我们利用G20国家的移动应用数据研究加密货币采用的宏观经济驱动因素。在众多因素中，主权违约风险被确定为加密货币采用的关键决定因素。主权CDS利差增加10%与加密货币应用下载量和使用量增加2.9-4%相关，并且在主权风险相关新闻发布后的几个月内，加密货币采用率大幅上升。这些影响在新兴市场以及事前主权违约成本较高时更为显著。我们还发现，通货膨胀对加密货币采用的影响受到事前违约成本水平的显著影响。
作者 | Rashad Ahmed (OCC)
Stephen A. Karolyi (OCC)
Leili Pour Rostami (UMass-Boston)
编译 | 吴子怡
排版 | 吴子怡
I.简介
加密货币的迅速增长和全球化提出了关于全球加密货币采用的驱动因素的新问题。例如，公共话语中经常提出使用加密货币来对冲政府失败等宏观经济风险的论点。然而，对这些说法的实证支持仍然有限。一些研究使用单一国家的调查或微观数据来识别家庭加密货币采用背后的因素。但是，没有跨国变化，很难识别特定宏观经济因素在加密货币采用中的作用。
在本文中，我们通过结合跨国加密货币采用数据与一系列全面的宏观金融变量，呈现了加密货币采用的宏观经济驱动因素的新证据。我们考虑跨国溢出效应，并使用现代惩罚性变量选择技术来规范我们的分析。我们的方法确定了几个因素的突出作用，尤其是主权违约风险，这在以前的工作中并未强调。
我们的发现表明，主权违约风险在解释加密货币采用模式中起着突出的作用。具体来说，主权CDS利差增加10%与加密应用的使用和下载增加2.9-4%相关。此外，在事件研究设置中，我们发现在与主权信用风险相关的新闻后的几个月内，加密货币采用量会跃升。在新兴经济体和主权违约成本事先很高的情况下，加密货币采用对主权信用风险的反应更为敏感。此外，我们发现，当事先主权违约成本较高时，通货膨胀与加密货币采用之间的关联显著增强。除了主权风险外，我们还识别出与加密货币采用相关的其他宏观经济因素，包括投机、主权信用评级、实际汇率、公共债务、银行部门发展、政治稳定、资本流动性、汇款、邻近国家的主权CDS利差溢出和通货膨胀溢出。
我们的结果确认了先前研究的一些发现。例如，一项研究确定加密货币采用的一个强烈的投机动机，而另一项研究强调了比特币价格和全球经济政策不确定性等全球因素。此外，一些研究表明，汇款、银行部门发展、经济政策不确定性和国家层面的腐败与加密货币采用的指标相关。强调了通货膨胀作为一个因素的重要性的研究也不少。我们的分析在强调主权违约风险的关键作用的同时，也确认了通货膨胀虽然并非始终是一个主导因素，但在特别容易受到主权违约影响的宏观经济环境中，其重要性增强。
我们通过结合公开和非公开来源的宏观经济和金融变量构建了一个新颖的跨国数据集。样本期间覆盖了多个G20国家。我们的主要加密货币采用度量是每月加密应用的下载量，而我们的次要度量是每日活跃加密应用用户的月平均数。加密货币采用数据由一家组织收集，并公开提供。我们将主权CDS利差作为主权违约风险的主要度量。我们还在整个分析过程中使用了信用评级数据作为补充的主权风险指标。此外，我们还收集了一系列变量的数据，以评估不同宏观因素对加密货币采用的重要性。例如，已经提出通货膨胀和采用动力可能会影响加密货币采用。我们还收集了汇率、利率、股市波动、资本流动性、公共债务、银行部门发展、股市发展、政治稳定、汇款、非正规经济部门、手机订阅和人口的数据。我们还构建了几个加权距离变量，以量化跨国溢出。
II. 数据
