczególnie w kontekście definicji (rozdz. 1).

2. Próbę stworzenia klasyfikacji kryptoaktywów, która mogłaby być wykorzystana w badaniach empirycznych (rozdz. 1).

3. Wykazanie istotności ryzyka systematycznego (tzw. czynnika rynkowego) dla różnych typów tokenów, co jest rozwinięciem badań dotyczących modeli czynnikowych takich autorów, jak: Liu, Liang i Cui (2020), Long, Zaremba, Demir, Szczygielski i Vasenin (2020), Zaremba, Bilgin, Long, Mercik i Szczygielski (2021), Zhang, Li, Xiong i Wang (2021), Liu, Tsyvinski i Wu (2022), Long, Demir, Będowska-Sójka, Zaremba i Shahzad (2022), Caldara i Iacoviello (2022), Qadan, Aharon i Eichel (2022) lub Zhang i Li (2023), oraz badań, w których pokazano powiązania pomiędzy bitcoinem a innymi kryptowalutami, np. w pozycjach takich, jak: Ciaian, Rajcaniova i Kancs (2018), Katsiampa (2019), Qiao, Zhu i Hau (2020) (rozdz. 3).

4. Porównanie 33 indeksów kryptoaktywów obejmujących różne typy tokenów, różne konstrukcje indeksów (zróżnicowaną liczebność oraz różne sposoby ważenia) oraz różne sektory. Ponadto pokazanie, że indeksy kryptoaktywów, które zawierają więcej niż 50 tokenów, charakteryzują się najlepszą relacją dochodu do ryzyka, ale jedynie przy założeniu równych wag. Wynika to z wyższych stóp zwrotu z inwestycji w tokeny o mniejszej kapitalizacji. Wyniki te korespondują z dotychczasowymi badaniami w obszarze potencjalnej dywersyfikacji na rynku kryptaktywów, takich autorów, jak Brauneis i Mestel (2019) lub Huanga i in. (2022), oraz z badaniami, w których pokazano, że kapitalizacja może być istotnym czynnikiem wyjaśniającym stopy zwrotu (zob. Liu, Liang i Cui, 2020; Liu, Tsyvinski i Wu, 2022; Zaremba i in., 2021). Dodatkowo potwierdzono, że w przypadku wag zgodnych z kapitalizacją korzyści z dywersyfikacji mogą być ograniczone, tak jak to sugerowali Omane-Adjepong i Alagidede (2019) (rozdz. 3).

5. Pokazanie wpływu uwzględnienia w portfelu kryptoaktywów stablecoinów, z perspektywy relacji dochodu do ryzyka. Analiza wykazała, że portfele uwzględniające stablecoiny mają lepszą relację dochodu do ryzyka, choć nie jest to poprawa znacząca. Wyniki te są zgodne z nurtem badań dotyczących ich potencjalnej roli jako zabezpieczenia (ang. _hedge_) lub tzw. bezpiecznej przystani (ang. _safe haven_) w stosunku do innych kryptoaktywów, co potwierdzają badania autorów takich jak: Baur i Hoang (2021), Wang i in. (2020) czy Gadi i Sicilia (2022). Potwierdzono również małą zmienność stablecoinów w porównaniu z innymi kryptoaktywami, co zostało również zidentyfikowane przez Grobys i in. (2021), Giudici i in. (2022) oraz Jarno i Kołodziejczyka (2021). Ponadto zaobserwowano niezwykle wysoki poziom kurtozy, co jest zgodne z wynikami Syuhada i in. (2022) oraz Wanga i in. (2020) (rozdz. 3).

6. Rozszerzenie istniejących badań dotyczących analizy ryzyka i dochodowości kryptoaktywów, z uwzględnieniem również polskiego rynku akcji. To umożliwia lepsze zrozumienie lokalnych uwarunkowań i znacząco rozszerza badania Wyderki i Saganowskiego (2018) (rozdz. 3).

7. Zastosowanie miar uwzględniających ryzyko w ogonie rozkładu, takich jak VaR, ES, MDD, co pozwala na bardziej wszechstronną ocenę ryzyka inwestycyjnego. Stanowi to rozwinięcie badań, w których wskazano istotność zjawiska grubych ogonów rozkładu na rynku kryptoaktywów, takich jak badaczy Gkillas i Katsiampa (2018) oraz Fry (2018) (rozdział 3).

