加密貨幣財富對家庭消費和投資的影響_比特幣

作者 | Darren Aiello, Scott R. Baker, Tetyana Balyuk, Marco Di Maggio, Mark J. Johnson, Jason D. Kotter

來源 | NBER

編譯 | 徐赫聰

近日，NBER發表了工作論文“The Effects of Cryptocurrency Wealth on Household Consumption and Investment”《加密貨幣財富對家庭消費和投資的影響》。文章利用數百萬個賬戶的交易級數據，識別加密貨幣投資者，并評估個體加密財富波動對家庭消費、股票投資和當地房地產市場的影響。文章估計出未實現加密貨幣收益的邊際消費傾向（MPC）比未實現股權收益的MPC大一倍以上，但小于來自外生現金流沖擊的MPC。這種MPC主要是由現金支出和抵押貸款的增加推動的。此外，家庭出售加密貨幣，既用于增加自由支出，也用于住房支出。因此，加密財富導致房價上漲，加密財富較高的縣在高加密貨幣回報后房屋價值增長更快。結果表明，加密貨幣通過對其他資產類別的消費和投資對實體經濟產生了重要的溢出效應。中國人民大學中國人民大學金融科技研究所該文章的核心部分進行了編譯。

引言

在過去的十年中，加密貨幣已經從相對無名到達到了全球市值超過3萬億美元的巔峰。美國家庭越來越多地將加密貨幣作為投資組合的一部分，并且加密貨幣的極端波動性使得許多投資者迅速獲得了財富。雖然加密貨幣市場經歷了快速增長，但關于其對更廣泛經濟的溢出效應存在不確定性，這可能對決策者和家庭福利產生影響。雖然一些關注點集中在加密貨幣和金融穩定性上，但由于區塊鏈交易的匿名性限制了數據的獲取，目前對個體家庭投資和消費行為受加密貨幣引入的影響以及其對其他資產類別的溢出效應的研究仍然有限。

本文使用數百萬個美國家庭的銀行賬戶和信用卡支付的交易級數據，分析加密貨幣財富如何影響更廣泛的經濟。具體而言，本文能夠追蹤家庭消費如何對加密貨幣財富的變化做出回應，并評估該財富對當地房地產市場價格的因果效應。本文根據資金流入和流出主要加密貨幣交易所的時間來確定加密貨幣用戶，并推斷其加密財富。盡管大多數加密貨幣用戶對這種資產類別的投資相對較少，但許多人在這些賬戶中持有相當于數月消費的金額。本文首先通過將大量代表美國家庭的數據與完整的金融交易記錄相結合，簡述了加密貨幣用戶的特征。這使本文能夠比較加密貨幣用戶和非加密貨幣用戶的收入和消費模式。

本文的重點是加密貨幣收益對消費和投資決策的影響。本文發現，采用加密貨幣的人有更高的收入，符合一些調查數據，并且更有可能將資金存入傳統券商。與這些收入差異一致，采用加密貨幣的人在娛樂和餐飲等類別上花費收入的比例更高。平均而言，家庭似乎將加密貨幣視為較大投資組合的一部分。加密貨幣用戶傾向于在股票市場進行活躍交易，通常同時投資于加密資產和傳統股票證券。一些證據表明，在獲得大量收益后，家庭會通過出售加密貨幣并將資金存入傳統券商來重新平衡其投資組合。盡管存在這種金融上的成熟跡象，本文還發現一些加密貨幣用戶追逐加密貨幣的收益，整體采用似乎在很大程度上受到高回報的顯著影響。本文樣本中每月新增加密貨幣用戶最多的時間是在2017年，當時比特幣經歷了其有史以來最高的一次回報。

接下來，本文研究家庭級加密貨幣收益對消費的影響。本文使用一個用戶的月度面板數據，觀察加密財富變化后的消費模式變化。平均而言，本文估計加密財富的消費邊際傾向（MPC）為0.08美元。定性上，這與房地產和證券升值的消費反應相似，但在數量上要大2到3倍。與此同時，MPC大約是一次性收入沖擊的MPC的三分之一。這表明家庭將加密貨幣收益視為一種外部現金流沖擊和傳統投資組合的混合。盡管加密貨幣在此期間類似彩票的回報，但估計的MPC要小得多，而彩票獲勝的研究中的MPC范圍從50％到近100％。總體而言，本文樣本中家庭加密貨幣財富的增加對消費的總體影響約為200億美元。如果非零售加密貨幣收益的消費與本文的估計類似，美國的總效應可能在800億到1000億美元之間。

短期內，加密貨幣財富對高收入家庭來說更大，并且最大的可識別消費變化來自于更高的抵押貸款支出。這些個體層次上的住房消費變化表明，加密貨幣回報可能會對當地實體經濟產生溢出效應-對住房的需求增加可能會給當地房價帶來壓力。然而，兩個難題使得估計加密貨幣財富對房價的影響變得困難。簡單的回歸估計可能會面臨因果關系的反向問題，因為較高的房價可能會導致家庭撤出加密貨幣投資以購買房屋。此外，變得更富有的縣可能會同時增加對所有資產的投資，這可能是由于教育、職業或行業集中度的變化。在論文的最后部分，本文通過使用兩個獨立的自然實驗估計縣級加密貨幣財富對當地房價增長的因果影響來處理這些問題。

第一個實驗是利用樣本期間（2017年末）比特幣價格最大增長的情況，將加密貨幣財富的沖擊視為一個縣中的加密財富。在價格增長開始之前，人均加密貨幣財富較高的縣的加密貨幣回報約為1400％。為了減輕一些反向因果性的顧慮，本文使用差異化方法并在之前的時期固定加密貨幣財富，注意到價格上漲之前時期的差異趨勢的缺失。本文進一步證明，加密貨幣財富較高的縣在比特幣價格沖擊后經歷了加密貨幣提款的大幅增加，但傳統券商提款沒有發生不連續變化。本文發現，在價格上漲后的幾個月里，擁有較高2017年前加密貨幣財富的縣的房價增長明顯較高。相比低加密貨幣財富縣，高加密貨幣財富縣的房價增長約快46個基點，解釋了此期間房價增長標準差的約12％。

本文使用兩階段最小二乘法（2SLS）將差分估計的基本概念擴展到全時間序列。本文使用縣級加密財富的被動收益，定義為12個月前比特幣和以太坊的年回報率增長的縣級加密財富價值，作為該縣加密財富增長的工具。使用被動加密貨幣投資組合收益作為縣級加密貨幣財富變化的工具，本文發現加密貨幣財富的增加會導致房價大幅上漲。據估計，在接下來的6個月里，人均縣級零售加密貨幣財富的增加將使縣級房價上漲約0.21美元。

