Разработка режимно-зависимых моделей прогнозирования цен криптовалют как нового класса финансовых инструментов тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Крупочкин Анатолий Владимирович

• Крупочкин Анатолий Владимирович
• кандидат наук
• 2026

Оглавление диссертации кандидат наук Крупочкин Анатолий Владимирович

Введение

Глава 1 Экономическая природа и классификации цифровых активов и

криптовалют

1.1 Криптовалюты в современной терминологии цифровой среды

1.2. Криптовалюты как финансовый актив и инструмент: дуальная природа,

свойства и инвестиционная парадигма

1.3 Синтез исследований по ценообразованию криптовалют

Глава 2 Разработка концепции формирования биржевой цены криптовалют как финансового объекта

2.1 Концепция биржевой цены криптовалюты как финансового объекта

2.2 Многофакторная система ценообразования

2.3 Методическая база для эмпирического анализа

Глава 3 Эмпирическое исследование и адаптивная режимно-зависимая модель прогнозирования

3.1 Данные и предварительный анализ

3.2 Эмпирическая идентификация и статистическая характеристика рыночных режимов

3.3 Оценка точности прогнозирования режимно-специфических моделей

Заключение

Список литературы

Приложение А (справочное) Данные по биржевой цене биткоин

Приложение Б (справочное) Количественные значения объясняющих переменных моделей

Введение диссертации (часть автореферата) на тему «Разработка режимно-зависимых моделей прогнозирования цен криптовалют как нового класса финансовых инструментов»

Введение

Актуальность темы исследования обусловлена стремительным развитием цифровой экономики и формированием нового класса финансовых объектов -цифровых активов и криптовалют, интеграция которых в глобальную финансовую систему выявила системные пробелы в теоретическом осмыслении и регулировании. Практическая потребность в надежных инструментах финансового анализа существенно опережает развитие методического аппарата, что определяет комплекс взаимосвязанных задач:

- терминологическая неопределенность в отношении базовых понятий («цифровой актив», «криптовалюта» и др.) препятствует формированию последовательной регуляторной политики и адекватной оценке риска и доходности, что особенно актуально в контексте незавершенного правового оформления в российском законодательстве;

- ограниченная применимость традиционных финансовых моделей (ЕМН, САРМ, DCF) вследствие фундаментальных свойств рынка: структурной нестационарности, гипертрофированной волатильности, алгоритмической детерминированности ценообразования и трансграничной асинхронности ликвидности;

- необходимость учета режимной природы рынка, проявляющейся в закономерной смене качественно различных состояний («стабильный рост», «консолидация», «экстремальная волатильность»), каждое из которых характеризуется уникальным набором параметров (волатильность, доходность, корреляции) и требует специализированных подходов к прогнозированию.

Таким образом, актуальность исследования определяется необходимостью разработки комплексного подхода, интегрирующего юридический, финансово-экономический и технологический аспекты анализа цифровых активов. Следует отметить, что формулировка темы, соответствующая сложившемуся дискурсу, оперирует понятием «финансовые инструменты», однако проведенный анализ

выявил дуальную природу криптовалют, что требует их рассмотрения как уникального класса финансовых объектов с контекстно-зависимой сущностью («актив» / «инструмент»).

Степень разработанности темы. Проблематика цифровых активов и криптовалют находится в фокусе внимания значительного числа зарубежных и отечественных исследователей, что сформировало обширный, но фрагментированный массив научных знаний.

Теоретико-правовые аспекты, вопросы терминологии и классификации цифровых активов исследованы в работах российских авторов (Агеев А.И. и Логинов Е.Л., 2018; Кочергин Д.А., 2022; Санникова Л.В. и Харитонова Ю.С., 2018), а также в трудах зарубежных ученых, анализирующих технологические и регуляторные основы блокчейна (Antonopoulos A.M., 2015; Nakamoto S., 2008; Narayanan A. et al., 2016). Финансовая природа и функции криптовалют как средства сбережения и обмена глубоко проанализированы в исследованиях (Кинсбурская В.А., 2019; Baur D.G. и Hong K., 2018), тогда как их спекулятивный и инвестиционный характер, а также поведение доходности систематически изучены в работах (Corbet S. et al., 2017; Liu Y. и Tsyvinski A., 2021; Corbet S. et al., 2018).

Теоретические основы ценообразования и гипотеза эффективного рынка, применяемые для анализа, раскрыты в фундаментальных трудах (Fama E.F. и French K.R., 1993; Sharpe W.F., 1964), в то время как современные исследования (Jalan A. и Matkovskyy R., 2023; Kraaijeveld O. и De Smedt J., 2020) внесли значительный вклад в понимание микроструктуры рынка, роли алгоритмической торговли и влияния новостного фона.

Значительный вклад в изучение динамики цен криптовалют с использованием традиционных эконометрических моделей, включая ARIMA, внесли (Katsiampa P., 2017; Troster V. et al., 2018). Особого внимания заслуживают работы, посвященные анализу структурных изменений и режимных сдвигов (Hamilton J.D., 1989; Bai J. и Perron P., 1998), а также современные методы прогнозирования, такие как адаптивные модели временных рядов Prophet (Taylor S.J. и Letham B., 2018) и алгоритмы машинного обучения XGBoost (Chen T. и

Guestrin C., 2016), которые открывают новые возможности для повышения точности прогнозов.

Вопросы регулирования и макроэкономического воздействия, включая влияние экономической политической неопределенности (EPU), рассмотрены в работах (Regulation (EU) 2023/1114, 2023; European Central Bank, 2023; Wang G.-J. et al., 2018).

Несмотря на значительный массив научных исследований, посвященных криптовалютным рынкам, комплексный подход, направленный на создание эффективного инструментария режимно-зависимого прогнозирования, остается недостаточно разработанным. Существующие работы, как правило, сосредоточены на изолированном изучении отдельных аспектов - либо терминологических, либо модельных, - и часто опираются на традиционные финансовые модели, не учитывающие фундаментальную структурную нестационарность данных. В частности, не предложено целостных решений, которые бы последовательно сочетали:

- уточнение терминологического аппарата, необходимое для однозначной идентификации криптовалют как объекта финансового моделирования и корректного правового позиционирования;

- построение комплексной иерархической модели факторов ценообразования, адекватно описывающей взаимодействие технологических, рыночных и экзогенных сил, формирующих цену;

- разработку адаптивной режимно-ориентированной методики прогнозирования, способной учитывать смену состояний рынка для решения прикладных задач управления финансовыми рисками.