我们的数据集从多种公共和非公共来源编译而来，目的是捕捉学术文献和公共话语中最常与加密货币采用联系在一起的关键变量。表1提供了摘要统计数据，而表2提供了每个变量的详细描述。该数据集由一个平衡的跨国面板组成，包含从2015年8月到2022年6月的月度观察数据。它包括了19个代表新兴和发达经济体的国家：阿根廷、澳大利亚、巴西、加拿大、中国、法国、德国、印度、印度尼西亚、意大利、日本、墨西哥、俄罗斯、沙特阿拉伯、南非、韩国、土耳其、英国和美国。
2.1 加密货币采用指标和主权CDS利差
本研究关注的因变量是各国层面的月度加密货币采用指标。我们的主要衡量指标是每月加密应用的下载量，次要衡量指标是每日活跃加密应用用户的月平均数（MAU）。这些数据来自Sensor Tower，一家专有应用情报提供商，并已由Sensor Tower和BIS公开提供。这些加密货币采用指标的覆盖范围决定了我们分析中包括的时间段和国家。
关键的自变量是5年期主权CDS利差。CDS利差是我们用来测试加密货币采用是否与主权违约风险相关的主要指标。尽管许多研究都检验了通货膨胀与加密货币采用之间的关系，但主权风险与加密货币采用之间的联系的实证证据仍然有限。尽管如此，通常与加密货币采用联系在一起的通胀情境往往出现在政府失败或不稳定的情况下。
我们从IHS Markit获取日度主权CDS利差，并将日度利差汇总为月度平均值。我们选择了5年期限，因为其相对流动性较高，而且通常作为CDS指数的基准。主权CDS利差是特别有用的主权风险指标，因为它们是前瞻性的，并且比主权信用评级更快地对信息做出反应。话虽如此，我们还将主权信用评级纳入我们的分析中。我们展示了数值编码的信用评级与CDS利差在图1中高度相关。
图2展示了主权CDS数据和加密货币采用指标的跨国中位数值随时间的变化。阴影区域代表每个月内各国的四分位数范围。这些变量的显著时间序列和跨国差异显而易见。此外，对这些趋势的初步检查表明，主权风险与加密货币采用之间存在负相关关系，因为样本期间CDS利差有所下降，而加密货币采用指标却有所上升。
然而，这些观察到的趋势可能由数据中未观察到的异质性驱动。表3证实了这一点，报告了基于国家和时间固定效应的CDS利差和加密货币采用指标的回归R2值。国家和时间固定效应共同解释了这些变量约90%的变异。国家固定效应解释了CDS利差水平86%的变异，而加密货币采用指标的变异约40%和50%分别由国家和时间固定效应解释。图3显示，一旦考虑了这些固定效应，主权CDS利差与加密货币采用指标之间便显现出强烈的正相关关系。这些结果强调了在跨国面板分析加密货币采用时使用时间和国家固定效应的重要性。
2.2 附加变量
我们在分析中纳入了一系列额外的变量。虽然CDS利差具有前瞻性，但我们也收集了穆迪的主权信用评级作为主权违约风险的滞后衡量指标。这些评级是分类的，结合了信用评级和展望，例如“AAA-负面”。加密货币的动量和网络效应（例如“投机”）可能是加密货币采用的驱动因素。例如，在许多发达经济体和亚洲部分地区，投机动机常被视为加密货币采用的关键因素。为了捕捉这些动量和网络效应，我们将滞后的累积下载量作为一个变量。
我们考虑年度通货膨胀率（CPI），因为通货膨胀风险在学术辩论和公共话语中被认为是加密货币采用的一个驱动因素。此外，我们还包括了几个可能影响经济体中加密货币采用率的金融变量：实际汇率及其波动性、实际利率和股市波动性。汇率可能对加密货币采用有类似通货膨胀的影响，因为疲弱的汇率同样可能引发对本地购买力保值的担忧。与此同时，实际利率和股市波动性提供了对当前风险偏好和金融资产预期回报的衡量。
