УДК 336.748:519.246

Электоральная неопределенность и рынки криптовалют: квантильный и изменяющийся во времени анализ с использованием индикаторов на основе СМИ

В.В. Кореневский

Национальный исследовательский университет «Высшая школа экономики», г. Москва, Россия

Аннотация

Президентские выборы в США рассматриваются как один из ключевых источников политической неопределенности, оказывающей влияние на динамику финансовых рынков и ожидания инвесторов. При этом влияние самих президентских выборов и связанных с ними новостей на динамику криптовалют остается недостаточно изученным, несмотря на появление отдельных эмпирических работ по данной теме. Цель исследования заключается в оценке взаимосвязи доходности и волатильности крупнейших криптовалют с авторским индексом электоральной неопределенности VYTIndex, построенным на основе названий видеопубликаций новостных изданий за 2015–2025 гг. Индекс формируется в два этапа: сначала рассчитывается дневной сентимент‑индекс как разность между количеством позитивных и негативных видео, а затем по его динамике оценивается условная волатильность с помощью модели GARCH (1,1), интерпретируемая как уровень электоральной неопределенности. В работе проверяются гипотезы о том, что верхние квантили VYTIndex связаны с ростом волатильности и снижением доходности криптовалют, а также о возможной роли данного индекса как канала передачи шоков в системе из десяти крупнейших криптоактивов. Для анализа использованы квантиль-квантильная регрессия для оценки зависимостей по различным квантилям распределения доходности и волатильности и модель векторной авторегрессии с временно изменяющимися параметрами для исследования динамической направленной связности. Полученные результаты свидетельствуют о выраженной нелинейности и гетерогенности влияния VYTIndex: для ряда альткоинов рост верхних квантилей индекса сопровождается усилением волатильности, тогда как для биткоина и стейблкоинов реакция ближе к нейтральной, а сам индекс в большинстве периодов выступает получателем, а не источником рыночных шоков. Теоретическая значимость исследования состоит в развитии подходов к измерению политической неопределенности как изменчивости настроений в медиапространстве и оценке роли электоральных шоков на криптовалютном рынке, а практическая – в возможностях использования VYTIndex для определения рисков и построения арбитражных и хеджирующих стратегий в периоды предвыборной и постэлекторальной нестабильности.

Ключевые слова

электоральная неопределенность; президентские выборы США; криптовалютный рынок; криптоактивы; индекс неопределенности; сентимент-анализ.

JEL classification

Список использованной литературы

1. Kelly B., Pastor L., Veronesi P. The Price of Political Uncertainty: Theory and Evidence from the Option Market // The Journal of Finance. 2016. Vol. 71, Issue 5. Pp. 2417–2480. https://doi.org/10.1111/jofi.12406

         2. Mnasri A., Essaddam N. Impact of U.S. presidential elections on stock markets' volatility: Does incumbent president's party matter? // Finance Research Letters. 2021. Vol. 39. 101622. https://doi.org/10.1016/j.frl.2020.101622

         3. Azzimonti M. Partisan Conflict // Federal Reserve Bank of Philadelphia Working Papers. No. 14-19. Federal Reserve Bank of Philadelphia, 2014. 38 p. http://dx.doi.org/10.2139/ssrn.2457406

         4. Baker S.R., Bloom N., Davis S.J. Measuring Economic Policy Uncertainty // The Quarterly Journal of Economics. 2016. Vol. 131, Issue 4. Pp. 1593–1636. https://doi.org/10.1093/qje/qjw024

         5. Entman R.M. Framing: Toward Clarification of a Fractured Paradigm // Journal of Communication. 1993. Vol. 43, Issue 4. Pp. 51–58. https://doi.org/10.1111/j.1460-2466.1993.tb01304.x

         6. Tetlock P.C. Giving Content to Investor Sentiment: The Role of Media in the Stock Market // Journal of Finance. 2007. Vol. 62, Issue 3. Pp. 1139–1168. https://doi.org/10.1111/j.1540-6261.2007.01232.x

         7. Loughran T., McDonald B. When Is a Liability Not a Liability? Textual Analysis, Dictionaries, and 10-Ks // Journal of Finance. 2011. Vol. 66, Issue 1. Pp. 35–65. https://doi.org/10.1111/j.1540-6261.2010.01625.x

         8. Jiang Y., Ren Y.-S., Ma C.-Q., Liu J.-L., Sharp B. Does the price of strategic commodities respond to U.S. partisan conflict? // Resources Policy. 2020. Vol. 66. 101617. https://doi.org/10.1016/j.resourpol.2020.101617