Настоящее исследование нацелено на преодоление этого методического разрыва в области финансовой науки и восполнение указанного пробела путем разработки целостного научно-практического аппарата, обеспечивающего повышение точности прогнозов на рынке криптовалют.

Цель исследования заключается в разработке теоретических положений и адаптивной методики режимно-зависимого прогнозирования цены криптовалюты

как уникального класса финансовых объектов, основанной на комбинировании и верификации современных эконометрических методов и моделей машинного обучения, для повышения точности прогнозов и эффективности управления финансовыми рисками.

Для достижения поставленной цели были определены следующие задачи исследования:

1. Провести критический анализ и систематизацию существующих правовых, экономических и технологических подходов к определению цифровых активов и криптовалют; на этой основе разработать непротиворечивую систему авторских определений и уточненную классификацию.

2. Выявить и теоретически обосновать закономерности эволюции механизмов ценообразования; разработать концепцию биржевой цены как алгоритмически управляемого баланса ликвидности, формируемого под совместным воздействием децентрализованной архитектуры, поведенческих паттернов и экзогенных шоков.

3. На основе выявленных значимых факторов ценовой динамики выстроить их иерархию по силе и характеру воздействия; разработать трехуровневую модель, раскрывающую внутреннюю логику взаимодействия технологических, рыночных и экзогенных сил.

4. Выделить и структурировать совокупность взаимосвязанных фундаментальных характеристик и производных инвестиционных качеств криптовалют; на этой основе доказать качественное отличие их инвестиционного профиля и обусловленную этим ограниченность классических финансовых моделей (EMH, CAPM, DCF).

5. Разработать и верифицировать методику, последовательно решающую задачи: а) идентификации и классификации рыночных режимов на основе структурных разрывов и кластеризации; б) обоснования и апробации специализированных прогностических моделей, выбор которых детерминирован характеристиками выявленного режима.

Объектом исследования выступает рынок криптовалют как новый класс

финансовых объектов, в частности, ценовая динамика и механизмы формирования биржевой цены криптовалюты (на примере биткоина). Сфокусированность анализа на биткоине обусловлена его ролью системообразующего актива крипторынка, что подтверждается устойчивым доминированием в капитализации рынка криптовалют.

Предметом исследования являются закономерности, факторы и модели режимно-зависимого прогнозирования биржевых цен криптовалют, включая методику идентификации рыночных режимов, разработку адаптивных моделей и оценку их точности для задач финансового риск-менеджмента.

Теоретическую основу диссертации составили:

- фундаментальные положения экономической теории, теории финансов и гипотезы эффективного рынка (Fama E.F.);

- современные теории ценообразования активов (CAPM, APT) и управления их портфелем;

- теоретические исследования экономической природы денег, цифровых валют и криптовалют как объектов инвестирования;

- научные публикации, исследующие технологические основы блокчейна, смарт-контрактов и децентрализованных финансов (DeFi) в контексте их влияния на финансовую систему;

- научные работы в области поведенческих финансов и анализа нестационарных временных рядов применительно к финансовым рынкам.

Методологическую основу исследования составляет системный подход, объединяющий следующие методы:

- общенаучные: анализ, синтез, сравнение, классификация, систематизация;

- теоретические: моделирование, абстрагирование, формализация;

- эконометрические и статистические: описательная статистика, корреляционный и регрессионный анализ, тест Бай-Перрона на структурные сдвиги, модель марковских переключений (MSM), кластерный анализ -применяемые для решения финансовых задач анализа и прогнозирования;

- методы машинного обучения: алгоритм градиентного бустинга XGBoost

для прогнозирования финансовых временных рядов;

- специализированные методы прогнозирования: аддитивная модель временных рядов Prophet для финансового моделирования.

Для эконометрического моделирования и анализа описательной статистики использовалось программное обеспечение Python версии 3.13 в среде разработки Visual Studio Code. Диссертация написана с использованием программного обеспечения MS Word.

Эмпирическую базу исследования составили:

- временные ряды ежедневных цен закрытия биткоин (BTC-USD) за период с 01.01.2015 по 01.07.2025 (3835 наблюдений) как базовый финансовый индикатор;

- данные ончейн-метрик (хэшрейт, активность адресов, объем транзакций) для фундаментального анализа финансового рынка;

- макроэкономические показатели (индексы S&P 500, Nasdaq-100, ставка ФРС (EFFR), индекс доллара (DXY)) как факторы финансового рынка;

- цены на сырьевые активы (золото, нефть) как корреляты финансовых потоков;

- индексы настроений для поведенческого финансового анализа;

- нормативно-правовые акты Российской Федерации и международные стандарты финансового регулирования.

Научная новизна исследования заключается в развитии теории, методического обеспечения и практических рекомендаций по режимно-зависимому моделированию цен криптовалютного рынка как нового класса финансовых инструментов.

Наиболее существенные научные результаты, полученные лично автором и выносимые на защиту:

1. Предложена непротиворечивая система авторских определений и уточнена классификация цифровых активов на основе критического анализа и систематизации существующих правовых, экономических, технологических подходов к экономической сущности криптовалют, имеющих место в российском законодательстве, исследованиях отечественных и зарубежных авторов.

2. Разработана и теоретически обоснована концепция формирования биржевой цены криптовалюты как а) эволюционного процесса развития четырех последовательных взаимосвязанных фаз, каждая из которых характеризовалась собственной доминирующей моделью формирования стоимости; б) алгоритмически управляемого баланса ликвидности, формируемого под совместным воздействием децентрализованной архитектуры блокчейн-систем, поведенческих паттернов участников и экзогенных шоков (технологических, рыночных, макроэкономических); в) динамического и режимно-зависимого баланса пяти взаимовлияющих элементов: алгоритмических механизмов (АММ, ЮГ), структурной фрагментации ликвидности, режимно-зависимой глубины рынка, регуляторных барьеров, поведенческих паттернов участников.

