Examining the relationships among cryptocurrencies using Google Trends

Abstract

Tématem naší práce je zkoumání vztahů mezi kryptoměnami pomocí nástroje Google Trends. V naší práci se soustředíme na 4 kryptoměny: Bitcoin, Litecoin, Ethereum Classic a Ethereum. V naší práci jsme získali denní data pro otevírací ceny, denní obchodované objemy a denní data Google Trends dotazů, zachy- cujících relativní popularitu vybraných kryptoměn. Pro hledání vztahů mezi čtyřmi vybranými kryptoměnami jsme použili Vektorovou autoregresi a Vek- torový Error Correction model. Celkem jsme sestavili 4 různé modely. První model obsahuje 4 časové řady denních cen jednotlivých kryptoměn. Druhý model vychází z prvního modelu a je rozšířen o další 4 časové řady Google Trends dotazů souvisejících s danými kryptoměnami. Třetí model obsahuje 4 časové řady denních obchodovaných objemů jednotlivých 4 kryptoměn. Čtvrtý model vychází ze třetího modelu a je obohacen o další čtyři časové řady Google Trends dotazů souvisejících s danými kryptoměnami. Následně jsme použili odezvu na impuls a rozklad rozptylu pro zkoumání vztahů mezi jednotlivými kryptoměnami. V naší práci jsme našli určité korelace mezi proměnnými, v rámci každé ze tří skupin proměnných, tj. ceny, obchodované objemy a Google...

The topic of our thesis is the examination of the relationships among cryptocur- rencies using Google Trends. In our thesis, we concentrated on four cryptocur- rencies, namely: Bitcoin, Litecoin, Ethereum Classic and Ethereum. We obtained the data of daily opening prices, daily trading volumes and daily Google Trends queries in order to examine the relationships among the four cryptocurrencies. Applying the Vector autoregression model and Vector error correction model, we constructed four models. The first model contains only four time series of daily prices of cryptocurrencies. The second model is the first model enriched by the respective four time series of Google Trends queries. The third model contains the four time series of daily trading volumes of the four cryptocurrencies. The fourth model is the third model enriched by the four time series of Google Trends queries of respective cryptocurrencies. Then we applied the Impulse response analysis and the Forecast error variance decomposition in order to find some relationships among the variables. We found that there is some correlation among prices, volumes and Google Trends queries containing the names of the four cryptocurrencies. According to our results acquired by the Forecast error variance decomposition, in all our models, Bitcoin has the...