因為這個工具基于歷史加密貨幣投資組合，所以它減輕了關于反向因果關系的顧慮。然而，為了確定加密貨幣財富對當地房價的影響，這個工具必須滿足排除限制條件，即被動加密貨幣財富增益與可能影響房價的任何其他非加密貨幣財富變化無關聯。加密貨幣回報的準隨機性使得大多數財富來源與加密貨幣回報和歷史縣級加密貨幣財富同時相關的可能性較小。最有可能的例外是股票市場回報。加密貨幣財富較高的縣通常也參與股票市場，并且加密貨幣回報與股票市場回報正相關，至少在某些時期是如此。然而，本文的2SLS結果對于修改工具以使用超過市場股票回報的加密貨幣回報是穩健的。

南非央行副行長：將把加密貨幣作為金融資產進行監管:金色財經報道，南非央行副行長Kuben Naidoo證實，南非將推出加密貨幣法規，一定程度上支持該行業。他表示，我們不打算將加密貨幣作為一種貨幣進行監管，而是將其作為金融資產進行監管。（Finbold）[2022/7/13 2:10:52]

與描述加密貨幣投資者或加密貨幣交易行為特征的論文不同，本文研究了加密貨幣價格波動與家庭消費和投資行為的相互作用。與先前的論文相比，本文的數據使本文能夠將一組較廣泛的美國零售加密貨幣交易者與相對完整的其他金融交易聯系起來。本文研究了在實現加密貨幣收益后的家庭消費決策——一種具有極端波動性的新資產類別。將這些消費決策與股票或房屋收益后的決策進行比較，可以揭示家庭對加密貨幣與其他資產類別的處理方式。此外，本文利用區域財富沖擊來測試經濟影響的空間變化。

本文的其余部分如下進行。第2節介紹本文的交易級數據集。第3節探討了加密貨幣在家庭投資決策中的作用。第4節研究了家庭層面上對加密貨幣財富的消費響應。第5節介紹了縣級加密貨幣財富對當地房價的因果效應估計。第6節總結。

數據

2.1交易數據

本文的數據提供者是一家專門從美國數百萬家庭的匿名銀行、信用卡和借記卡交易數據中提取和分析數據的大型金融綜合分析公司。該提供者主要與金融機構和金融科技公司簽訂合同，為其客戶提供數據和個人財務管理服務，并能夠對用戶的金融賬戶進行財務信息聚合。因此，在與特定金融機構進行銀行業務的條件下，數據庫中沒有額外的用戶選擇，并且用戶流失量很小。

本文的數據僅限于銀行、信用卡和借記卡交易，不包括在其他類型的賬戶（如經紀賬戶）內進行的交易，但通常可以觀察到這些賬戶的存款和取款。每個交易包含許多信息。例如，本文能夠觀察到交易的確切日期和金額，以及交易是在個人還是遠程進行的。使用交易附帶的文本描述信息，交易被歸類為43種不同類別之一（例如工資、ATM取款、雜貨、抵押付款、醫療支出）。對于大多數交易，商戶名稱和城市或郵編級別的實際位置也是可觀察到的。

完整的數據庫涵蓋了6000萬美國用戶和自2010年6月至2022年9月的數十億筆交易。數據庫在早期年份經歷了用戶的大規模擴展，因此本文將重點放在2014年以后的數據上，以減輕人口變化的擔憂。雖然這些數據讓本文能夠看到用戶財務交易的大量細節，但本文無法觀察到諸如年齡、性別或種族之類的人口統計信息。然而，數據提供者提供了一個每月面板，用于估計用戶當前的居住地（城市）。對于許多用戶，本文還能夠根據交易中經常出現的商戶的實際位置推算出他們居住地的郵政編碼。

盡管本文的數據不是從人群中隨機抽取的，但總體而言，它似乎非常代表整個經濟。許多其他交易數據庫的樣本來自高度選擇的人群（例如，那些有興趣使用金融科技應用程序借貸或幫助償還債務的人）。相比之下，本文的數據提供者與覆蓋了美國大部分人口的大型金融機構合作，減少了對高度選擇樣本的擔憂。

為了驗證數據的廣泛代表性，本文將本文觀察到的消費數據與從普查零售銷售調查中獲得的商戶數據進行了比較。這些調查由美國普查局用于估計按商戶類別劃分的美國月度零售銷售額。圖1匯總了本文的數據中一系列類別（汽車和燃料、綜合商品、雜貨、個人/家庭、醫療和餐飲）的月度可觀察交易。

圖1 支出與總銷售額

該圖顯示，從2014年到2022年的消費趨勢在本文的數據和普查零售銷售調查中非常相似。平均而言，這兩個來源的月度消費之間的相關性約為0.90。相關性最低的系列是醫療和醫療保健類別，這也是本文預計家庭稅前或第三方支出占較大比例的類別，導致家庭可觀察消費與零售商報告的收入之間存在差異。數據在各縣間也似乎具有廣泛代表性。附錄圖A.1中，本文繪制了按人口計算的縣權重與本文交易數據中用戶權重之間的分組散點圖。

圖A.1 按人口劃分的縣權重與交易用戶

使用交易數據時的另一個常見問題是，本文是否能夠觀察到與給定用戶相關的收入和消費交易的總體情況。對于該數據源，如果一個家庭只持有并使用與該聚合服務簽訂合同的金融機構的信用卡，本文將觀察到該家庭交易的完整情況。雖然數據中的用戶不太可能完全如此，但本文將家庭層面的分析重點放在更可能出現這種情況的高質量用戶子集上。數據提供者基于完整性和賬戶年限對交易數據的質量進行排名。本文的重點是從該質量指標的前10％抽取的隨機樣本的高質量用戶子樣本，共計95965個用戶。

利用本文數據庫中每筆交易附帶的文本描述和商戶信息，本文能夠識別出代表向熱門加密貨幣交易所存入或提取的交易。本文列出了主要的加密貨幣交易所，并進行了大量手動檢查，以識別出表示與主要交易所進行交易的各種文本字符串變體（例如，“Coinbase.com借記卡購買”或“GeminiTrustCo轉賬”）。這些交易所包括Coinbase、Binance、Gemini、Crypto.com、Kucoin、Cryptohub、Blocket、CEX.io和Bitstamp。本文的著眼點是加密貨幣交易所，這意味著本文對零售加密貨幣財富的估計必然是低估的，因為一些投資者將加密貨幣存放在通過直接購買或挖掘獲取的私人錢包中，很難確定有多少零售加密貨幣存放在交易所之外。自2015年以來，約有75%的比特幣交易發生在交易所之間。這表明本文可能捕捉到了零售加密貨幣交易所的大部分存款和提款。

