MétaCan
Menu
Retour à la cohorte
Enregistrement W4386222103 · doi:10.1287/mnsc.2023.4900

The Impact of Derivatives on Spot Markets: Evidence from the Introduction of Bitcoin Futures Contracts

2023· article· en· W4386222103 sur OpenAlexaffabout
Patrick Augustin, Alexey Rubtsov, Donghwa Shin

Notice bibliographique

RevueManagement Science · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensGlobal Risk Institute in Financial ServicesToronto Metropolitan UniversityMcGill University
Organismes subventionnairesnon disponible
Mots-clésFutures contractArbitrageEconomicsForward marketFinancial economicsPrice discoverySpot contractSpot marketMarket liquidityAlgorithmic tradingDerivatives marketBusinessFinance

Résumé

récupéré en direct d'OpenAlex

Cryptocurrencies provide a unique opportunity to identify how derivatives impact spot markets. They are fully fungible and trade across multiple spot exchanges at different prices, and futures contracts were selectively introduced on Bitcoin (BTC) exchange rates against the U.S. dollar (USD) in December 2017. Following the futures introduction, we find a significantly greater increase in cross-exchange price synchronicity for BTC–USD relative to other exchange rate pairs as demonstrated by an increase in price correlations and a reduction in arbitrage opportunities and volatility. We also find support for an increase in price efficiency, market quality, and liquidity. The evidence suggests that futures contracts allowed investors to circumvent arbitrage frictions associated with short-sale constraints, arbitrage risk associated with block confirmation time, and market segmentation. Overall, our analysis supports the view that the introduction of BTC–USD futures was beneficial to the Bitcoin spot market by making the underlying prices more informative. This paper was accepted by Will Cong, Special Section of Management Science: Blockchains and Crypto Economics. Funding: The authors acknowledge financial support from the Global Risk Institute. P. Augustin acknowledges financial support from the Canadian Derivatives Institute and from the Canada Research Chair Program of the Social Sciences and Humanities Research Council Canada. The paper has benefited significantly from a fellow visit of P. Augustin at the Center for Advanced Studies Foundations of Law and Finance funded by the German Research Foundation, project FOR 2774, and from a visiting position of P. Augustin at the finance department of the University of Luxembourg facilitated through the Inter Mobility Programme of the Luxembourg National Research Fund. Supplemental Material: The online appendix and data are available at https://doi.org/10.1287/mnsc.2023.4900 .

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,910
Score d'incertitude au seuil0,269

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,038
Tête enseignante GPT0,264
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueManagement ScienceMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207