3. На основе выявленных и структурированных значимых факторов ценовой динамики криптовалютного рынка, их иерархии, силы и каналов воздействия разработана трехуровневая иерархическая модель ценообразования криптовалют, показывающая внутреннюю логику взаимодействия технологических, рыночных и внешних сил, трансформирующих базовые протокольные свойства цифрового объекта в его конкретную биржевую оценку, состоящая из следующих уровней - технологические (инвариантные), рыночные (динамические), экзогенные (шоковые) факторы.

4. Выявлена и систематизирована совокупность взаимосвязанных свойств криптовалют как класса финансовых инструментов, объединяющая их фундаментальные характеристики (структурная нестационарность, трансграничная асинхронность ликвидности, алгоритмическая детерминированность ценообразования) и вытекающие из них инвестиционные качества (режимная полярность корреляции с традиционными активами, двойственная природа ликвидности), что в комплексе формирует инвестиционный профиль, качественно отличающийся от профиля традиционных финансовых инструментов и обусловливает ограниченность классических финансовых моделей (ЕМН, САРМ, DCF) для их анализа.

5. Разработана и верифицирована комплексная методика режимно-

зависимого финансового моделирования прогнозных цен криптовалюты, которая предполагает: а) идентификацию и классификацию рыночных режимов криптовалютного рынка на основе ретроспективного анализа структурных разрывов и их последующей кластеризации, б) применение специализированных прогностических моделей (Prophet, XGBoost), зависящих от характеристик выявленного режима, в) корректное использование прогностических инструментов в условиях фундаментальной нестационарности рынка криптовалют для управления финансовыми рисками и инвестициями.

Теоретическая значимость работы заключается в развитии финансовой науки через критику классических парадигм и построение новой теоретико-методической основы для анализа цифровых активов. Исследование формирует понятийный аппарат цифровых финансов, обосновывает необходимость учета их фундаментальных свойств (структурной нестационарности, алгоритмичности) и предлагает авторскую концепцию ценообразования как управляемого баланса ликвидности. Разработанный комплексный методический подход, сочетающий идентификацию структурных сдвигов, моделирование марковских переключений и режимно-специфическое прогнозирование, расширяет границы финансовой эконометрики и создает основу для анализа нового класса финансовых объектов.

Практическая значимость исследования заключается в разработке прикладного инструментария и рекомендаций для ключевых участников рынка цифровых активов, способствующих снижению рисков и повышению эффективности их деятельности. Результаты работы направлены на решение задач:

- для инвесторов и управляющих активами - повышение точности прогнозирования и качества риск-менеджмента за счет адаптивных режимно-зависимых моделей, а также оптимизации портфельных решений на основе выявленных свойств криптоактивов;

- для регуляторов и разработчиков инфраструктуры - совершенствование правового поля и надзорных практик на основе анализа системных рисков, а также проектирование более устойчивых торговых систем и финансовых продуктов;

- для образовательного процесса - формирование современных учебных

курсов, адекватно отражающих специфику цифровых финансов.

Таким образом, внедрение выводов диссертации способствует развитию более зрелого, технологичного и устойчивого рынка цифровых активов.

Степень достоверности и апробация результатов. Внедрение научных результатов диссертации подтверждено справками от двух компаний реального сектора: ООО «СПД», ООО «Цео-Макс», одной компании финансового сектора: ООО «СДК «Гарант», и одной организации образовательного сектора: ФГБОУ ВО «РЭУ им. Г.В. Плеханова».

Результаты диссертации были представлены на нескольких научно-практических конференциях, включая:

- IV Международная научно-практическая конференция «Современные финансовые рынки в условиях новой экономики» («РЭУ им. Г.В. Плеханова», 2024);

- XXXVI Международная научно-практическая конференция «21 век: фундаментальная наука и технологии» (Веща1иги, н.-и. ц. «Академический», 2024);

- Всероссийская научно-практическая конференция «Современные финансовые технологии в экосистеме метавселенных: фундаментальные и прикладные аспекты» (Финансовый университет, 2024);

- VII Международной научно-практической конференции «Тенденции экономического развития в XXI веке» (БГУ, 2025);

- V Международная научно-практическая конференция «Современные финансовые рынки в условиях новой экономики» («РЭУ им. Г.В. Плеханова», 2025);

- XXXVIII Международная научно-практическая конференция «Академическая наука - проблемы и достижения» (Веща1иги, н.-и. ц. «Академический», 2025).

Публикации. В рамках научных исследований по теме диссертации опубликовано 1 4 работ, в том числе 10 научных работ в журналах, рекомендованных ВАК общим объемом 6,02 п.л., вклад автора составил 5,82 п.л.

Структура работы. Диссертация содержит введение, 3 главы, включающие 9 параграфов, заключение, список литературы и 2 приложения. Общий объём диссертации - 245 страниц; работа содержит 19 таблиц, 22 рисунка. Список литературы состоит из 194 источников.

Тема диссертационной работы соответствует требованиям паспорта научной специальности Высшей аттестационной комиссии при Министерстве науки и высшего образования Российской Федерации по специальности 5.2.4. Финансы: п. 22. Финансовые инструменты и операции с ними; п. 33. Прогнозирование развития финансовых и валютных рынков; п. 34. Новые технологии в финансовом секторе, их влияние на состояние рынков финансовых услуг. Цифровые финансовые технологии (финтех). Цифровые финансовые активы.