盡管用戶可以使用銀行轉賬、借記卡和信用卡與交易所交互，但絕大多數交易是通過支票賬戶或借記卡進行的，信用卡僅占加密貨幣交易的不到2%。此外，雖然本文觀察到存款和提款，但幾乎90%與這些交易所的交易都是存款，反映了隨著加密貨幣投資在全國范圍內的普及，存款到這些交易所的大幅增長。大約90%的存款和提款金額發生在Coinbase。Gemini占了另外5%的金額，而其他9家交易所占了總金額的5%以下。

圖2 通過Coinbase持有的加密貨幣資產

加密貨幣交易所建議印度政府提供新的監管:據《經濟時報》最近的報道，“加密貨幣交易所已向印度政府發出新建議，建議財政部考慮將古吉拉特邦的國際金融服務中心管理局(IFSCA)作為所有加密交易的可能監管機構。”同時，在上述機構的監管下，投資者將被視為必須遵守KYC合規標準的商品參與者。此外，根據自由化匯款計劃，個人持有的股份將被限制為250,000美元。（ambcrypto）[2021/8/27 22:40:18]

本文沒有觀察到家庭購買的實際加密貨幣。然而，由于本文數據中絕大多數加密貨幣交易發生在Coinbase交易所，本文可以通過查看Coinbase上的總體資產持有情況來了解可能的購買行為。圖2顯示了2019年和2020年Coinbase上的資產組合。絕大多數（約70%）在Coinbase上持有的資產是比特幣；大約另外10%的資產是以太幣。重要的是，Coinbase上幾乎沒有持有現金（即法定貨幣）。根據這些數據，存款到（提款自）Coinbase最有可能代表購買（銷售）比特幣或以太幣。因此，本文將家庭的總加密貨幣組合價值估計為

其中家庭i在第d天的加密貨幣財富等于家庭在前一天的財富乘以家庭特定加密貨幣指數（CryptoIndex?,d）的日收益。該指數由比特幣和以太幣組成，按照家庭在前一天的資產組合權重進行加權。然后本文加上當天向加密貨幣交易所的凈存款。這個計算假設所有存入加密貨幣交易所的資金都用于在交易當天購買一籃子比特幣和以太幣，其中本文根據當天這些幣種的相對總市值分配權重。本文假設從加密貨幣交易所提取的資金根據前一天的資產組合權重按比例分配給比特幣和以太幣。本文進一步假設初始加密貨幣財富為零，然后計算每月加密貨幣財富（CryptoWealth?,t），即家庭在t月最后一天的投資組合價值。

表1報告了家庭加密貨幣財富的摘要統計信息。在本文的樣本中，平均而言，加密貨幣用戶的加密貨幣投資組合價值約為6000美元。然而，由于少數用戶擁有非常大的投資組合，這個平均值存在偏斜。加密貨幣投資組合的中位數僅為336美元，第75百分位數為1800美元。相比之下，到2022年，最大的投資組合價值約為900萬美元。

表1 描述性統計

加密貨幣投資組合財富的偏斜大致與美國家庭持有的股權的偏斜相匹配。在附錄圖A.5中，本文將樣本中的加密貨幣財富分布與基于美聯儲消費者財務調查（SCF）的家庭股權持有情況進行了比較。本文看到加密貨幣和股權持有之間有非常相似的模式——僅有很小一部分財富由80%以下的家庭持有，大部分股權財富平均分布在80-99百分位數和最高百分位數之間。這一分析表明，本文觀察到的加密貨幣財富和股權財富消費之間的任何差異不太可能是由這兩種財富的分布差異驅動的。

圖A.5 投資財富分布

在本文的賬戶級別樣本中，約有16%的家庭在2014年到2022年的某個時候進行過向零售加密貨幣交易所存款。根據最近的調查數據，這個比例非常接近已經交易過加密貨幣的美國人口估計比例。

交易數據提供商使用算法來確定家庭所在城市和州。本文使用ArcGIS對與該城市相關的縣進行地理編碼。在第5節的分析中，本文將加密貨幣投資組合價值聚合到縣—月級別。在這個分析中，本文使用了約600萬個家庭的更大樣本，以獲得對縣級加密貨幣財富更準確的測量。本文將這些數據與月度縣級Zillow房價指數（ZHVI）合并。ZHVI是一個平滑的、經季節性調整的房價指數，反映了縣—月級別的房屋典型價格。

加密貨幣是一種迅速增長的資產類別，全球市值超過1萬億美元。盡管它增長迅速，但區塊鏈交易的分散化和匿名特性使本文很難理解誰在投資加密貨幣以及這種投資決策的動因。本文通過提供基于實際加密貨幣交易數據對美國大型代表性樣本的家庭的證據來擴展這項研究。由于本文不僅觀察到了加密貨幣交易，還觀察到了完整的支付交易，本文成為第一個能夠描述家庭加密貨幣投資者消費模式與其他家庭相比的人。

本文重點關注與后期分析相關的零售加密貨幣市場發展的幾個關鍵特點。圖3顯示了加密貨幣交易所的存款和提款的發展情況。本文研究了在本文交易數據中覆蓋的6000萬家庭的10%樣本中，加密貨幣存款和提款的總和與加密貨幣回報（以比特幣和以太坊的市值加權指數定義）的相關性。圖中的四個面板顯示了加密貨幣存款、提款、新用戶和凈存款。大幅度的加密貨幣回報顯而易見。在加密貨幣價格大幅上漲后，新用戶數量和總加密貨幣存款激增。事實上，在本文的樣本中，2017年底發生了最大的新用戶激增，此時加密貨幣回報達到了最大的12個月回報。然而，有趣的是，提款也在此期間激增，這表明至少一些家庭會兌現他們的加密貨幣收益。