8. Zastosowanie modeli klasy GARCH do ujednolicenia wariancji dla 4 indeksów kryptoaktywów oraz 15 innych szeregów czasowych (reprezentujących różne klasy aktywów) w celu porównania relacji dochodu do ponoszonego ryzyka w ujęciu dynamicznym. To stanowi istotne rozszerzenie badań autorów takich jak: Chu, Chan, Nadarajah i Osterrieder (2017), Troster, Tiwari, Shahbaz i Macedo (2019), Silahli, Dingec, Cifter i Aydin (2021), Fung i in. (2022), Kurosaki i Kim (2022) oraz Catania i Grassi (2022) (rozdz. 3).

9. Zbadanie zależności pomiędzy kryptoaktywami a innymi klasami aktywów z wykorzystaniem czterech indeksów kryptoaktywów reprezentujących różne ich typy. Jest to istotne rozszerzenie w porównaniu z badaniami, w których wykorzystywano jedynie pojedyncze kryptowaluty, na przykład takich autorów, jak Feng i in. (2018), Borri (2019), Chan i in. (2019), Tiwari i in. (2019), Bouri i in. (2020), Gil-Alana, Abakah i Rojo (2020), Jeribi i Fakhfekh (2021), Matkovskyy, Jalan, Dowling i Bouraouiego (2021). Z wykorzystaniem klasyfikacji hierarchicznej wykazano, że kryptoaktywa, z wyjątkiem stablecoinów, stanowią odrębną grupę aktywów na tle innych klas aktywów (rozdz. 4).

10. Zbadanie zmian strukturalnych w powiązaniach pomiędzy czynnikami wchodzącymi w skład modelu Famy i Frencha a indeksami kryptoaktywów, co rzuca nowe światło na badania Liu i Tsyvinskiego (2021). Autorzy rozważali tę hipotezę znacznie wcześniej, ale nie znaleźli dowodów na występowanie zależności od 5 sierpnia 2013 r. do 31 grudnia 2018 r. Identyfikacja wzrostu powiązań jest zgodna z badaniami, w których analizowano zmiany strukturalne po rozpoczęciu pandemii COVID-19. Badania dotyczące powiązań oraz ich zmian stanowią również rozwinięcie badań nad wpływem pandemii COVID-19 na powiązania pomiędzy rynkiem kryptoaktywów a innymi rynkami takich badaczy, jak: Conlon, Corbet i McGee (2020), Ji i in. (2020), Goodell i Goutte (2021), Palazzi i in. (2021), Rubbaniy, Khalid i Samitas (2021), Yousaf i Ali (2021), Baur i in. (2022), Naeem, Qureshi i in. (2022), Elsayed i in. (2022), Huang i in. (2022), Di i Xu (2022), Evrim, Mandaci i Cagli (2022), Maitra i in. (2022), Sui i in. (2022), Gherghina i Simionescu (2023) (rozdz. 4).

11. Analizę dynamicznego charakteru zależności, z uwzględnieniem również rynku polskiego. Wykorzystano nie tylko rynek akcji, co stanowi istotne rozszerzenie badań Siemaszkiewicz (2023) i Skwarka (2023), ale także stopy procentowe, rynek walutowy (rozwinięcie badań Rokity i Pietrzyka, 2022) oraz – po raz pierwszy – czynniki wchodzące w skład modelu Famy i Frencha dla rynku polskiego. Ponadto identyfikacja wzrostu powiązań cen kryptoaktywów z indeksem PLN koresponduje z badaniami Urquharta i Zhanga (2019), którzy wskazali na potencjalne zabezpieczenie dla inwestorów w określonych walutach, w tym przypadku inwestorów z Polski (rozdz. 4).

12. W ramach analizy portfela uwzględniono rynek polski i porównano otrzymane wyniki w zakresie dywersyfikacji oraz zwiększenia efektywności portfela w kontekście USA i Polski, co stanowi rozszerzenie badań Wąsik i Gierałtowskiej (2023) (rozdz. 5).

13. Porównanie wpływu złota na portfel inwestycyjny dla rynków w Polsce i USA, co jest rozszerzeniem badań dotyczących porównania kryptoaktywów ze złotem, takich autorów, jak: Dyhrberg (2016), Klein i in. (2018), Guesmi i in. (2019), Huynh i in. (2020), Thampanya i in. (2020), Som i Kayal (2022), Nakagawa i Sakemoto (2022) (rozdz. 5).

14. Rozszerzenie badań dotyczących wykorzystania wielowymiarowych modeli dynamicznych – zastosowano je do obliczania optymalnego składu portfela inwestycyjnego z perspektywy rynku polskiego i amerykańskiego, co jest rozwinięciem badań, w których ta klasa modeli również została wykorzystana na rynku cyfrowych aktywów, takich autorów, jak: Bouri i in. (2017), Corbet i in. (2018), Klein i in. (2018), Guesmi i in. (2019), Urquhart i Zhang (2019), Aslanidis i in. (2019) (rozdz. 5).