我们还包括了几个宏观金融因素：国际资本流动性、银行部门向非金融部门的信贷、银行部门集中度、公共债务和股市资本化。资本流动性通过Chinn和Ito（2006年）的金融开放指数来衡量。加密货币已被证明是资本外逃的一种工具。公共债务与GDP之比是一个常被引用和公开讨论的主权风险及债务可持续性的衡量指标。银行部门信贷和集中度作为银行部门发展的指标。这些银行变量与加密货币采用相关，因为（i）加密货币为银行服务不足的人群提供了替代的金融服务，以及（ii）银行部门的脆弱性与主权风险相互作用。股市资本化被包括作为整体金融发展的一个额外指标，补充银行部门指标。
此外，我们考虑了几个宏观经济因素：人口、政治稳定、手机订阅、非正规经济规模和汇款。人口被纳入以控制我们的加密货币采用指标中的机械性“分母”效应，这些指标是按人口规模标准化的。政治（不）稳定，像主权和通货膨胀风险一样，被提出作为加密货币采用的一个解释。我们使用Kose等人（2021年）提供的手机订阅和估计的非正规经济规模作为下载和使用加密应用所必需的技术和信息访问的代理。我们还包括了汇款流入占GDP的比例，因为加密货币常被讨论为简化汇款和降低其成本的创新。
2.3 允许跨国溢出的变量
我们还考虑了跨国或全球溢出的可能性，其中一个国家的变量可能影响另一个国家的加密货币采用。为了解释这一点，我们为上述讨论的一组选定变量构建了距离加权平均值。
这些距离加权变量是使用一种反距离双边加权方案构建的。例如，对于国家i，我们考虑样本中其他国家（j ≠ i）的距离加权平均CDS利差，权重wij对应于国家i和j之间双边距离的倒数：
其中 wij = Dij^-1 / Σj Dij^-1，Dii = 0，并且 Dij^-1 是国家i和j之间地理距离的倒数。变量 X-it 表示 Xjt 的距离加权平均，排除了国家i，且对距国家i更近的国家给予更大的权重。包括像 X-it 这样的变量允许国家i以外的因素影响国家i中的加密货币采用。在使用CDS利差的例子中，这种方法允许国家i的CDS利差影响该国的加密货币采用，同时其他国家（-i）的CDS利差也能影响国家i中的加密货币采用。我们为六个变量构建了距离加权平均值：CDS利差、CPI通胀、实际利率、资本流动性、股市波动性和公共债务。
III. 回归分析
在这一部分，我们将展示加密货币采用指标对主权CDS利差及其他广泛宏观经济变量进行单变量和多变量回归的估计结果。
3.1 单变量回归
我们首先估计数据集中每个变量对加密货币采用指标的单变量回归，每次分析一个变量。在整个分析过程中，我们考虑对因变量进行对数转换，即ln(下载量)和ln(MAU)。我们也对几个自变量进行了对数转换。这些对数化的自变量包括：ln(CDS)、ln(汇率)、ln(汇率波动)、ln(股市波动)、ln(人口)、ln(CDS, −i)、ln(股市波动, −i)以及ln(累积下载量, t−1)，其中后者是对累积下载量进行一月滞后的对数。由−i索引的自变量对应于排除国家i后的国家的距离加权平均值。其余变量未经转换即进入回归分析：CPI、实际利率、公共债务/GDP、银行信贷/GDP、银行部门集中度、股市资本化/GDP、政治稳定、资本流动性、手机订阅、非正规经济规模、汇款/GDP、CPI(−i)、实际利率(−i)、资本流动性(−i)以及公共债务/GDP(−i)。穆迪的信用评级以固定效应的形式进入模型。
单变量回归被定义为：