圖3 加密貨幣采用和加密貨幣投資組合活動

本文的交易數據的一個優勢是既可以觀察到投資加密貨幣的家庭的消費模式，也可以觀察不投資加密貨幣的家庭的消費模式。在表2中，本文展示了投資加密貨幣和不投資加密貨幣的家庭的平均月收入、支出以及不同類別支出所占的比例。數據中出現了一些關鍵模式。投資加密貨幣的人收入較高：投資加密貨幣的人的平均月收入為8176美元，而不投資的人為7356美元。或許不出所料，考慮到收入差異，投資加密貨幣的人也在傳統經紀賬戶上進行更多的主動投資。

表2 樣本和加密貨幣投資者的描述性統計

盡管存在收入差異，投資加密貨幣的家庭和不投資加密貨幣的家庭的整體支出模式相對相似。最大的差異在于離散性支出。與可支配收入較高相一致，投資加密貨幣的人在娛樂/旅行方面的預算支出比不投資加密貨幣的人多出約1.1個百分點，并且在餐廳方面多出近1.2個百分點。投資加密貨幣的人在現金/支票購買上的支出也要更多。

挪威FSA：加密貨幣需要法律框架以保護消費者:金色財經報道，挪威金融監管局（FSA）周二表示，如果加密貨幣要成為一種適合消費者的投資形式，就需要一個法律框架。FSA在一篇帖子中表示，在大流行期間，加密貨幣受到越來越多的關注。此外，與加密相關的高波動性造成了很高的損失風險。監管機構強調，加密貨幣市場在很大程度上仍然不受監管，需要保護消費者。[2021/6/23 23:58:12]

圖4 加密貨幣財富地理分布隨時間演變情況

圖4顯示了加密貨幣財富地理分布隨時間的演變情況。本文將總加密貨幣財富值聚合到縣一級并除以該縣的家庭數量。然后，本文展示了2015年末、2017年、2019年和2021年的縣地圖。在2015年，大部分沿海縣的財富較小，每戶不到100美元，而美國大陸的內陸地區幾乎沒有加密貨幣參與。在2017年加密貨幣價格的初次上漲中，美國各地的幾十個縣開始積累每戶1000美元或更多的加密貨幣財富。然而，到2021年底，大多數有人口的美國縣每戶的加密貨幣財富至少達到1000美元，而一些縣每戶的加密貨幣財富則達到了數萬美元。人均加密貨幣價值最高的縣集中在加利福尼亞州、內華達州和猶他州。這種地理變異表明了加密貨幣財富可能在不同縣的地方經濟上產生不同的影響，本文將在第5節中進行研究。

加密貨幣財富增長后的投資

表2結果表明，與不投資加密貨幣的人相比，加密貨幣用戶更有可能有傳統經紀投資。在一定程度上，如果加密貨幣投資者具備一定的財務知識，本文預期他們會將大量加密貨幣收益再平衡到傳統投資中。然而，民意調查數據表明，家庭加密貨幣投資者可能將加密貨幣視為傳統投資的替代品。例如，2022年Pew研究中心的一項調查發現，在那些聲稱已經投資加密貨幣的受訪者中，78%的人表示他們的動機之一是希望有一種不同的投資方式，54%的人認為投資加密貨幣比傳統投資更容易，39%的人表示他們對加密貨幣比其他投資更有信心。如果這些調查中表達的觀點具有代表性，加密貨幣用戶很可能會把加密貨幣投資加大而不是將加密貨幣收益再平衡到股票市場。

本文評估了加密貨幣收益與未來投資之間的關系，以探究加密貨幣用戶在多大程度上對加密貨幣投資組合收益進行再平衡。在圖5中，本文繪制了總經紀存款與總加密貨幣存款的橫截面散點圖，其中加密貨幣存款不超過10萬美元。兩種存款類型之間存在著強正相關關系。然而，對于大多數家庭來說，經紀存款的總額遠大于加密貨幣存款的總額。這種關系在高端加密貨幣存款時變得趨于平穩。例如，存入2萬美元的平均用戶在傳統經紀賬戶上投資的金額是加密貨幣存款的2-3倍，而存入5萬美元的平均用戶在經紀賬戶上的存款金額約相等。由此可見，有兩種類型的零售加密貨幣投資者。對于一種類型的投資者來說，加密貨幣只占投資組合的一小部分，傳統經紀存款則占主導地位。相反，還存在一小部分加密貨幣投資者，在傳統經紀機構上投資相對較少，而加密貨幣投資相當大。

圖5 加密貨幣存款和股權投資

為了更深入地探索這種關系，本文研究了加密貨幣收益（和虧損）后的家庭投資決策。對于每個家庭，本文將平均每季度加密貨幣收益定義為

其中，CryptoWealth的計算方式如方程1所示，而NetWithdraw?,q?3→q被定義為過去4個季度內（包括當前季度q）家庭i的總加密貨幣提款減去總加密貨幣存款。因此，CryptoGains包括家庭所經歷的實現收益和未實現收益。

表1中報告了平均每季度加密貨幣收益的分布情況。在加密貨幣投資者中，平均每季度加密貨幣財富增長約為390美元，標準差為3200美元。約有43%的家庭季度經歷了虧損。在收益為正的情況下，平均每季度加密貨幣財富增長約為1060美元。在虧損的情況下，平均每季度虧損約為433美元。

本文通過對以下形式的OLS回歸進行估計，來研究加密貨幣收益與未來投資決策之間的關系：

因變量Invest?,q代表家庭?在第q季度投資的總資金。本文分別研究加密貨幣投資和傳統經紀投資。本文包括家庭（??）和季度—州（??,?）固定效應，并包括滯后收入和先前投資存款的控制變量。回歸中包括加密貨幣用戶和非加密貨幣用戶；雖然非加密貨幣用戶沒有加密貨幣收益，但他們構成了一個重要的對照組，有助于估計投資行為的趨勢。本文將加密貨幣收益在1%和99%分位數處進行截斷，以減輕對加密貨幣財富測量誤差的擔憂，并將收入在1%和99%分位數處剪切，以排除本文的交易數據不可靠的家庭。本文在家庭層面進行聚類標準誤差。本文感興趣的估計值?代表在一個季度內投資于加密貨幣交易所或傳統券商的額外美元，相當于去年平均每獲得一美元的季度加密貨幣收益。

表3中報告了方程3的估計結果。在第1列中，本文估計了加密貨幣收益與未來加密貨幣存款之間的關系。本文發現加密貨幣財富增長越大，向加密貨幣交易所存款的資金越多——加密貨幣財富增加1美元意味著每季度多存入0.06美元的加密貨幣。這一結果表明，零售加密貨幣投資存在著小但顯著的動量效應。

