Are Cryptocurrency Prices in Line with Fundamental Assets?
Notice bibliographique
Résumé
This paper presents the first rigorous empirical investigation into a fundamental question of cryptocurrency valuation: Are cryptocurrency prices in line with the prices of fundamental assets? To answer this, we analyze the nine largest cryptocurrencies by market capitalization—Bitcoin (BTC), Ethereum (ETH), Solana (SOL), Binance Coin (BNB), Ripple (XRP), Cardano (ADA), Litecoin (LTC), Tron (TRX), and the stablecoin DAI—against a suite of traditional benchmarks, including major fiat currencies (EUR, CAD, JPY), gold, and the S&P500 index. Our dataset spans from 1 January 2014 to 30 June 2025, with start dates varying for newer cryptocurrencies to ensure robust time series analysis. Guided by the asset pricing theory, we formulate a martingale test: if a cryptocurrency is priced in line with a fundamental numeraire asset, its price ratio relative to that numeraire must follow a martingale process. Our extensive empirical analysis reveals that the prices of major cryptocurrencies (BTC, ETH, SOL, BNB) consistently reject the martingale hypothesis when traditional assets (currencies, gold, equities) serve as the numeraire, indicating a decoupling from fundamental valuation anchors. Conversely, when Bitcoin or Ethereum itself is used as the numeraire, most smaller cryptocurrencies are priced in line with these crypto benchmarks, suggesting an internal valuation ecosystem that operates independently of traditional finance.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».