其中 yit 是因变量，可以是 ln(下载量) 或 ln(MAU)，αi 和 dt 分别是国家和时间（年-月）的固定效应，而 Xit 是其中一个自变量。我们应用 Driscoll-Kraay 标准误差，这种标准误差考虑了误差项中的异方差性、自相关性和横截面依赖性[Driscoll 和 Kraay, 1998]。我们在表4和表5中报告了 ln(下载量) 单变量回归的 β 估计值。几个变量显示出与 ln(下载量) 的显著相关性。值得注意的是，滞后的 ln(累积下载量) 大约解释了 ln(下载量) 变异的34.6%，内部 R2 表明加密下载中强烈的动量和网络效应。与此同时，穆迪的信用评级固定效应解释了 ln(下载量) 变异的约30.5%。政治稳定性、ln(汇率)、ln(CDS) 和 CPI 也显示出相当高的内部 R2 值。ln(CDS) 和 CPI 的系数分别为0.367和0.036，这是值得注意的。它们都表明当 CDS 利差增加10%或CPI通胀增加10个百分点时，加密下载量大约增加3.6%。当实际汇率贬值10%时，加密下载也倾向于增长约5.12%。
表6和表7报告了 ln(MAU) 回归的单变量估计，显示的结果与 ln(下载量) 回归的结果大致一致。
下一部分将进行多变量回归分析。虽然单变量分析提供了一个有用的基线，但这些变量中的几个可能彼此相关，也与主权信用风险相关。例如，信用评级、CDS利差、通货膨胀、汇率、利率和公共债务都可能影响主权违约的倾向（可能也影响加密货币采用）。我们的多变量扩展将使我们能够更好地识别加密货币采用的最健壮的预测因子。
3.2 多变量回归和变量选择
在本节中，我们估计一个完全指定的回归模型，模型基于第3.1节描述的自变量集，对加密货币采用指标进行对数化处理。回归采取以下形式：
其中（2）与（1）非常相似，不同之处在于回归的右侧包括了国家和时间固定效应、对数化的主权CDS利差 ln(CDSit) 以及向量 Xit 中的所有其它自变量。自变量的范围相当大且相关性强，当考虑所有自变量以及每个穆迪信用评级类别时，有超过50个变量。因此，除了呈现完全指定回归的估计结果外，我们还应用了惩罚性变量选择，以识别加密货币采用的最具影响力的驱动因素。我们采用了带交叉验证和面板数据固定效应后双重选择修改的LASSO变量选择过程 [Tibshirani, 1996; Belloni等人, 2014]。交叉验证的LASSO通过L1罚函数将系数缩小到零，而后双重选择允许对使用选定的非零LASSO系数的自变量进行OLS回归的适当推断。
在第一阶段，我们将所有变量（因变量和自变量）对国家和时间固定效应进行回归，并存储残差。在第二阶段，我们对第一阶段中清除了国家和时间固定效应的变量残差应用10折交叉验证的LASSO，以（2）所示的回归规范进行。我们还在LASSO中规定穆迪的信用评级固定效应不受惩罚。结果是，国家、时间和信用评级固定效应在变量选择过程中被隐式估计并始终存在。在第三阶段，我们通过估计另一个交叉验证的LASSO来应用双重选择，这一次对ln(CDSit)的残差和其他自变量的残差进行回归。在后双重选择下，从两个LASSO回归中得到的非零系数变量的并集被识别为选定的变量集。最后，我们只取非零系数的变量并集，并通过OLS估计（2）的另一个版本。
表8报告了结果。对于ln(下载量)的回归，变量选择程序剔除了四个变量。对于ln(MAU)的回归，变量选择程序剔除了六个变量。虽然表8提供了几个结果，但几个显著的模式与主权风险的作用相关。首先，主权CDS利差在选择过程中得以保留，并且在控制了其他自变量和信用评级固定效应后，仍然是经济和统计上显著的加密货币采用指标的预测因子。其次，在所有回归中CPI通胀在统计上不显著。第三，其他国家的CDS利差和CPI通胀显著相关于国家i的加密货币采用指标。这些模式表明，加密货币采用对主权CDS利差的敏感性反映了在主权信用事件的风险或预期下的预防性动机，而不是它们的实现。信用风险实现的影响在很大程度上由信用评级固定效应和国内通胀解释。同时，与这些变量相比，CDS利差更具前瞻性。此外，附近国家的主权风险和通胀上升可能通过预期这些风险最终波及到国家i而影响加密货币的预防性需求。