表3 加密貨幣收益與投資

在表3的第2列中，本文研究了加密貨幣財富增長與未來的股票投資之間的關系，用傳統經紀存款作為代理。本文發現，財富在加密貨幣中增長越大的家庭在傳統經紀中的投資也越多。加密貨幣財富增加1美元與傳統投資增加0.03美元相關。這一結果表明，一些家庭可能會將加密貨幣收益重新分配到傳統投資中。

為了更好地了解投資組合再平衡的可能性，本文在第3列中估計了加密貨幣收益與未來加密貨幣提款之間的關系。本文發現加密貨幣收益與未來加密貨幣提款之間存在著積極且顯著的關系；加密貨幣財富增加1美元意味著未來加密貨幣提款增加0.09美元。重要的是，第1列和第2列的估計結果來自不同的家庭，這表明一些家庭在加密貨幣投資中表現出動量，因此加大了未實現的加密貨幣收益，而其他家庭則將加密貨幣收益提取出來并平衡其投資組合。

動態 | FRST開發新技術幫助加密貨幣交易公司識別虛假交易:據bitcoinexchangeguide消息，總部位于芝加哥的區塊鏈數據提供商FRST開發了一種技術，可以幫助加密貨幣交易公司識別虛假交易。FRST的首席執行官Karl Muth稱，由于缺乏識別這類交易活動的工具，一些交易公司無法進入這個新生市場。[2018/10/19]

從加密貨幣財富中消費

加密貨幣財富的增加如何影響家庭消費？本文通過將總季度家庭消費作為因變量，對方程3進行重新估計以回答這個問題。這些回歸中的β可以解釋為每一美元新加密貨幣財富的消費邊際傾向（MPC）。本文在表4中報告結果。在全樣本中，本文發現一個小的、統計上不顯著的MPC。

表4 加密貨幣收益與總支出

MPC估計存在一個潛在的混淆因素，即本文樣本中的最后兩年半發生在Covid之后。總體支出在此期間下降，符合旅行和其他自由支出機會有限的特點。高收入家庭的支出下降尤為顯著，而加密貨幣投資也與收入相關。這些數據特征很可能會使在Covid期間對加密財富的MPC估計偏低。為了解決這個問題，在第2列中，本文將加密收益與Covid期間的季度指示符進行交互作用。本文發現，在Covid期間，加密收益與支出強烈負相關；然而，在Covid前，加密財富中的MPC約為每增加1美元的加密收益就有0.09美元。在第3列中，本文將樣本限制在Covid期前，并得到類似的MPC。這個加密財富的MPC大約是股權財富的MPC估計值的3倍，對于相似財富分布點的個體來說，股權財富的MPC大約是0.03美元。然而，它低于約為0.50美元的彩票中獎的MPC估計值。因此，家庭對待加密收益更像是抽獎，而不是股權收益，但比實際彩票中獎更像是股權收益。

MPC的一個問題是實現的加密收益可能與家庭支出有內生性關系。如果投資者預計有大筆支出，他們可能會選擇提前兌現部分投資組合，尤其是如果投資者認為加密貨幣價格可能下跌。或者，投資者可能會加倍投資加密貨幣，希望高收益將產生所需的財富來支付支出。如果投資者對加密貨幣回報的信念是正確的，這些行為類型將導致本文的普通最小二乘估計偏高，因為觀察到的支出將恰好在實現加上未實現的加密收益更大時變大。

為了解決這些問題，本文構建了一個用作AvgCryptoGains?,q的工具變量，該工具變量是一年內加密貨幣凈回報與家庭4個季度前的加密貨幣財富相乘得到的，

其中BTCq和ETHq是季度q中比特幣和以太坊的價格，BTCWealth?,q?4是家庭一年前比特幣組合的估值。這個工具可以解釋為家庭四個季度前加密貨幣財富的變化，僅由家庭初始分配的加密貨幣的表現引起。該工具除去了在支出前一年發生的內生組合配置決策導致的家庭加密貨幣財富的任何變化。

使用被動加密貨幣收益作為平均每個季度加密貨幣收益的工具，第一階段估計如下：

不出所料，被動收益強烈預測實際家庭加密貨幣收益——主要規范中第一階段的F統計量約為2500。然后，本文使用方程5中預測的加密貨幣收益來估計第二階段回歸：

為了使工具變量有效，加密貨幣財富的被動收益（由前一年的加密貨幣回報和滯后加密貨幣財富的異質性組合引起）必須與可能影響家庭消費的任何其他變量無相關性，考慮年-季度和家庭固定效應。

本文在表4的第4列中報告了方程6的2SLS結果。本文發現，MPC估計值為約0.08，且具有顯著的統計學意義。這個估計值僅比OLS估計值略小。然而，即使這個較小的MPC仍然比股權財富的常規估計值大2.5倍以上。接下來，本文通過將負的加密貨幣收益的指示變量與加密貨幣收益相互作用來調查家庭是否對待加密貨幣損失與收益不同。結果顯示，與負收益的交互作用的估計系數在統計上不顯著，雖然綜合效應表明對加密貨幣損失的MPC反應要比對加密貨幣收益的MPC反應更為緩和。一個關鍵的結論是，盡管收入和損失可能不完全對稱，本文仍然預計在加密貨幣崩盤之后會出現支出的減少。

在消費反應中可能存在異質性的另一個維度是收入。為了探究這一可能性，本文將樣本分為四個分位數，根據家庭在樣本中首次出現的那一年的總收入。然后，本文分別重新估計每個子樣本的2SLS模型，并在表5面板A中報告結果。低收入家庭在加密貨幣獲利后的消費沒有明顯變化。需要注意的是，本文的加密貨幣收益的衡量主要代表未實現的紙上收益。低收入家庭不會通過未實現的加密貨幣收益進行消費。相反，收入排名前兩個四分位數的家庭的消費傾向估計值介于0.08到0.10之間，并在5%水平上顯著。

表5 異質效應

在表5面板B中，本文分別考察了每個收入四分位數中加密貨幣收益和損失之間的不對稱性。本文發現收入排名前三個四分位數中的家庭沒有不對稱性的證據。然而，對于最低收入家庭來說情況是不同的。對于這些家庭來說，綜合系數意味著每損失1美元的加密貨幣，低收入家庭實際上會增加0.22的消費。為什么低收入家庭在損失后會增加消費？本文發現，家庭在損失后更有可能撤出加密貨幣。盡管這相對于12個月前的加密貨幣投資組合余額而言是一種虧損，但是家庭現在有了新的美元可用于支票賬戶。對于低收入家庭來說，似乎將這些難以花費的加密貨幣轉換為流動現金使他們更愿意消費。