Глава 1 Экономическая природа и классификации цифровых активов и

криптовалют

1.1 Криптовалюты в современной терминологии цифровой среды

Современная цифровая среда породила сложную систему терминов и понятий, связанных с оборотом криптовалют и более широким классом цифровых активов. Несмотря на существенный рост количества исследований в этой области, до сих пор отсутствует единое научно-теоретическое единство относительно того, как именно следует классифицировать и определять цифровые активы (ЦА). В отечественных и зарубежных работах, например, [8, 9, 24], встречаются различные подходы к систематизации, нередко сопровождающиеся неоднозначностями и правовыми коллизиями. В мировой практике не выработано общепринятое определение цифровых активов, а законодательство Российской Федерации, включая Федеральный закон № 259-ФЗ «О цифровых финансовых активах, цифровой валюте и о внесении изменений в отдельные законодательные акты Российской Федерации» от 31 июля 2020 года (далее - 259-ФЗ) [4], также не даёт однозначного ответа на вопрос о том, что именно следует понимать под термином «цифровой актив». Тем не менее, в отечественной нормативной среде сделаны попытки урегулировать правовую базу, вводя в действие несколько законодательных актов и определений, которые имеют прямое отношение к функционированию цифровых финансовых инструментов. Настоящий параграф диссертационной работы направлен на уточнение структуры имеющихся знаний о цифровых активах и криптовалютах, а также на дополнение уже существующего материала рядами дополнительных сведений, которые позволяют глубже понять особенности функционирования распределённых реестров и электронных денежных средств (ЭДС). В результате предлагается более расширенное

определение криптовалют1 с учётом их места в современной терминологии цифровой среды, а также рекомендации по дальнейшему совершенствованию классификации и нормативного регулирования.

Одной из основных сложностей исследования цифровых активов сегодня остаётся отсутствие универсального правового определения понятия «цифровой актив» (ЦА) в российском законодательстве. Для целей данного исследования было предложено рабочее определение ЦА, под которым понимается цифровое представление о собственности, ценности или правах в электронной цифровой системе [19]. Обязательными признаками любого ЦА в этом контексте признаются такие свойства, как существование в цифровом формате, ценность для собственника, возможность чёткого разграничения от других активов и доступность. Исходя из этого, можно констатировать, что цифровой формат подразумевает использование конечных дискретных значений (при помощи нулей и единиц), в отличие от непрерывных аналоговых сигналов. Зачастую это свойство технически реализуется посредством распределённых реестров (distributed ledger technology, DLT), которые позволяют хранить и синхронизировать данные сразу на нескольких сайтах или базах данных в сети [10, 19].

Технология распределенного реестра (DLT) обеспечивает децентрализованное хранение и валидацию данных, повышая отказоустойчивость системы и минимизируя транзакционные издержки за счет исключения посредников [10, 133, 145]. Экономическая ценность таких сетей основана на сетевых эффектах: ценность сети для каждого пользователя возрастает с ростом числа участников, что формирует основу фундаментальной стоимости криптовалютных экосистем и напрямую связано с законом Меткалфа [85].

С точки зрения российского законодательства можно упомянуть несколько актов, которые формируют нормативную базу для цифровых финансовых инструментов. Во-первых, это Федеральный закон № 161-ФЗ «О национальной платежной системе» от 27 июня 2011 года [3], определяющий базовые принципы

1 Подробнее авторские определения см. в параграфе 1.1. на стр. 28-29

обращения электронных денежных средств (ЭДС). Согласно этому законодательному акту ЭДС признаются средством платежа, существующим исключительно в электронной форме и передаваемым от одного лица другому без посредничества финансовых организаций (банков), а также без открытия банковского счёта. Использование ЭДС предполагает, что владелец может распоряжаться такими средствами лишь при помощи электронных средств платежа. Однако при этом есть важное исключение: денежные средства, полученные от ряда указанных в [3] субъектов (в том числе от профессиональных участников рынка ценных бумаг, посредников, государственных и негосударственных фондов) [19], не могут признаваться электронными денежными средствами по установленным законодателем критериям. Таким образом, в контексте цифрового финансового ландшафта ЭДС занимают особое место и обладают собственным правовым статусом.

Важное значение для классификации цифровых активов имеет Международный стандарт финансовой отчётности (IAS) 32 «Финансовые инструменты: представление», введенный Приказом Минфина России от 28.12.2015 № 217н [6]. Данный стандарт устанавливает подходы к квалификации финансовых инструментов, что формирует методическую основу для отнесения цифровых активов к определенным категориям в финансовой отчетности. Кроме того, общие рамки финансовых операций и трансграничных перемещений капитала, в которые встраиваются цифровые активы, задаются Федеральным законом «О валютном регулировании и валютном контроле» [1].

Важным шагом в преодолении терминологической неопределенности на глобальном уровне является Международный стандарт ISO 10962:2021 [32]. В отличие от российского Общероссийского классификатора финансовых инструментов (ОК ФИ) [7], который пока не включает криптоактивы, стандарт ISO 10962 явным образом относит их к классу финансовых инструментов. В рамках высшей категории «Валюты» (класс «C») выделена группа «Цифровые валюты» (код CC*), включающая криптовалюты, стейблкойны, цифровые валюты центральных банков (CBDC), нативные платформенные токены и утилитарные

токены. Данный факт служит веским международным основанием для рассмотрения криптовалют в качестве финансового объекта в рамках настоящего исследования и подчеркивает пробел в российском регулировании.

Подробную классификацию цифровых финансовых активов (ЦФА) закрепляет 259-ФЗ [4]. Согласно закону, ЦФА не имеют платёжной функции и подразделяются на четыре ключевые категории. К ним относятся: денежные требования, права на владение эмиссионными ценными бумагами, права на участие в капитале непубличных акционерных обществ и права требования ценных бумаг. Все эти активы существуют в децентрализованных форматах и выпускаются, учитываются и обращаются только в виде записей в распределённых информационных системах (блокчейнах). Их независимость от классических централизованных платформ раскрывает значительность блокчейн-технологии как способа гарантии целостности данных, а также прозрачности операций в современной цифровой среде.

Что же касается понятия «цифровая валюта» (ЦВ), то в Законе № 259-ФЗ под этим термином понимается набор цифровых данных, размещённых в распределённой информационной системе, которые могут приниматься в качестве средства расчёта. В отличие от официальных валют Российской Федерации или других государств, цифровая валюта не основывается на обязательствах эмитента, за исключением операторов и узлов информационной системы, ответственных лишь за корректное функционирование правил её выпуска и оборота [19]. Таким образом, криптовалюты можно рассматривать как частный случай ЦВ, причём криптовалютные протоколы зачастую используют технологию блокчейна, чтобы гарантировать безопасность и неизменность транзакций без участия центральных посредников.