其他因素也与加密货币采用稳健相关。最重要的是，滞后的累积下载量继续是两种加密货币采用指标的强有力预测因子，表明动量和投机在Auer和Tercero-Lucas [2022]以及Auer等人[2023]的一致性中扮演重要角色。接受更多汇款的国家也以更高的比率下载和使用加密应用。更大的银行部门集中度和更大的银行部门规模都与较少的加密应用下载量相关，表明金融获取能力发挥了重要作用。高实际利率和疲软的汇率与更多的加密应用下载量相关。有些令人惊讶的是，更大的政治稳定性与加密应用的下载和使用呈正相关。
IV. 未围绕信用风险事件的加密货币采用
在本节中，我们将更深入地探讨主权风险与零售加密货币采用之间的关系。具体来说，我们分析了导致主权CDS利差显著增加的特定于国家的特殊事件周围的加密货币采用动态。这些事件被广泛报道，其时机也非常精确。我们使用这些事件的时机来确定主权风险对加密货币采用的影响是否具有合理的因果关系。
同时，这些事件的公开性可以帮助合理解释为什么主权CDS利差可能预测加密货币采用指标，即使家庭不太可能定期监控CDS利差。我们首先识别整个国家样本中的显著‘风险’事件。我们总共识别了53个事件。然而，许多识别出的事件在几个国家中具有共同的时机，这与COVID-19大流行或美国货币政策相关。我们排除这些‘共同’事件，专注于表9报告的26个特有的、国家级别的事件。这些事件与各种新闻相关，并在我们的2015-2022样本期间均匀分布。这些事件通常与主权违约、政治不确定性、高通胀、经济恶化、自然灾害或军事冲突风险的新闻相关。我们通过以下形式的事件研究回归来测试这些信用风险事件对加密货币采用的影响：
其中指标变量 1 event i,t+h1 在发生信用风险事件的国家-年-月为1，其他情况为0。指标变量的前8个月和后8个月的数据进入回归分析，估计的 ϕh总结了事件发生前后 h 个月加密货币采用指标的影响，其中 h ∈ [−8, 8]。回归中包括了累积加密应用下载量，以控制持续的网络和动量效应。我们还包括了固定效应。
图4报告了结果。图表展示了每个月的 ϕh系数估计值，从信用风险事件的前8个月到后8个月，以及90%的Driscoll-Kraay置信区间。左侧面板追踪了信用风险事件对对数下载量的平均影响。在信用风险事件发生的月份，加密应用的下载量大约增加了0.5%，且此影响持续存在，随后几个月的加密应用下载量高于事件发生前的几个月。右侧面板追踪了信用风险事件对对数MAU的平均影响。在信用风险事件发生的月份，加密应用的使用显著增加，并在接下来的一个月达到高峰，使用量比事件前高出约0.3%。在信用风险事件后的几个月，MAU的影响仍然有所提高，但程度低于应用下载量。围绕这些信用风险事件的加密货币采用动态的时机可能提供了可能具有因果关系的证据，补充了前几节的回归结果。
V. 检查机制
在本节中，我们探讨了主权违约风险与加密货币采用之间的异质性关系。我们展示了加密货币采用对主权违约风险的反应在（i）新兴市场和（ii）主权违约的预期成本高时更为敏感。我们还发现，在高违约成本的情况下，加密货币采用对通胀更敏感。总体而言，这些结果表明，预防性动机可能会影响家庭选择投资加密货币以应对主权违约风险的增加。
5.1 发达经济体与新兴经济体之间的异质性
本节测试了主权CDS利差与加密货币采用之间关系的异质性。我们首先根据国际货币基金组织的分类将样本分为新兴市场经济体（EMs）和发达经济体（AEs）。这种分类是自然的，鉴于这两组的独特经济特征。EMs和AEs在采用加密货币的动机上也可能存在差异。例如，发现主权违约风险是EMs中加密下载的更强预测因子并不奇怪，因为在这些地区，主权违约和恶性通胀风险更为普遍。