最后，本文在表6中探討了不同消費類別對加密財富變化的反應。最大的影響是現金/支票消費（見第4列）；這種消費占總體消費的80%左右。剩下的消費效應主要來自抵押貸款支付的增加。這兩個結果與購買新房或其他大型耐用品（如汽車）相符，因為與房屋和汽車購買有關的許多費用都通過支票支付。在下一節中，本文將更深入地研究新房購買。

表6 消費加密財富的傾向

韓國加密貨幣交易所Bithumb在2017年取得巨額收入，一年內純利潤增長170倍:4月4日，根據Vident的報告書顯示，韓國最大的加密貨幣交易所之一的Bithumb在2017年的總銷售額3,334億韓元（約人民幣19.87億元）的收入，純利潤是4,272億韓元（約人民幣25.44億元）。在2016年總銷售額是43億韓元（約人民幣0.26億元），純利潤是25億韓元（約人民幣0.15億元）。一年之間總銷售額增長了76倍，純利潤增長了170倍。Bithumb的總銷售額比純利潤低的原因是與其他交易所相比收取手續費的標準不同。Bithumb收取手續費的標準是投資者買入虛擬貨幣時收取相應金額的虛擬貨幣，賣出虛擬貨幣時收取法幣為手續費。所以因虛擬貨幣的漲幅度，利潤則會出現相應的變動。[2018/4/4]

本節的結果表明，家庭在加密財富增加后會改變其投資和消費行為。一些家庭通過撤出加密資產并將資金存入傳統經紀公司來重新平衡其投資組合，而其他家庭則通過向加密交易所存入更多資金來追逐加密收益。加密財富的消費傾向比股權財富的消費傾向高2-3倍，但低于彩票收益的消費傾向。

上一節中記錄的消費變化發生在加密財富基本上未實現的變化之后。在大規模實現收益之后的消費決策可能會遵循不同的模式。根據本文的數據，近50％的加密用戶在某個時刻從加密交易所中提取了一些資金。決定實現加密收益（即從加密交易所提取資金）顯然是內生性的，可能在一定程度上受家庭支出和資產負債表流動性的影響。圖3中可見的趨勢表明，加密提取的另一個動因是加密貨幣回報。在總體水平上，高比特幣回報之后的提取明顯增加。Aiello等人（2023）更正式地研究了這種關系，并發現滯后的比特幣回報正向預測零售加密提取。這種關系導致了家庭提取決策的一些變化。

為了評估家庭在從加密交易所大額提取資金后如何改變消費決策，本文在家庭層面上使用事件研究框架進行建模。本文估計模型：

其中，因變量yi,t表示用戶?在月份t中不同消費類別的總消費。感興趣的主要自變量是一個指標，當月份t超過大額提款事件??時，該指標等于1。在基線分析中，本文將大額提取定義為大于5000美元。在本文的樣本中大約有3109個此類事件，平均提取量約為17000美元。回歸包括賬戶固定效應（??）和年份固定效應（??）；同時控制了滯后的月度收入。本文將分析范圍限定在事件??之前和之后12個月的窗口內。

事件研究建立了加密貨幣提取和消費變化之間的時間關系的因果關系。然而，這并不能確立提取導致消費變化的因果關系。這是因為提取決策可能是為了預期未來消費的變化。如果因果機制是預期驅動的提取，這也意味著在沒有這額外流動性的情況下，更高的消費可能是不可行的。這些結果表明，無論是加密提取導致消費增加，還是期望的消費增加導致了加密財富的消耗，加密財富都被用于資助消費增加。

圖A.4 大額加密貨幣提款

附錄圖A.4繪制了一段時間內的大額加密提取次數。2017年加密價格上漲期間大額提取急劇增加，以及2021年初大回報之后還有明顯的提取高峰。盡管存在這種間歇性，但自2016年以來大額提取事件幾乎每個月都有。

表7 加密貨幣提款和支出

表7中的結果報告了個體從加密市場提取至少5000美元后各種類別的年化月度支出差異。第1列中的系數表明，在大額加密提取后的一年中，支出總額相對于該家庭前一年的支出增加了7877美元。與主要是虛擬加密財富收益支出不同，幾乎所有消費類別的支出都有顯著增加。本文尤其看到現金/支票支出和一般商品支出有大幅增加。娛樂、旅行和餐飲方面的離散性支出也大幅增加。最后，加密提取還用于住房開支-按揭支出增加約600美元，保險增加約180美元，公用事業費增加約140美元。實際上，盡管與住房關聯性較小，甚至支票和一般商品的支出增加也可能表示首付款、履約保證金和新房布置。

圖6 首次大額比特幣提款前后的每月抵押貸款和租金支出

由于似乎許多大額加密提取被用于住房，本文將注重按揭支出，以試圖了解可能導致家庭變現加密財富的現有趨勢。本文在圖6的頂部面板中繪制了按揭事件研究情況，其中繪制了從加密市場提取大額資金后，與事件時間相關的系數相對于日期的情況。在大額加密提取前的6個月，按揭支出保持穩定，但在此后顯著增加。與按揭支出相反，租金支出（底部面板）在事件窗口內保持穩定，這表明本文觀察到的支出增加并不是由于住房總價格的變化所驅動。

表8 加密貨幣提款和向住房所有權過渡

接下來，本文研究加密提取對按揭支出的影響如何隨提取金額的不同而變化。表8報告了使用方程7中的模型估計的按揭費用結果，但將大額提取門檻從5000美元增加到10000美元。第1列和2列顯示，更大的加密提取金額隨后會導致更大的按揭支出增加。例如，從加密市場提取至少10000美元的用戶在接下來的一年中，按揭支出增加了732美元，比從加密市場提取至少5000美元的估計效應增加了約20％。

按揭支出的增加可能是由新房購買驅動的，但也可能代表家庭提前償還現有按揭貸款。在表8的第3列和4列中，本文重新估計了事件研究，使用新購房者的指標作為結果變量。本文定義一個每月指標，如果一個家庭在加密提取后的接下來的6個月內按揭支付總額超過2500美元，并且在加密提取前的6個月內按揭支付總額少于100美元，則該指標等于1。使用此指標作為新購房的代理，本文發現至少提取10000美元的加密提取會使進入購房者的可能性增加約4.7個百分點，相對于樣本均值增加約43％。