Список литературы диссертационного исследования кандидат наук Крупочкин Анатолий Владимирович, 2026 год

Список литературы

Нормативные правовые акты

1. Федеральный закон от 10.12.2003 N 173-Ф3 (ред. от 20.01.2025) «О валютном регулировании и валютном контроле»: [Принят Государственной Думой 21 ноября 2003 года, Одобрен Советом Федерации 26 ноября 2003 года]. - Текст: электронный // Официальный интернет-портал Президента России. -URL: http://www.kremlin.ru/acts/bank/20295 (дата обращения 02.10.2024 г.).

2. Федеральный закон от 10.07.2002 № 86-ФЗ (ред. от 24.02.2021) «О Центральном банке Российской Федерации (Банке России): [Принят Государственной Думой 27 июня 2002 года]. - Текст: электронный // Официальный интернет-портал Президента России. - URL: http://www.kremlin.ru/acts/bank/18296 (дата обращения 02.10.2024 г.)..

3. Федеральный закон от 27.06.2011 № 161-ФЗ (ред. от 08.12.2020) «О национальной платёжной системе»: [Принят Государственной Думой 14 июня 2011 года, Одобрен Советом Федерации 22 июня 2011 года]. - Текст: электронный // Официальный интернет-портал Президента России. - URL: http://www.kremlin.ru/acts/bank/33484 (дата обращения 30.05.2025 г.).

4. Федеральный закон от 31.07.2020 № 259-ФЗ (ред. от 24.02.2024) «О цифровых финансовых активах, цифровой валюте и о внесении изменений в отдельные законодательные акты Российской Федерации»: [Принят Государственной Думой 22 июля 2020 года, Одобрен Советом Федерации 24 июля 2020 года]. - Текст: электронный // Официальный интернет-портал Президента России. - URL: http://www.kremlin.ru/acts/bank/45766 (дата обращения 29.10.2025 г.).

5.Федеральный закон от 08.08.2024 № 223-Ф3 «О внесении изменений в отдельные законодательные акты Российской Федерации»: [Принят Государственной Думой 30 июля 2024 года, Одобрен Советом Федерации 02

августа 2024 года]. - Текст: электронный // Официальный интернет-портал Президента России. - URL: http://www.kremlin.ru/acts/bank/50920 (дата обращения 30.05.2025 г.).

6. «О введении Международных стандартов финансовой отчетности и Разъяснений Международных стандартов финансовой отчетности в действие на территории Российской Федерации и о признании утратившими силу некоторых приказов (отдельных положений приказов) Министерства финансов Российской Федерации»: Приказ Минфина России от 28.12.2015 № 217н - Текст: электронный // Официальный интернет-портал Министерства финансов Российской Федерации. - URL: https://minfin.gov.ru/common/upload/library/2016/02/main/217n.PDF (дата обращения 29.10.2025 г.).

7. «Об утверждении общероссийского классификатора финансовых инструментов»: Приказ Министерства Промышленности и Торговли Российской Федерации, Федерального Агентства по Техническому Регулированию и Метрологии от 29.09.2023 № 1024-ст. - Тест: Электронный // КонсультантПлюс : справочно-правовая система. - URL: https://www. consultant.ru/document/cons_doc_LAW_463016/ (дата обращения 30.05.2025 г.).

Статьи в периодических изданиях

8. Агеев, А. И. Криптовалюты, рынки и институты / А. И. Агеев, Е. Л. Логинов // Экономические стратегии. - 2018. - № 1/2018. - С. 94-107. - URL: http://elib.fa.ru/art2018/bv172.pdf (дата обращения: 15.09.2023).

9. Борисов, С. Е. Классификация цифровых активов на финансовые и нефинансовые / С. Е. Борисов // Финансы и кредит. - 2024. - Т. 30, № 1(841). - С. 177-193. - DOI: 10.24891/fc.30.1.177.

10. Бутенко, Е. Д. Контуры применения технологии блокчейн в финансовой организации / Е. Д. Бутенко, Н. Р. Исахаев // Финансы и кредит. - 2018. - Т. 24, № 6. - С. 1420-1431. - DOI: 10.24891/fc.24.6.1420.

11. Друева, А. А. Значение и роль цифрового актива в условиях цифровой трансформации / А. А. Друева // Вопросы российского и международного права. -2022. - Т. 12, № 4A. - С. 69-74. - DOI: 10.34670/AR.2022.24.50.005.

12. Дюдикова, Е. А. Рынок криптовалют: институционализация, регулирование, вызовы / Е. А. Дюдикова, Н. Н. Куницына // Мировая экономика и международные отношения. — 2025. — Т. 69, № 9. — С. 16-27. — DOI: 10.20542/0131 -2227-2025-69-9-16-27.

13. Ендовицкий, Д. А. Оценка влияния масштабов национальных фондовых рынков и различных кризисных явлений в экономике на уровень рисков операций с финансовыми инструментами / Д. А. Ендовицкий, В. В. Коротких // Вестник Воронежского государственного университета. Серия: Экономика и управление. -2022. - № 1. - DOI: 10.17308/econ.2022.1/3842.

14. Ендовицкий, Д. А. Факторные модели в анализе риска операций с цифровыми финансовыми активами на примере криптовалют / Д. А. Ендовицкий,

B. В. Коротких // Вестник Воронежского государственного университета. Серия: Экономика и управление. - 2021. - № 3. - С. 3-21. - DOI: 10.17308/econ.2021.3/3614.

15. Кинсбурская, В. А. Идентификация держателей криптовалюты в целях противодействия отмыванию доходов, полученных преступным путем, и финансированию терроризма / В. А. Кинсбурская // Национальная безопасность / nota bene. - 2019. - № 3. - С. 1-14. - DOI: 10.7256/2454-0668.2019.3.29720.

16. Коротких, В. В. Модели с Марковскими переключениями в анализе влияния кризисных явлений на динамику Биткоина / В. В. Коротких, И. С. Кириллова // Современная экономика: проблемы и решения. - 2022. - № 1(145). -

C. 99-111. - DOI: 10.17308/meps.2022.1/2758.

17. Кочергин, Д. А. Криптоактивы: экономическая природа, классификация и регулирование оборота / Д. А. Кочергин // Вестник международных организаций: образование, наука, новая экономика. - 2022. - Т. 17, № 3. - С. 75-130. - DOI: 10.17323/1996-7845-2022-03-04.

