Детальная информация

В исследовании используются методы описательной статистики, двойной логарифмической регрессии, скользящей регрессии, модели семейства GARCH (GARCH, EGARCH, GJR-GARCH), а также модель DCC-GARCH для анализа ценовой эластичности, волатильности и передачи рисков на рынке криптовалют. Эмпирическая база включает ежедневные данные по пяти ведущим криптовалютам за период с октября 2020 г. по апрель 2026 г., что после преобразования составило 2000 наблюдений доходности для каждого актива.Результаты исследования показывают, что ценовая эластичность криптовалют характеризуется выраженной изменчивостью во времени и асимметричностью: в периоды роста рынкаона остается относительно низкой, тогда как в условиях нисходящего тренда существенно возрастает. Также выявлены различия между криптовалютами: основные цифровые активы демонстрируют более стабильную эластичность по сравнению с менее распространёнными криптовалютами. Анализ установил нелинейную взаимосвязь между ценовой эластичностью, ликвидностью и системным риском, при этом колебания ликвидности выступают важным фактором передачи рисков. Кроме того, волатильность криптовалют характеризуется эффектом кластеризации и тесно связана с ключевыми рыночными событиями, такими как изменения регулирования, хакерские атаки и запуск ETF, что подтверждает значимость внешних шоков для динамики рынка.Научная новизна исследования заключается в адаптации теории ценовой эластичности к рынку цифровых активов и интеграции механизмов ликвидности и передачи рисков в единую аналитическую модель, что расширяет теоретические представления о формировании цен и функционировании рынка криптовалют.

The study employs descriptive statistics, double-logarithmic regression, rolling-window regression, and GARCH-family models (GARCH, EGARCH, GJR-GARCH), as well as the DCC-GARCH model to examine price elasticity, volatility dynamics, and risk transmission in cryptocurrency markets. The dataset includes daily observations for five major cryptocurrencies from October 2020 to April 2026, comprising 2,000 return observations for each asset after transformation. The results reveal that cryptocurrency price elasticity exhibits significant time-varying and asymmetric characteristics, remaining relatively low during bull markets and increasing markedly during bear markets. Elasticity also differs across cryptocurrencies, with mainstream assets showing greater stability than niche cryptocurrencies. The analysis further identifies a nonlinear relationship between price elasticity, liquidity supply, and systemic risk, highlighting liquidity fluctuations as a key driver of risk transmission. In addition, cryptocurrency returns display pronounced volatility clustering, with major fluctuations closely associated with regulatory changes, cyberattacks, and ETF-related events, underscoring the importance of external shocks in market dynamics. The scientific novelty of the study lies in extending traditional price elasticity theory to digital assets and integrating liquidity and risk transmission mechanisms into a unified analytical framework, thereby enriching the theoretical understanding of cryptocurrency price formation and market behavior.