加密貨幣財富對當地房價的整體影響

在第4節中，本文證明了加密財富增加后家庭在住房方面的支出增加。個體級別的購房決策可能對當地住房市場產生價格壓力，特別是因為圖4顯示家庭加密財富具有地理集中性。在本節中，本文探討了加密財富的總體變化對當地住房市場的影響程度。本文首先定義月度縣級加密財富為

其中CryptoWealth?,t是家庭?在t月末的加密財富，如方程1所定義，而縣級加密財富CryptoWealthc,t等于住在縣c中的所有家庭t月末加密財富總和。與本文的家庭級別分析不同，在家庭樣本較小的情況下，本文將縣級加密財富聚合到整個用戶交易數據庫中，但僅選擇被數據提供商標記為高質量的用戶。此過程結果為約10％的用戶樣本，即大約600萬個家庭。

然后，本文定義每人年度縣級加密收益為：

NetWithdrawc,?-11→t是縣c在前12個月內加密貨幣提取減存款的總和。與本文在個人水平上度量的加密貨幣收益相似，CryptoGainsc,t包括縣c在前12個月內的實現收益和未實現收益。本文將此指標按照前一年年末在縣內交易數據中的家庭數量進行縮放。假設本文的交易數據代表了每個縣的隨機樣本，這種縮放可以得到縣級人均零售加密貨幣收益的無偏估計，這使本文能夠在不同的住房市場規模之間進行比較。

本文通過估計如下形式的回歸模型來研究縣級加密貨幣收益與房價之間的關系：

ZHVIc,t是每月的縣級Zillow房屋價格指數（ZHVI）。縣級（?c）和年-月（?t）固定效應控制了縣級財富水平的差異和住房價格的國家趨勢。本文還包括滯后的月度ZHVI，以控制當地住房市場的動態。本文的標準誤在縣級進行聚類，而且本文通過縣級用戶與總縣人口的比例對回歸進行加權，以減小稀疏抽樣帶來的誤差。

對于????為了恢復出縣級加密貨幣財富增長對房價的因果效應，先前一年內縣級加密貨幣財富的增長必須與未來的房價無關。有兩個原因不太可能出現這種情況。首先，方程10可能存在逆向因果關系——在某一地區，房價上漲可能導致家庭出售加密貨幣來購買房屋，從而降低了縣級加密貨幣投資組合的價值。根據這種加密貨幣提取后加密貨幣價格的變動情況，瞬時OLS估計可能出現偏差。其次，變得更富有的縣很可能房價上漲，并且可能還會有更大的加密貨幣存款。這個被忽略的變量可能會使本文的OLS估計值上升。

為了解決這些問題，本文利用縣級歷史加密貨幣參與的異質性來進行兩個自然實驗—雙重差分法以及工具變量方法，以確定加密貨幣財富對當地房價的因果效應。

為了研究加密貨幣投資組合價值增長對縣級房價的影響，本文首先使用雙重差分法方法，針對2017年底比特幣價格的大幅上漲進行分析。在整個一年中，比特幣價格從954美元上升到14003美元，漲幅近1400%，是本文樣本中單一最大的12個月漲幅。比特幣價格上漲的幾個特征使其成為研究加密貨幣財富增長對當地住房市場影響的理想環境。

首先，在這段時間內，比特幣的巨大回報使早期投資者的加密財富大幅增加。其次，這段時間內加密投資主要由比特幣主導——截至2016年12月，以市值為基礎，比特幣占所有加密貨幣的87%。這使本文對加密財富的推測性測量在此期間比其他加密貨幣更發達的后期更加準確。最后，比特幣價格的上漲也導致了大規模的加密交易所提現，本文在第4.1節中的證據表明，大規模的提現通常用于購買房地產。受到這一想法的啟發，本文將在價格上升之前擁有高水平加密財富的縣與低水平加密財富的縣在價格上漲后的幾個月內的房價進行比較。形式上，本文估計

在這里，HighCryptoc,2016是指那些在2016年12月每人加密財富排名前三分之一的縣。本文將中間三分之一的每人加密財富排除在樣本之外。

圖7 比特幣價格上漲期間的加密貨幣縣財富和提款

圖7面板a顯示了樣本中高和低加密財富縣的地理分布情況。Postt是一個指示變量，當比特幣價格上漲后的幾個月內時取值為1。圖7面板b顯示了比特幣價格增長率在2017年5月開始有了明顯增加；因此，本文將后期的事件月份0定義為當月。本文包括圍繞這個事件的18個月窗口，并將Postt定義為從2017年5月開始的縣月指示變量，其值為1。圖7面板c證實了高加密財富縣在比特幣沖擊下受到的影響；在后期，這些縣的提現量大幅增加，而低加密財富縣的提現量變化則較小。

為了通過這種方法確認加密財富變化對房價的因果影響，本文必須假設如果比特幣價格沒有飆升，高和低加密財富縣的房價增長趨勢將會相似。為了檢驗這種平行趨勢的假設，在圖8中，本文繪制了根據方程11的一個版本進行估計得到的系數與18個月窗口周圍的每個月份的加密價格沖擊指示變量進行交互作用的結果。本文省略了事件月份t=?1。交互作用的估計系數在前期是小而負，并且與零沒有顯著差異。相反，在提現開始后，這些系數是正的且顯著。

圖8 平行趨勢檢驗

一個重要的剩余問題是是否存在其他與比特幣上漲同時發生并在高和低加密財富縣的房價上產生差異影響的事件。鑒于比特幣的波動性，上漲的時間和幅度可以被認為是隨機的。然而，加密財富的縣集中并不是隨機的。因為本文關注的是歷史上的縣級加密財富，因此不存在逆因果性的問題（即2018年的房價增長并未導致2016年加密投資組合價值發生變化）。然而，選擇歷史加密財富時可能與其他時間變動的縣級特征相關，這會誤導本文對實驗的解釋。

圖7面板a顯示了高和低加密財富縣的地理分布，這是一個可能的問題。雖然國內加密財富存在較大的變化，但大部分沿海地區都是由高加密財富縣組成。這些地區更富裕，也有更高的股票市場參與水平。如果股票收益與加密貨幣收益之間的相關性足夠高，本文的差異性差異估計可能反映的是股票財富而不是加密財富的影響。為了緩解本文的差異性比較實驗可能受到股票收益的影響的擔憂，本文采取了三個步驟。