Mimo że monografia ma charakter głównie naukowy, stanowi ona również źródło potencjalnych implikacji praktycznych do zarządzania portfelem inwestycyjnym. Te dodatkowe aspekty mogą być przydatne zarówno dla inwestorów indywidualnych, jak i dla instytucji finansowych. Przede wszystkim analiza różnorodnych metod konstrukcji portfeli inwestycyjnych, które zawierają tylko aktywa cyfrowe, w zestawieniu z inwestycją w bitcoina może dostarczyć informacji dla inwestorów poszukujących optymalnej strategii ekspozycji na rynek aktywów cyfrowych. Innymi słowy, wyniki przedstawionych badań dostarczają praktycznych wskazówek dla osób zarządzających portfelem inwestycyjnym.

W ramach realizacji badań prezentowanych w niniejszej pracy wykorzystano bazę danych, która została stworzona dzięki finansowaniu z grantu MINIATURA (numer grantu 2023/07/X/HS4/00463) realizowanego pod egidą Narodowego Centrum Nauki (NCN). Dofinansowanie to umożliwiło zgromadzenie i analizę danych niezbędnych do osiągnięcia celów badawczych przedstawionych w pracy. Wykorzystanie wspomnianej bazy danych znacząco przyczyniło się do pogłębienia zrozumienia badanego zagadnienia oraz umożliwiło uzyskanie wiarygodnych wyników, które zostały szczegółowo omówione w kolejnych rozdziałach monografii.

Podejmowane w niniejszej monografii zagadnienia są kontynuacją badań już prowadzonych w tym zakresie przez wielu innych badaczy. Z tego względu pragnę podziękować wszystkim autorom, na których rezultaty powoływałem się w tej pracy. Pragnę serdecznie podziękować Recenzentom niniejszej monografii (dr. hab. Pawłowi Kliberowi, prof. UEP i dr. hab. Adamowi Marszkowi, prof. PG) za ich cenne uwagi i konstruktywną krytykę. Ich wnikliwe spostrzeżenia oraz sugestie przyczyniły się do poprawy jakości pracy, za co jestem niezmiernie wdzięczny. Ich zaangażowanie i profesjonalizm miały kluczowe znaczenie dla ostatecznego kształtu tej publikacji. Dziękuję również uczestnikom licznych konferencji i seminariów naukowych, w których miałem okazję uczestniczyć, za uwagi i pytania oraz ciekawe dyskusje poszerzające moją wiedzę. Dodatkowo chciałbym podziękować moim Koleżankom i Kolegom z Katedry Inwestycji Finansowych i Zarządzania Ryzykiem na Wydziale Ekonomii i Finansów UE we Wrocławiu za gotowość do pomocy i życzliwość. Głębokie podziękowania kieruję do prof. dr hab. Barbary Będowskiej-Sójki; dr hab. Katarzyny Kuziak, prof. UEW; dr. hab. Wawrzyńca Michalczyka, prof. UEW, dr. hab. Marka Pauki, prof. UEW; dr. hab. Krzysztofa Piontka, prof. UEW; dr. hab. Tomasza Słońskiego, prof. UEW; dr. hab. Dariusza Wawrzyniaka, prof. UEW; prof. dr. hab. Adama Zaremby. Chciałbym także złożyć szczególne podziękowania Panu prof. dr. hab. Krzysztofowi Jajudze, któremu zawdzięczam swój rozwój naukowy od momentu rozpoczęcia studiów magisterskich w 2010 roku – za ukierunkowanie i wskazanie dróg naukowych. Pan Profesor był też promotorem mojej pracy doktorskiej.

_Aleksander Mercik_PRZYPISY

Źródło: https://coinmarketcap.com/ (stan na 30 sierpnia 2024 r.).

Cel 1) to przegląd oraz usystematyzowanie definicji i terminów związanych z rynkiem kryptoaktywów.

A. Greenberg (opublikowany 20 kwietnia 2011 r.), Crypto Currency, Forbes, https://www.forbes.com/forbes/2011/0509/technology-psilocybin-bitcoins-gavin-andresen-crypto-currency.html (stan na 16 marca 2022 r.).

J. Pitta, Requiem for a Bright Idea, 1999, Forbes, https://www.forbes.com/forbes/1999/1101/6411390a.html (stan na 16 marca 2022 r.).

Zagadnienie ewolucji pieniądza w kontekście wirtualnej waluty było również poruszane w pracy Chen i Wu (2009).