         9. Bilgin M.H. The effects of uncertainty measures on the price of gold // International Review of Financial Analysis. 2018. Vol. 58. Pp. 1–7. https://doi.org/10.1016/j.irfa.2018.03.009

         10. Shaikh I., Vallabh P. Impact of policy uncertainty on gold price in India: evidence from multi commodity exchange (MCX) India and World Gold Council prices // Applied Economics. 2023. Vol. 56, Issue 32. Pp. 3837–3855. https://doi.org/10.1080/00036846.2023.2208848

         11. Umar M., Su C.-W., Rizvi S.K.A., Shao X.-F. Bitcoin: A safe haven asset and a winner amid political and economic uncertainties in the US? // Technological Forecasting and Social Change. 2021. Vol. 167. 120680. https://doi.org/10.1016/j.techfore.2021.120680

         12. Matkovskyy R., Jalan A., Dowling M. Effects of economic policy uncertainty shocks on the interdependence between Bitcoin and traditional financial markets // The Quarterly Review of Economics and Finance. 2020. Vol. 77. Pp. 150–155. https://doi.org/10.1016/j.qref.2020.02.004

         13. Mariana C.D., Ekaputra I.A., Husodo Z.A. Are Bitcoin and Ethereum safe-havens for stocks during the COVID-19 pandemic? // Finance Research Letters. 2021. Vol. 38. 101798. https://doi.org/10.1016/j.frl.2020.101798

         14. Nguyen H.N. The Impact of Economic Uncertainty on the Financial Markets: Evidence from Interest Rates, Exchange Rates and Cryptocurrency. PhD Thesis. University of Southampton, 2023. 240 p. URL: https://eprints.soton.ac.uk/478037/

         15. Bouri E., Gupta R., Tiwari A., Roubaud D. Does Bitcoin Hedge Global Uncertainty? Evidence from Wavelet-Based Quantile-in-Quantile Regressions // Finance Research Letters. 2017. Vol. 23. Pp. 87–95. https://doi.org/10.1016/j.frl.2017.02.009

         16. Fang L., Bouri E., Gupta R., Roubaud D. Does global economic uncertainty matter for the volatility and hedging effectiveness of Bitcoin? // International Review of Financial Analysis. 2019. Vol. 61. Pp. 29–36. https://doi.org/10.1016/j.irfa.2018.12.010

         17. Sakariyahu R., Lawal R., Adigun R.A., Paterson A.S., Johan S. One crash, too many: Global uncertainty, sentiment factors and cryptocurrency market // Journal of International Financial Markets, Institutions and Money. 2024. Vol. 94. 102028. https://doi.org/10.1016/j.intfin.2024.102028

         18. Baur D.G., Dimpfl T. Asymmetric volatility in cryptocurrencies // Economics Letters. 2018. Vol. 173. Pp. 148–151. https://doi.org/10.1016/j.econlet.2018.10.008

         19. Hutto C.J., Gilbert E. VADER: A Parsimonious Rule-Based Model for Sentiment Analysis of Social Media Text // Proceedings of the Eighth International AAAI Conference on Weblogs and Social Media. Vol. 8, No. 1. Washington, DC: AAAI Press, 2014. Pp. 216–225. https://doi.org/10.1609/icwsm.v8i1.14550

         20. Gaius A., Mwangi R.W., Ngunyi A. A Stacking-Based Ensemble Approach with Embeddings from Language Models for Depression Detection from Social Media Text // Journal of Data Analysis and Information Processing. 2023. Vol. 11, No. 4. Pp. 420–453. https://doi.org/10.4236/jdaip.2023.114022

         21. Araci D. FinBERT: Financial Sentiment Analysis with Pre-trained Language Models // arXiv preprint. arXiv:1908.10063. 2019. https://doi.org/10.48550/arXiv.1908.10063

         22. Kahneman D., Tversky A. Prospect Theory: An Analysis of Decision under Risk // Econometrica. 1979. Vol. 47, No. 2. Pp. 263–291. https://doi.org/10.2307/1914185

         23. Ellsberg D. Risk, Ambiguity, and the Savage Axioms // Quarterly Journal of Economics. 1961. Vol. 75, Issue 4. Pp. 643–669. https://doi.org/10.2307/1884324

         24. Теплова Т.В., Соколова Т.В., Файзулин М.С., Куркин А.В. Сентимент инвесторов и аномалии в поведении биржевых характеристик инвестиционных активов. М. : ИНФРА-М, 2022. 199 с. URL: https://publications.hse.ru/pubs/share/direct/808361304.pdf