18. Кочергин, Д. Центральные банковские цифровые валюты: опыт внедрения цифрового юаня и разработка концепции цифрового рубля / Д. Кочергин // Российский журнал экономики и права. - 2022. - Т. 16, № 1. - С. 5178. - DOI: 10.21202/2782-2923.2022.1.51-78.

19.Крупочкин, А. В. Цифровые активы: классификации и определение / А. В. Крупочкин. // Вестник Российского экономического университета имени Г.В. Плеханова. - 2024. - Т. 21, № 6(138). - С. 114-122. - DOI 10.21686/2413-2829-20246-114-122.

20. Крупочкин, А. В. Криптовалюты и цифровые активы в современной правовой и финансовой системе России: проблемы терминологии и классификации / А. В. Крупочкин, И. П. Хоминич. - Текст : непосредственный // Мир новой экономики. - 2025. - Т. 19, № 2. - С. 22-32. - DOI 10.26794/2220-64692025-19-2-22-32.

21.Крупочкин, А. В. Синтез исследований динамики и ценообразования криптовалютных рынков / А. В. Крупочкин. - Текст : непосредственный // Вестник Алтайской академии экономики и права. - 2025. - № 2-2. - С. 191-196. - DOI 10.17513/vaael.4003.

22. Крупочкин, А. В. Структурная нестационарность и идентификация режимов на рынке криптовалют / А. В. Крупочкин. - Текст : непосредственный // Инновационное развитие экономики. - 2025. - № 3(85). - С. 68-79. - DOI 10.51832/222379842025368.

23. Крупочкин, А. В. Архитектура режимно-зависимой прогностической системы для рынка криптовалют / А. В. Крупочкин. - Текст : непосредственный // Финансовый бизнес. - 2025. - № 10(268). - С. 141-144.

24. Лосева, О. В. Виды и классификация цифровых активов для целей стоимостной оценки / О. В. Лосева // Имущественные отношения в Российской Федерации. - 2022. - № 2(245). - С. 45-57. - DOI: 10.24412/2072-4098-2022-224545-57.

25. Магомедова, Р. М. Особенности правового регулирования цифровой валюты в Российской Федерации / Р. М. Магомедова, Р. К. Ибаев, М. А. Мусалов // Право и государство: теория и практика. - 2021. - № 10 (202). - С. 90-93. - DOI: 10.47643/1815-1337_2021_10_90.

26. Миронова, И. С. Исследование механизмов ценообразования цифровых активов на примере криптовалют / И. С. Миронова, В. В. Коротких, С. В. Ермоленко // Современная экономика: проблемы и решения. - 2022. - Т. 6. - С. 3243. - DOI: 10.17308/meps/2078-9017/2022/6/32-43.

27. Михайлов, А. Ю. Развитие рынка криптовалют: метод Херста / А. Ю. Михайлов // Финансы: теория и практика. - 2020. - Т. 24, № 3. - С. 81-91. - DOI: 10.26794/2587-5671 -2020-24-3-81-91.

28. Овчаров, А. О. Индекс финансового страха на рынке цифровых финансовых активов / А. О. Овчаров, В. А. Матвеев // Финансы: теория и практика. - 2021. - Т. 25, № 4. - С. 136-151. - DOI: 10.26794/2587-5671-2021-25-4-136-151.

29. Санникова, Л. В. Правовая сущность новых цифровых активов / Л. В. Санникова, Ю. С. Харитонова // Закон. - 2018. - № 9. - С. 86-95. - URL: http://elib.fa.ru/art2018/bv2401 .pdf.

30. Эскиндаров, М. А. Риски и шансы цифровой экономики в России / М. А. Эскиндаров, В. В. Масленников, О. В. Масленников // Финансы: теория и практика. - 2019. - Т. 23, № 5. - С. 6-17. - DOI: 10.26794/2587-5671-2019-23-5-617.

Зарубежная литература

31. Regulation (EU) 2023/1114 of the European Parliament and of the Council of 31 May 2023 on Markets in Crypto-Assets (MiCA), and Amending Regulations (EU) No 1093/2010 and (EU) No 1095/2010 and Directives 2013/36/EU and (EU) 2019/1937 // Official Journal of the European Union. - 2023. - Vol. L 150. - P. 40-205.

32. ISO 10962:2021 Securities and related financial instruments — Classification of financial instruments (CFI) code. - Geneva : International Organization for Standardization, 2021.

33. Abid, I. Bitcoin vs. fiat currencies: Insights from extreme dependence and risk

spillover analysis with financial markets / I. Abid, E. Bouri, E. Galariotis, K. Guesmi, H. Mzoughi // International Review of Financial Analysis. - 2023. - Vol. 90. - P. 102806.

- DOI: 10.1016/j.irfa.2023.102806.

34. Aharon, D. Y. Asymmetric volatility in the cryptocurrency market: New evidence from models with structural breaks / D. Y. Aharon, H. A. Butt, A. Jaffri, B. Nichols // International Review of Financial Analysis. - 2023. - Vol. 87. - P. 102651. -DOI: 10.1016/j.irfa.2023.102651.

35. Ahelegbey, D. F. Tail Risk Measurement in Crypto-Asset Markets / D. F. Ahelegbey, P. Giudici, F. Mojtahedi // SSRN Electronic Journal. - 2020. - DOI: 10.2139/ssrn.3556854.

36. Ahn, Y. Emotional trading in the cryptocurrency market / Y. Ahn, D. Kim // Finance Research Letters. - 2021. - Vol. 42 (1). - P. 101912. - DOI: 10.1016/j.frl.2020.101912.

37. Akyildirim, E. Understanding the FTX Exchange Collapse: A Dynamic Connectedness Approach / E. Akyildirim, T. Conlon, S. Corbet, J. W. Goodell. - 2023.

- DOI: 10.2139/ssrn.4318880.

38. Ammous, S. The bitcoin standard: the decentralized alternative to central banking / S. Ammous. - John Wiley & Sons, 2018. - DOI: 10.1111/ecaf.12339;

39. Anamika. Does Sentiment Impact Cryptocurrency? / Anamika, M. Chakraborty, S. Subramaniam // Journal of Behavioral Finance. - 2023. - Vol. 24, № 2.

- P. 202-218. - DOI: 10.1080/15427560.2021.1950723.

40. Ang, A. Downside Risk / A. Ang, J. S. Chen, Y. Xing. - 2004. - DOI: 10.2139/ssrn.641843.

41. Ante, L. How Elon Musk's Twitter activity moves cryptocurrency markets / L. Ante // Technological Forecasting and Social Change. - 2023. - Vol. 186 (PA). - P. 122112. - DOI: 10.1016/j.techfore.2022.122112.

42. Apergis, N. COVID-19 and cryptocurrency volatility: Evidence from Asymmetric modelling / N. Apergis // Finance Research Letters. - 2022. - Vol. 47. - P. 102659. - DOI: 10.1016/j.frl.2021.102659.

43. Ardia, D. Regime Changes in Bitcoin GARCH Volatility Dynamics / D. Ardia,

K. Bluteau, M. Ruede // Finance Research Letters. - 2019. - Vol. 29. - P. 266-271. -DOI: 10.1016/j.frl.2018.08.009.

44. Aslanidis, N. An analysis of cryptocurrencies conditional cross correlations / N. Aslanidis, A. F. Barriviera, O. Martinez-Ibanez // Finance Research Letters. - 2019.

- DOI: 10.2139/ssrn.3287697.

45. Aste, T. Cryptocurrency market structure: Connecting emotions and economics / T. Aste // Digital Finance. - 2019. - Vol. 1, № 1-4. - P. 5-21. - DOI: 10.48550/arXiv.1903.00472.

46. Baer, K. Taxing Cryptocurrencies / K. Baer, R. A. De Mooij, S. Hebous, M. Keen // CESifo Working Paper. - 2023. - No. 10372. - DOI: 10.2139/ssrn.4422847.

47. Bai, J. Estimating and Testing Linear Models with Multiple Structural Changes / J. Bai, P. Perron // Econometrica. — 1998. — Vol. 66, № 1. — P. 47—78. — DOI: 10.1111/1468-0262.00018.

48. Baker, S. R. Measuring Economic Policy Uncertainty / S. R. Baker, N. Bloom, S. J. Davis // Chicago Booth Research Paper. - 2013. - № 13-02. - DOI: 10.2139/ssrn.2198490.

49. Barberis, N. A Survey of Behavioral Finance / N. Barberis, R. Thaler // Advances in Behavioral Finance. - 2002. - Vol. 2. - DOI: 10.2139/ssrn.327880.

50. Baur, D. A Crypto Safe Haven Against Bitcoin / D. Baur, L. Hoang // SSRN Electronic Journal. - 2019. - DOI: 10.2139/ssrn.345768.

51. Baur, D. G. Bitcoin: Medium of exchange or speculative assets? / D. G. Baur, K. Hong, A. D. Lee // Journal of International Financial Markets, Institutions and Money.

- 2018. - Vol. 54. - P. 177-189. - DOI: 10.1016/j.intfin.2017.12.004.

52. Bazan-Palomino, W. On the drivers of technical analysis profits in cryptocurrency markets: A Distributed Lag approach / W. Bazan-Palomino, D. Svogun // International Review of Financial Analysis. - 2023. - Vol. 86. - P. 102516. - DOI: 10.1016/j.irfa.2023.102516.

53. Bianchi, D. On the Performance of Cryptocurrency Funds / D. Bianchi, M. Babiak // Journal of Banking & Finance. - 2022. - Vol. 138. - P. 106467. - DOI: 10.1016/j .jbankfin.2022.106467.

54. Bofinger, P. Schumpeter's insights for monetary macroeconomics and the theory of financial crises / P. Bofinger, L. Geißendörfer, T. Haas, F. Mayer // Industrial and Corporate Change. - 2023. - Vol. 32. - DOI: 10.1093/icc/dtad006.

55. Borri, N. Conditional tail-risk in cryptocurrency markets / N. Borri // Journal of Empirical Finance. - 2018. - Vol. 50. - DOI: 10.1016/j.jempfin.2018.11.002.

56. Bouazizi, T. Investigating the nature of interaction between crypto-currency and commodity markets / T. Bouazizi, E. Galariotis, P. Makrychoriti // International Review of Financial Analysis. - 2023. - Vol. 88. - P. 102690. - DOI: 10.1016/j.irfa.2023.102690.

57.Bouri, E. Herding behaviour in cryptocurrencies / E. Bouri, R. Gupta, D. Roubaud // Finance Research Letters. - 2018. - Vol. 29. - DOI: 10.1016/j.frl.2018.07.008.

58. Bouri, E. Jumps in Geopolitical Risk and the Cryptocurrency Market: The Singularity of Bitcoin / E. Bouri, R. Gupta, V. X. Vinh // Defence and Peace Economics.

- 2020. - Vol. 33. - P. 1-12. - DOI: 10.1080/10242694.2020.1848285.

59. Brauneis, A. What Drives the Liquidity of Cryptocurrencies? A Long-Term Analysis / A. Brauneis, R. Mestel // Finance Research Letters. - 2020. - Vol. 39. - DOI: 10.1016/j.frl.2020.101537.

60. Briola, A. Anatomy of a Stablecoin's failure: the Terra-Luna case / A. Briola, D. Vidal-Tomás, Y. Wang, T. Aste. - 2022. - DOI: 10.48550/arXiv.2207.13914.

61. Caporale, G. M. Cyber-attacks, spillovers and contagion in the cryptocurrency markets / G. M. Caporale, W.-Y. Kang, F. Spagnolo, N. Spagnolo // Journal of International Financial Markets, Institutions and Money. - 2021. - Vol. 74. - P. 101298.

- DOI: 10.1016/j.intfin.2021.101298.

62. Caporale, G. M. Modelling volatility of cryptocurrencies using Markov-Switching GARCH models / G. M. Caporale, T. Zekokh // Research in International Business and Finance. - 2018. - Vol. 48. - DOI: 10.1016/j.ribaf.2018.12.009.