Organizacja międzyrządowa założona w 1989 roku z inicjatywy państw należących do grupy G7 w celu opracowania polityki zwalczania procederu prania pieniędzy.

Ustawa z dnia 1 marca 2018 r. o przeciwdziałaniu praniu pieniędzy oraz finansowaniu terroryzmu (Dz.U. z 2018 r., poz. 723, s. 14).

Słownik języka angielskiego po raz pierwszy wydany w 1828 r.

W języku angielskim definicja _cryptocurrency_ jest następująca: „any form of currency that only exists digitally, that usually has no central issuing or regulating authority but instead uses a decentralized system to record transactions and manage the issuance of new units, and that relies on cryptography to prevent counterfeiting and fraudulent transactions”. Źródło: https://www.merriam-webster.com/dictionary/cryptocurrency (stan na 24 października 2023 r.).

Słowo „natywny” oznacza właściwy danemu środowisku informatycznemu, programowi, językowi programowania itp. Źródło: https://sjp.pl/natywny (stan na 24 października 2023 r.).

Z czasem termin „coin” __ zyskał także znaczenie w kontekście procesu pozyskiwania kapitału przez emisję nowych kryptowalut, określanego jako _initial coin offering_ (ICO).

Słowo „token” jest również wykorzystywane w kontekście bezpieczeństwa rachunków bankowych. Tzw. token dostępowy (ang. _access token_) to po prostu klucz kryptograficzny. Z tego powodu w słowniku języka polskiego token jest zdefiniowany jako „urządzenie wykorzystywane przez klienta banku internetowego do porozumiewania się z serwerem bankowym (źródło: https://sjp.pwn.pl/szukaj/token.html, stan na 19 marca 2022 r.). Można więc stwierdzić, że termin „token” był używany w kontekście bezpieczeństwa danych i kryptografii, jeszcze zanim kryptowaluty zyskały na popularności.

Cel 2) to porównanie oraz ujednolicenie sposobów klasyfikowania kryptoaktywów (z uwzględnieniem różnych ich typów tokenów i funkcjonalności) oraz ocena ich przydatności z perspektywy inwestycyjnej.

Podstawowe informacje związane z tą grupą zostały przedstawione w punkcie 1.1.7.

Podstawowe informacje związane z tą grupą zostały przedstawione w punkcie 1.1.5.

Źródło: https://www.coindesk.com/ (stan na 28 października 2023 r.).

Źródło: https://www.coindesk.com/dacs/ (stan na 28 października 2023 r.).

Zgodnie z definicją podaną w słowniku PWN jest to nadawanie postaci cyfrowej danym pisanym i drukowanym, zawartym na nośnikach magnetycznych lub innych.

Źródło: https://www.flowbank.com/en/research/blockchain-knowledge-series-how-to-classify-crypto-assets (stan na 28 października 2023 r.).

Źródło: https://www.cryptocompare.com/media/34478555/cryptocompare-cryptoasset-taxonomy-report-2018.pdf (stan na 28 października 2023 r.).

Źródło: https://www.adan.eu/en/publication/taxonomy-of-blockchain-based-crypto-assets/ (stan na 28 października 2023 r.).

Źródło: https://coinmarketcap.com/ (stan na 28 października 2023 r.).

Źródło: https://coinpaprika.com/pl/ (stan na 28 października 2023 r.).

Ze względu na zdecentralizowany charakter natywne tokeny płatnicze, jak również obrót nimi czy też pośrednictwo w tym zakresie, nie są elementami rynku finansowego i nie są poddane obowiązującym na tym rynku regulacjom, a w związku z tym nie podlegają nadzorowi KNF. Mogą być jednak objęte innymi przepisami, chociażby ustawy o przeciwdziałaniu praniu pieniędzy oraz finansowaniu terroryzmu, której przestrzeganie nadzoruje Generalny Inspektor Informacji Finansowej (UKNF, 2020).

Mogą być analizowane w kontekście art. 919 i nast. KC, które dotyczą instytucji przyrzeczenia publicznego, ponieważ wydawca tokenów użytkowych „przyrzeka” na przykład możliwość skorzystania z rabatu lub usługi w przyszłości).

Źródło: https://www.adan.eu/en/publication/taxonomy-of-blockchain-based-crypto-assets/ (stan na 28 października 2023 r.).

Źródło: https://coinmarketcap.com/historical/20130428/ (stan na 3 listopada 2023 r.).

Źródło: https://litecoin.org/ (stan na 3 listopada 2023 r.).

Źródło: https://www.peercoin.net/ (stan na 3 listopada 2023 r.).

Źródło: https://www.namecoin.org/ (stan na 3 listopada 2023 r.).