         25. Chan K.F., Smales L.A. U.S. Presidential News Coverage: Risk, Uncertainty and Equities // International Review of Economics & Finance. 2025. Vol. 98. 103927. https://doi.org/10.1016/j.iref.2025.103927

         26. Bialkowski J., Dang H.D., Wei X. High Policy Uncertainty and Low Implied Market Volatility: an Academic Puzzle? // Journal of Financial Economics. 2022. Vol. 143, Issue 3. Pp. 1185–1208. https://doi.org/10.1016/j.jfineco.2021.05.011

         27. Sim N., Zhou H. Oil prices, US stock return, and the dependence between their quantiles // Journal of Banking and Finance. 2015. Vol. 55. Pp. 1–8. https://doi.org/10.1016/j.jbankfin.2015.01.013

         28. Koenker R., Bassett G. Regression Quantiles // Econometrica. 1978. Vol. 46, No. 1. Pp. 33–50. https://doi.org/10.2307/1913643

         29. Diebold F.X., Yilmaz K. Better to give than to receive: Predictive directional measurement of volatility spillovers // International Journal of Forecasting. 2012. Vol. 28, Issue 1. Pp. 57–66. https://doi.org/10.1016/j.ijforecast.2011.02.006

         30. Diebold F.X., Yılmaz K. On the network topology of variance decompositions: Measuring the connectedness of financial firms // Journal of Econometrics. 2014. Vol. 182, Issue 1. Pp. 119–134. https://doi.org/10.1016/j.jeconom.2014.04.012

         31. Cogley T., Sargent T.J. Evolving Post-World War II U.S. Inflation Dynamics // NBER Macroeconomics Annual. 2001. Vol. 16. Pp. 331–373. https://doi.org/10.1086/654451

         32. Cogley T., Sargent T.J. The Conquest of U.S. Inflation: Learning and Robustness to Model Uncertainty // Review of Economic Dynamics. 2005. Vol. 8, Issue 2. Pp. 528–563. https://doi.org/10.1016/j.red.2005.02.001

         33. Primiceri G.E. Time Varying Structural Vector Autoregressions and Monetary Policy // The Review of Economic Studies. 2005. Vol. 72, Issue 3. Pp. 821–852. https://doi.org/10.1111/j.1467-937X.2005.00353.x

         34. Koutmos D. Return and volatility spillovers among cryptocurrencies // Economics Letters. 2018. Vol. 173. Pp. 122–127. https://doi.org/10.1016/j.econlet.2018.10.004

         35. Ji Q., Bouri E., Lau C.K.M., Roubaud D. Dynamic connectedness and integration in cryptocurrency markets // International Review of Financial Analysis. 2019. Vol. 63. Pp. 257–272. https://doi.org/10.1016/j.irfa.2018.12.002

         36. Kakinuma Y. Hedging role of stablecoins // Intelligent Systems in Accounting, Finance and Management. 2023. Vol. 30, Issue 1. Pp. 19–28. https://doi.org/10.1002/isaf.1528

         37. Yarovaya L., Brzeszczyński J., Goodell J.W., Lucey B., Lau C.K. Rethinking financial contagion: Information transmission mechanism during the COVID-19 pandemic // Journal of International Financial Markets, Institutions and Money. 2022. Vol. 79. 101589. https://doi.org/10.1016/j.intfin.2022.101589

         38. Goodell J.W., Goutte S. Co-movement of COVID-19 and Bitcoin: Evidence from wavelet coherence analysis // Finance Research Letters. 2021. Vol. 38. 101625. https://doi.org/10.1016/j.frl.2020.101625

Благодарности

Исследование осуществлено в рамках Программы фундаментальных исследований НИУ ВШЭ.

Информация об авторах

Кореневский Валерий Валерьевич

Исследователь центра финансовых исследований и анализа данных Национального исследовательского университета «Высшая школа экономики». г. Москва, Россия (101000, г. Москва, ул. Мясницкая, 20); ORCID https://orcid.org/0009-0004-1670-7673 е-mail: vkorenevskii@hse.ru

Для цитирования

Кореневский В.В. Электоральная неопределенность и рынки криптовалют: квантильный и изменяющийся во времени анализ с использованием индикаторов на основе СМИ // Journal of Applied Economic Research. 2026. Т. 25, № 3. С. 853-878. https://doi.org/10.15826/vestnik.2026.25.3.028

Информация о статье

Дата поступления 20 января 2026 г.; дата поступления после рецензирования 15 марта 2026 г.; дата принятия к печати 8 апреля 2026 г.

DOI: http://dx.doi.org/10.15826/vestnik.2026.25.3.028

Скачать полный текст статьи: