Eventos imprevistos têm impacto sobre ações negociadas em bolsa. Surpresas nas conferências de resultados trimestrais ou catástrofes naturais, por exemplo, são frequentemente apontadas como catalistas para movimentos nos preços.
À parte controvérsias famosas, há uma literatura robusta dissecando métodos para quantificar essas relações.
Dinâmicas de reação a eventos são superexploradas nos mercados de criptomoedas. Jornalistas tem cacoete em associar movimentações nos preços a acontecimentos de natureza técnica.
Narrativas sobre o potencial especulativo de tais eventos se retroalimentam — emissores de tokens demandam liquidez (quem vem com o interesse do varejo) e as mídias especializadas precisam de audiência (que vem com as promessas de lucro fácil).
Releva-se, muitas vezes, uma distinção importante: são os eventos inesperados que causam retornos anormais nos mercados acionários (não a conferência de resultados em si; mas o quanto ela superou ou desapontou as expectativas consensuais).
Em tese, eventos inesperados são mais raros “em cripto” — os resultados, performance e fluxos de entrada/saída de capital em qualquer moeda são públicos por definição. A assimetria de informação (sobre “fatos relevantes”) é atenuada.
Sendo assim…
Será que eventos de natureza técnica guardam alguma influência sobre os preços de criptomoedas publicamente negociadas?
Amostra: 35 eventos; 15 semanas antes/depois
Para responder à pergunta, coletamos séries de preço para 25 moedas (entre 1º e 300º no ranking de capitalização de mercado) que passaram por 35 eventos classificados como “upgrades majoritários“. A amostra se estende de 1 de janeiro de 2018 a 13 de janeiro de 2020. 21 destas moedas eram originalmente tokens na Ethereum; no começo de 2020, 15 são.
A natureza dos eventos observados é tecnicamente variada. Foram considerados “upgrades majoritários” tanto lançamento de produtos centrais ao roadmap (a plataforma Erasure, no caso do Numerai), quanto a inauguração de/migração para uma nova blockchain (EOS migrando da versão ERC20 para sua plataforma própria), até hard forks (Constantinopla, na Ethereum; Agartha, na Ethereum Classic). Todos os eventos já eram de conhecimento público nos mercados quanto aconteceram.
O relatório de pesquisa completo está disponível na plataforma da Paradigma Education 👉 LINK DO RELATÓRIO
Curvas de Preço
O gráfico abaixo plota a evolução dos preços (em bitcoin) das moedas estudadas.
Os dados foram agrupados pelos fechamentos semanais (7 dias), tomando-se como d=0 o dia do evento em questão. O eixo X vai de 15 semanas antes do upgrade até 15 semanas depois.
A sazonalidade não foi descontada das séries— a amostra cobre um mercado de baixa e um mercado de fase inicial de alta. A curva mediana (pontilhada, em vermelho) se mostra inflada nas semanas antecedentes a t=0, perdendo o fôlego nas posteriores.
Ainda que haja alguns outliers disparando em seguida ao evento (Chainlink, roxo claro), nota-se uma concentração de observações em inexorável declínio.
Retornos Semanais
O gráfico a seguir mostra os retornos semanais das moedas analisadas.
O pico no retorno semanal mediano se dá na semana 3->2 antes do evento. Na semana do evento o retorno mediano é irrisoriamente positivo.
Retornos Anormais Cumulativos (CAR)
Uma análise mais minuciosa sugere que moedas de maior capitalização reagem melhor a eventos dos tipos observados, e que a fase do mercado (bear ou bull) é fator importante para a magnitude do impacto do evento sobre os preços.
Um método para se inferir o “valor” de um evento é dado a partir da estimativa de Retornos Anormais (MacKinlay, 1997), por:
Retornos Anormais Cumulativos (CAR) denotam o apreciação “anormal” ao longo de uma janela temporal.
Ficou curioso para saber quais segmentos de moedas reagem melhor a eventos técnicos? Para descobrir se há alguma estratégia ótima para minimizar perdas e capturar mais retornos em momentos de hype em criptomoedas específicas?
O relatório de pesquisa completo – assim como estratégias simuladas – está disponível (para assinantes) na plataforma da Paradigma Education 👉 LINK DO RELATÓRIO
