Comportamiento de rebaño en mercados digitales: un estudio del riesgo sistemático en criptomonedas y ETFʼs
Loading...
Date
2025
Authors
Director
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javeriana Cali
Share
Abstract
El propósito principal de este estudio es analizar detenidamente el fenómeno conocido como efecto rebaño en los mercados de criptomonedas y ETFʼs de criptomonedas dentro de la dinámica de los mercados financieros, bajo el marco conceptual de las finanzas conductuales, el cual se enfoca en comprender cómo los factores psicológicos y emocionales del ser humano, influyen en las decisiones de inversión y formación de los precios de los activos, tradicionalmente, los modelos de medición del efecto rebaño se han apoyado en indicadores como la Desviación Estándar Transversal (CSSD) y la Desviación Absoluta Transversal (CSAD), que facilitan la identificación de la tendencia de los rendimientos generales que se han obtenido de forma individual respecto al retorno promedio del mercado, sin embargo, es importante tener en cuenta que estos modelos presentan limitaciones para detectar el alineamiento de las percepciones de riesgo entre los diferentes inversores del mercado, principalmente en mercados altamente volátiles y en constante crecimiento, como es el caso de las criptomonedas. Con el objetivo de superar dichas limitaciones metodológicas, la presente investigación implementa el modelo avanzado de Beta Herding sugerido por (Hwang & Salmon, 2004) y adaptado posteriormente por (Kaiser & Stöckl, 2020) al contexto particular del mercado de criptomonedas, este enfoque evalúa el grado de convergencia en las exposiciones al riesgo sistemático de los activos, mediante el estudio dinámico de la dispersión transversal de los coeficientes betas estimados para cada activo de forma individual, facilitando de esta manera, una evaluación directa de los procesos de imitación colectiva de carácter informativo. La innovación metodológica de este trabajo radica adicionalmente en la adopción del Bitcoin como moneda de transferencia o transfer currency, siguiendo el planteamiento de los expertos (Kaiser & Stöckl, 2020), debido a su papel altamente predominante como activo clave en las transacciones del mercado digital de criptomonedas, convirtiéndolo en el referente clave e ideal para el cálculo de los betas individuales en el ámbito de la investigación financiera A través de la aplicación de sofisticados filtros de Kalman y avanzadas técnicas de modelos de estado-espacio en un extenso conjunto de datos diarios relacionados con criptomonedas y ETFʼs desde el año 2022 y hasta el año 2025, es posible analizar las dinámicas temporales del efecto rebaño en diversas condiciones del mercado, los resultados proporcionan sólida evidencia empírica que confirma la existencia de concentración de riesgos, validando así, la hipótesis conductual de que los inversionistas de mercados digitales, modifican sus percepciones de riesgo tomando como base las señales dominadas por Bitcoin, intensificando la sincronización colectiva en contextos de gran incertidumbre. Finalmente, la investigación aporta a la literatura financiera al proporcionar un método sofisticado para la medición del efecto rebaño, con especial importancia en mercados digitales que están en desarrollo a través de los últimos años y ofrece implicaciones regulatorias y de administración de riesgos sobre los mecanismos de transmisión de volatilidad sistémica en mercados altamente especulativos.
item.page.abstract.eng
The main purpose of this study is to thoroughly analyze the phenomenon known as the herding effect in cryptocurrency markets and cryptocurrency ETFs within the dynamics of financial markets, under the conceptual framework of behavioral finance. This framework focuses on understanding how psychological and emotional factors influence human investment decisions and asset price formation. Traditionally, models for measuring the herding effect have relied on indicators such as Cross-Sectional Standard Deviation (CSSD) and Cross-Sectional Absolute Deviation (CSAD), which facilitate the identification of trends in individual returns relative to the market average return. However, it is important to note that these models present limitations in detecting the alignment of risk perceptions among different market investors, especially in highly volatile and rapidly growing markets such as cryptocurrencies. To overcome these methodological limitations, this research implements the advanced Beta Herding model proposed by Hwang & Salmon (2004) and later adapted by Kaiser & Stöckl (2020) to the specific context of the cryptocurrency market. This approach evaluates the degree of convergence in systematic risk exposures of assets through a dynamic study of the cross-sectional dispersion of beta coefficients estimated individually for each asset, thereby enabling a direct assessment of informative collective imitation processes. The methodological innovation of this work also lies in the adoption of Bitcoin as a transfer currency, following the approach of Kaiser & Stöckl (2020), due to its predominant role as a key asset in digital cryptocurrency market transactions. This makes it the ideal benchmark for calculating individual betas in financial research. Through the application of sophisticated Kalman filters and advanced state-space modeling techniques to an extensive set of daily data on cryptocurrencies and ETFs from 2022 to 2025, it is possible to analyze the temporal dynamics of the herding effect under various market conditions. The results provide strong empirical evidence confirming the existence of risk concentration, thus validating the behavioral hypothesis that investors in digital markets adjust their risk perceptions based on signals dominated by Bitcoin, intensifying collective synchronization in contexts of high uncertainty. Finally, this research contributes to the financial literature by providing a sophisticated method for measuring the herding effect, with particular relevance to digital markets that have been developing in recent years. It also offers regulatory and risk management implications regarding the mechanisms of systemic volatility transmission in highly speculative markets.