Źródło: https://www.terracoin.io/ (stan na 3 listopada 2023 r.).

Źródło: https://www.devcoin.org/ (stan na 3 listopada 2023 r.).

Źródło: https://ripple.com/ (stan na 3 listopada 2023 r.).

Źródło: https://www.dash.org/pl/ (stan na 3 listopada 2023 r.).

Źródło: https://www.getmonero.org/ (stan na 3 listopada 2023 r.).

Inteligentne kontrakty zostały opisane bardziej szczegółowo w punkcie 1.2.3.

Źródło: https://etherscan.io/tokens (stan na 27 lutego 2022 r.).

Dokument _white paper_ jest raportem, który przedstawia czytelnikom szczegółowe informacje na temat inwestycji. Opisuje się w nim techniczne, ekonomiczne i biznesowe aspekty projektu, umożliwiając inwestorom zrozumienie celów, ryzyka, funkcji i innych kluczowych elementów projektu. Działa również jako narzędzie budowania zaufania, ponieważ udostępnianie takiego szczegółowego dokumentu wskazuje na przejrzystość i profesjonalizm twórców projektu. _White paper_ często służy również jako narzędzie marketingowe, pomagając projektowi wyróżnić się na tle konkurencji i przyciągnąć uwagę.

Rozporządzenie Parlamentu Europejskiego i Rady dotyczący rynków kryptoaktywów oraz modyfikujący dyrektywę (UE) 2019/1937 (https://eur-lex.europa.eu/legal-content/PL/TXT/?uri=CELEX:52020PC0593, stan na 14 marca 2022 r.).

Źródło: coinpaprika.com (stan na 3 listopada 2023 r.).

Zgodnie z klasyfikacją przedstawioną przez Grupę Specjalną ds. Przeciwdziałania Praniu Pieniędzy (Financial Action Task Force).

Źródło: https://coinatmradar.com/countries/ (stan na 10 listopada 2023 r.).

Dla przykładu, BNY Mellon ogłosił plan wprowadzenia usługi przechowywania kryptowalut w imieniu swoich klientów. Dyrektor generalny PayPal Dan Schulman oświadczył, że firma doda funkcje kupowania, sprzedawania i przechowywania kryptoaktywów.

W lutym 2020 roku federalne organy ścigania aresztowały Larry’ego Deana Harmona z Akron w stanie Ohio. Operacja „mieszania” Helix firmy Harmon przeniosła około 300 mln dolarów w bitcoinach. Departament Sprawiedliwości twierdził, że Helix współpracował z nieistniejącym już podziemnym rynkiem AlphaBay, znanym z handlu narkotykami i innych nielegalnych działań, dopóki ten nie został zamknięty w 2017 r. przez organy ścigania.

Źródło: https://coinmarketcap.com/rankings/exchanges/ (stan na 10 listopada 2023 r.).

W roku 2022 platformami, na których odnotowano największy wolumen obrotu, były: Uniswap (https://uniswap.org/), protokół wykorzystujący sieć ethereum, który po raz pierwszy wydano w 2018 r. W 2020 roku uruchomiono Uniswap v2, umożliwiając bezpośrednią wymianę między zasadniczo dowolnym tokenem ERC-20 na Ethereum, PancakeSwap (https://pancakeswap.finance/), protokół wykorzystujący Binance Smart Chain (BSC) i służy do wymiany tokenów w standardzie BEP-20 (będących rozwinięciem ERC-20 na Binance Smart Chain), Serum (https://www.projectserum.com/), protokół wykorzystujący sieć solana, Curve (https:// curve.fi/), protokół wykorzystujący sieć ethereum, który jest zaprojektowany do transakcji między stablecoinami.

Jako przykład takich podmiotów można podać uruchomioną w 2014 r. giełdę BitMEX (https://www.bitmex.com/) lub założoną w 2016 r. ku giełdę Deribit (https://www.deribit .com/). Obie giełdy umożliwiały wpłatę i wypłatę jedynie kryptoaktywów. Również depozyty zabezpieczające były utrzymywany jedynie w bitcoinie i etherze.

Źródło: https://www.cmegroup.com/markets/cryptocurrencies/bitcoin/bitcoin.contractSpecs.html (stan na 10 listopada 2023 r.).

Fundusze hedgingowe są podmiotami, które zarządzają skoncentrowanym portfelem inwestycyjnym, często wykorzystując dźwignię finansową.

Źródło: https://cryptopunks.app/ (stan na 3 listopada 2023 r.).

Dostępne na stronie: https://etherrock.com/ (stan na 3 listopada 2023 r.).