表10报告了在（2）中所示的多变量回归规格中，将样本分为EMs和AEs后的估计结果。为了简洁，我们在本节报告有关加密下载的结果。在EMs和AEs中，加密下载对CDS利差的敏感性都很明显，但在EMs中的效应是AEs的两到三倍。主权CDS利差增加10%与EMs中加密下载的额外增长6.6%和AEs中约2.5%的额外增长相关。表10还显示，高CPI通胀、高公共债务水平和汇率疲软预测了EMs中更多的加密下载，具有不同程度的显著性，但在AEs中并非如此。与此同时，滞后的累积下载、汇款、政治稳定、其他国家的CDS利差和其他国家的CPI通胀是EMs和AEs中加密下载的显著预测因子。我们还单独为EMs和AEs估计了（3）中的事件研究回归规格。与回归结果一致，图5显示了EMs中信用风险事件前后加密下载显著而明显的增加，而在AEs中的增加相对较少。在EMs中，围绕信用风险事件的加密下载增加几乎是AEs的两倍（分别为每月1%对比0.5%）。
EM家庭突出的预防性动机可能解释了它们在主权违约风险提高时转向加密货币的倾向。EM家庭面临来自经济波动、政府不稳定和资产损失的特别高风险。这增加了社会保险作为风险缓解工具的重要性。然而，EM政府提供的支持基础设施往往不足，尤其是在主权违约情况下。因此，家庭的投资组合决策可能会受到预防性自我保险以抵御宏观经济风险（例如，导致重大资产损失和恶性通胀的主权违约）的需要的影响。与此一致，与发达经济体的同行相比，EM家庭倾向于将其大部分财富持有为实物资产，如房地产和黄金，而金融资产的比例相对较低。加密货币可能被视为与这些实物资产类似，因为它们可以免受违约的影响，并且可以自行保管。然而，与实物资产不同的是，加密货币还提供了资本外逃的工具。而且重要的是，它们可能会对家庭投资组合在特定国家的宏观经济或政治风险提供保护。
5.2 效应异质性和主权违约的预期成本
受到主权违约成本文献的启发，我们假设主权CDS利差与加密货币采用之间的关联随着主权违约成本的增加而加强。主权违约文献将国内银行系统的规模，除了公共部门，视为潜在违约成本或风险暴露的指标。主权违约的经济成本众多，包括大规模的产出损失、贫困率上升以及公共商品及相关社会安全网的崩溃。主权违约还通过影响公共债务的估值和通过财富效应对债权人产生不利影响，产生了大量的金融影响。通过银行，这些通常是国内最大的主权债券持有者，主权违约的经济成本进一步放大。债务估值的下降对银行资产负债表产生负面影响，并增加了偿债风险。
我们的测试通过计算公共债务和银行对非金融部门的信贷之和，除以GDP，构建了一个简单的主权违约成本或风险暴露的衡量指标。然后将该变量分为五个等级。我们估计以下回归规格：
在这里，1DefaultCostitk1是一个指示器，当国家 i 在时间 t 的违约暴露落入第 k 分位时等于 1，否则为 0。因变量 yit 是 ln(Downloads)，我们分别为新兴市场经济体（EMs）和发达经济体（AEs）估计这些回归。这允许我们测试主权 CDS 对加密货币采用的影响是否随着主权违约暴露的增加而加强。
结果在图 6 中报告。在 EMs 中，加密下载对 CDS 利差的敏感性，由 βk的估计显示，随着违约成本分位的提高而单调增加。在最低违约成本分位中，CDS 利差增加 10% 与加密下载增长 2.2% 相关。然而，在最高违约成本分位中，相同的 10% CDS 利差增加与加密下载增长 5.4% 相关。在 AEs 中，加密下载对 CDS 利差的敏感性也随着违约成本的增加而增加，但系数要小得多，甚至在大多数分位中为负。