首先，本文將比特幣回報率與納斯達克回報率在加密財富沖擊的幾個月中進行比較（見附錄圖A.2）。雖然比特幣回報率在這段時間內比納斯達克回報率高出20-50倍，但納斯達克回報率對于股票來說是相當高的，從20%-30%不等。重要的是，納斯達克回報率在加密財富沖擊期間相對穩定，甚至有所下降。

圖A.2 比特幣和納斯達克12個月滾動回報

第二，雖然高加密財富縣在比特幣價格上漲后出現了大量的加密提現，附錄圖A.3顯示了在此事件周圍沒有從經紀賬戶中提現的不連續變化，這表明高加密財富縣并未實現特別的股票收益。最后，本文的差異差分結果也經過了對縣級股票暴露與后期指示變量進行控制的穩健性檢驗。

圖A.3 加密財富引發的圍繞比特幣的股權投資退出

在表9中，本文使用高加密財富縣的指標來估計傳統的DID系數（列1和3），以及在2016年將后期指標與每人加密財富的對數交互的連續版本（列2和4）。根據這兩個規范，相對于低加密財富縣，高加密財富縣在比特幣價格上漲后的幾個月內經歷了更高的房價。

表9 比特幣上漲DID：縣-月房價

列1中對加密財富對縣域房價的估計效應表明，高加密財富縣的房價在后期增長大約快46個基點，相對于低加密財富縣，這大約是2018年房價增長標準差的12%。以美元計算，第3列的估計結果表明，在比特幣價格沖擊后的九個月內，高加密財富縣的房價約高出$1878。相對于縣域房價的平均值，這大約是價格的1%增加。連續規范意味著類似的，但更小的經濟幅度。根據從第25到第75百分位數的縣域加密財富變化估計的彈性，房價將增加大約19個基點。

本文通過使用兩階段最小二乘法（2SLS）將DID實驗擴展到整個時間序列。本文構造了一個工具變量CryptoGainsc,?。具體而言，本文使用縣級被動收益來構建縣級加密資產的工具變量，計算方法是將過去一年的比特幣—以太坊凈收益乘以縣域的加密財富12個月前的加權：

這里，HighCryptoc,2016月底比特幣的價格。該工具可以解釋為過去12個月內，僅由該縣對加密貨幣的初始分配表現引起的縣人均加密資產的變化。該工具通過使用該縣在一年內沒有存入或提取任何額外資金的情況下從其加密投資組合中賺取的凈美元來處理反向因果關系。

為了成功緩解人們對縣財富更廣泛變化可能同時推動加密貨幣投資和房價的擔憂，加密貨幣財富的被動收益（由于比特幣和以太坊上一年的回報以及滯后加密貨幣財富中的異質性）必須與可能影響房價的非加密貨幣財富任何其他變化無關，經核算年、月、縣固定效應。對于許多財富來源來說，這種排除限制可能會得到滿足。例如，由于比特幣回報的時間是準隨機的，由于該縣職業或行業組合的變化，這些回報不太可能與財富增長相關。剩下的最合理的擔憂是，比特幣或以太坊的回報與股權回報相關，加密貨幣財富的縣級異質性也與股權財富的異質性相關。為了緩解這種擔憂，本文構建了一種替代工具，表示同期比特幣回報率超過股票市場回報率：

根據這個定義，本文的工具代表投資者比特幣和以太坊投資組合相對于納斯達克（QQQ）回報的被動超額收益。這個修改結果產生了對于縣級相對于類似大型科技公司的配置的額外加密財富效果的31個估計值。使用ExcessPassiveGainsc,t作為工具得到了類似的結果，表明股權回報并不是本文結果的驅動因素。使用這些外生的加密收益作為工具，本文估計第一階段回歸：

毫不意外的是，初始加密持有的回報強烈預測著縣級加密收益——第一階段?統計量在本文的主要規范中的范圍從3000到6000。然后，本文使用方程14中預測的加密收益來估計以下的第二階段回歸：

本文測量當前月后三個月的住房價格指數的變化，表示為ZHVIc,t。

表10報告了在方程15中估計的2SLS結果。本文發現縣級加密財富的增長導致縣級房價在接下來的3個月內上漲，而在接下來的6個月內上漲更多。這些估計在統計上是高度顯著的，并且在包括固定效應的情況下具有穩健性，無論是使用PassiveGains還是ExcessPassiveGains工具。

表10 加密貨幣收益對房價的影響

表10結果表明，每個縣人均加密財富收益增加1美元會導致未來3個月內房價上漲約0.076美元，或者在接下來的六個月內上漲約0.21美元。這些估計意味著縣人均加密收益的一個標準差增加會導致未來六個月內縣房價增加674美元。相對于樣本平均值而言，這大約是房價增長的36個基點，和DID分析得到的估計大致相同。

綜上所述，本節和第5.1節的證據表明，加密財富對實體經濟產生了溢出效應。暴露于加密資產的縣份在大額加密回報之后經歷了更快的房價增長。

結論

美國的家庭越來越多地將加密貨幣作為投資策略的一部分，部分原因是其極端的波動性導致一些投資者迅速獲得財富。本文是第一個記錄這種新興加密財富對消費的反應，并識別其對當地房價的溢出效應。通過使用數百萬美國家庭的金融交易級別數據，本文展示家庭加密貨幣投資者似乎將加密貨幣視為投資組合的一部分，一些家庭追逐加密收益，其他家庭將部分加密收益再平衡到傳統的經紀投資。家庭還利用加密財富增加其自由支配的消費。加密財富的消費傾向比股權財富高得多，但比彩票中獎的傾向低。

家庭還會取出加密收益來購買住房，包括成為新買家和升級現有住房。這種對住房的增加支出給當地房價帶來上升壓力，特別是在嚴重暴露于加密資產的地區。總體而言，縣級加密財富的增長導致縣級房價上升。

根據加密貨幣的擁護者，加密貨幣回報與其他資產類別多數不相關。此外，最近加密貨幣市場的崩潰似乎對更廣泛的金融市場的傳染效應也有限。雖然加密貨幣可能對其他金融資產的溢出效應有限，但本文的結果表明加密投資確實會影響實體資產。因此，加密財富的分布對實體經濟具有重要的影響。

以下為文章部分截圖

Foresight News

金色財經 Jason.

白話區塊鏈

金色早8點

LD Capital

-R3PO

MarsBit

深潮TechFlow

Tags：加密貨幣比特幣NBSBSP加密貨幣怎么交易比特幣最新價格行情走勢nbs幣發行量BSPAY價格

PEPE