5.3 通货膨胀、主权违约风险和加密货币采用
加密货币采用已与 AEs 和 EMs 中的通货膨胀风险联系在一起。在单变量回归中，我们发现加密下载对 CPI 通胀率有大的且显著的反应。然而，在引入控制变量并分割 EMs 和 AEs 之后，我们观察到一个显著较弱的关系，通胀仅在 EMs 中略有显著。这些结果表明，通胀对加密货币采用的影响可能是异质的，反映了更深层的宏观因素。例如，驱动通胀动态的底层冲击可能不会以相同的方式激励加密货币采用（例如，由财政风险引起的通胀与供应限制引起的通胀）。为了测试违约风险是否有助于解释通胀对加密货币采用的异质效应，我们重新估计模型（4），用 CPI 通胀替换 ln(CDS)。然后我们检查加密下载对通胀的敏感性如何随我们的违约成本预测指标变化。
图 7 报告了结果。通胀对加密下载的影响在 EMs 和 AEs 中确实是异质的。在 EMs 中，通胀对加密货币采用的影响在违约成本分位中单调增加。在最低违约成本分位中，EMs 的加密下载每增加 10 个百分点的通胀增加 1.2%。然而，在最高违约成本分位中，EMs 的加密下载每增加 10 个百分点的通胀增加 11.5%。当违约成本较高时，通胀也与 AEs 中较高的加密下载率相关，尽管这种关系不是单调的。例如，在最低违约成本分位的 AEs，每增加 10 个百分点的通胀，加密下载增加 0.6%，而在第三、第四和第五违约成本分位中，每增加 10 个百分点的通胀，加密下载分别增加 8.4%、9.1% 和 3.4%。这些结果表明，违约风险可能是解释通常注意到的通胀动机对加密货币采用的重要底层因素。
VI. 检查机制
在本文中，我们调查了推动跨国加密货币采用的宏观经济因素，特别关注主权违约风险。使用结合加密货币采用指标与一系列宏观经济和金融变量的新型跨国数据集，我们发现主权违约风险在解释不同国家和不同时间的加密货币采用率方面起着突出的作用。具体而言，主权 CDS 利差增加 10% 与加密应用下载和使用增加 2.9-4% 相关。这种关系在新兴市场经济体（EMs）中特别明显，与发达经济体（AEs）相比，以及当主权风险担忧更为严重时。
我们的分析显示，加密货币采用率在信用风险事件之后增加——这些特殊冲击增强了主权违约风险的感知。在 EMs 中，围绕这类事件的加密下载增加几乎是 AEs 的两倍，这表明预防性动机和绕过资本管制的需求在更脆弱的经济体中推动了采用。我们还强调了主权违约风险与通胀之间的相互作用，显示在主权违约成本高时，加密货币采用对通胀更敏感，尤其是在 EMs 中。这一发现表明，通胀与加密货币采用之间的关系植根于对政府和货币稳定的更广泛担忧，而不仅仅是通胀本身。
我们的结果为加密货币采用的宏观经济驱动因素的不断增长的文献做出了贡献。虽然之前的研究强调了通胀、汇款和银行部门发展等因素的重要性，但我们提供了有关主权违约风险重要性的新证据。这些发现表明，家庭越来越多地将加密货币作为对抗主权风险的对冲手段，尤其是在违约成本高和政府稳定性受到质疑的情境中。这些洞见对政策制定者和监管者具有重要的意义。随着加密货币继续获得关注，了解它们对主权风险的反应模式可以帮助当局设计更有效的金融稳定政策。例如，加密货币的采用可以放大主权风险对金融中介的影响。主权风险降低了银行持有的主权资产的估值，而随之而来的加密飞行可能同时在短期内提高银行负债的波动性。进一步的研究可以探讨这种现象的长期影响，包括加密货币在金融中介（或不中介）中的作用，以及它们如何缓解或加剧金融危机。
……
获取完整报告
请后台回复“主权违约风险”
获取下载链接
·END·
责编/张谦
编译/吴子怡
排版/陈亚洲、吴子怡
【延伸阅读】