63. Caporale, G. M. Non-Linearities, Cyber Attacks and Cryptocurrencies / G. M. Caporale, W.-Y. Kang, F. Spagnolo, N. Spagnolo // Finance Research Letters. - 2019. -DOI: 10.1016/j.frl.2019.09.012.

64. Catania, L. Forecasting cryptocurrency volatility / L. Catania, S. Grassi // International Journal of Forecasting. - 2021. - Vol. 38. - DOI: 10.1016/j.ijforecast.2021.06.005.

65. Cheah, J. E.-T. Speculative bubbles in Bitcoin markets? An empirical investigation into the fundamental value of Bitcoin / J. E.-T. Cheah, J. Fry // Economics Letters. - 2015. - Vol. 130. - P. 32-36. - DOI: 10.1016/j.econlet.2015.02.029.

66. Chen, C. Sentiment-Induced Bubbles in the Cryptocurrency Market / C. Chen, C. Hafner // Journal of Risk and Financial Management. - 2019. - Vol. 12, №2 2. - P. 53. - DOI: 10.3390/jrfm12020053.

67. Chen, C. Smooth Transition Quantile Capital Asset Pricing Models with Heteroscedasticity / C. Chen, S. Lin, P. Yu // Computational Economics. - 2011. - Vol. 40. - P. 1-30. - DOI: 10.1007/s 10614-011 -9266-y.

68. Chen, T. XGBoost: A Scalable Tree Boosting System / T. Chen, C. Guestrin // Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD '16). - New York, NY, USA: ACM, 2016. - P. 785794. - DOI: 10.1145/2939672.2939785.

69. Choi, H. Investor Attention and Bitcoin Liquidity: Evidence from Bitcoin Tweets / H. Choi // Finance Research Letters. - 2020. - Vol. 39. - P. 101555. - DOI: 10.1016/j.frl.2020.101555.

70. Chow, G. Tests of Equality Between Two Sets of Coefficients in Two Linear Regressions // Econometrica. — 1960. — Vol. 28. — P. 591-605. — DOI: 10.2307/1910133.

71. Chow, V. Does VIX Truly Measure Return Volatility? / V. Chow, W. Jiang, J. Li // SSRN Electronic Journal. - 2014. - DOI: 10.2139/ssrn.2489345.

72. Chowdhury, M. S. Bubbles and Crashes in Cryptocurrencies: Interdependence, Contagion, or Asset Rotation? / M. S. Chowdhury, D. S. Damianov, A. H. Elsayed // SSRN Electronic Journal. - 2021. - DOI: 10.1016/j.frl.2021. 102494.

73. Cochrane, J. H. Presidential Address: Discount Rates / J. H. Cochrane // Journal of Finance. - 2011. - Vol. 66. - P. 1047-1108. - DOI: 10.1111/j.1540-6261.2011.01671.x.

74. Conlon, T. Are Cryptocurrencies a Safe Haven for Equity Markets? An International Perspective from the COVID-19 Pandemic / T. Conlon, S. Corbet, R. J. McGee // Research in International Business and Finance. - 2020. - Vol. 54. - Article 101248. - DOI: 10.1016/j.ribaf.2020.101248.

75. Corbet, S. Cryptocurrencies as a Financial Asset: A systematic analysis / S. Corbet, B. Lucey, A. Urquhart, L. Yarovaya // International Review of Financial Analysis. - 2018. - Vol. 62. - P. 182-199. - DOI: 10.1016/j.irfa.2018.09.003.

76. Corbet, S. Cryptocurrency Liquidity and Volatility Interrelationships During the COVID-19 Pandemic / S. Corbet, G. Hou, Y. Hu, C. Larkin, B. M. Lucey, L. Oxley // Finance Research Letters. - 2021. - Vol. 45. - Article 102137. - DOI: 10.1016/j.frl.2021.102137.

77. Corbet, S. Datestamping the Bitcoin and Ethereum bubbles / S. Corbet, B. Lucey, L. Yarovaya // Finance Research Letters. - 2018. - Vol. 26. - P. 81-88. - DOI: 10.1016/j.frl.2017.12.006.

78. Corbet, S. Exploring the Dynamic Relationships between Cryptocurrencies and Other Financial Assets / S. Corbet, A. Meegan, C. Larkin, B. Lucey, L. Yarovaya // SSRN Electronic Journal. - 2017. - DOI: 10.2139/ssrn.3070288.

79. Corbet, S. The Volatility Generating Effects of Macroeconomic News on Cryptocurrency Returns / S. Corbet, C. Larkin, B. M. Lucey, A. Meegan, L. Yarovaya // SSRN Electronic Journal. - 2018. - DOI: 10.2139/ssrn.3141986.

80. Cöster, M. Digital Transformation: Understanding Business Goals, Risks, Processes, and Decisions / M. Cöster, M. Danielson, L. Ekenberg, C. Gullberg, G. Titlestad, A. Westelius, G. Wettergren. - 2023. - DOI: 10.11647/OBP.0350.

81. Da Gama Silva, P. V. J. Herding Behavior and Contagion in the Cryptocurrency Market / P. V. J. Da Gama Silva, M. C. Klotzle, A. C. F. Pinto, L. L. Gomes // Journal of Behavioral and Experimental Finance. - 2019. - Vol. 22. - P. 4150. - DOI: 10.1016/j.jbef.2019.01.006.

82. Derwall, J. A Tale of Values-Driven and Profit-Seeking Social Investors / J. Derwall, K. Koedijk, J. Horst // Journal of Banking & Finance. - 2011. - Vol. 35. - P. 2137-2147. - DOI: 10.1016/j.jbankfin.2011.01.009.

83. Diebold, F. X. Comparing Predictive Accuracy / F. X. Diebold, R. S. Mariano // Journal of Business & Economic Statistics. - 2002. - Vol. 20. - P. 134-144. - DOI: 10.1080/07350015.1995.10524599.

84. Duy, Q. P. Estimating and forecasting bitcoin daily prices using ARIMA-GARCH models / Q. P. Duy, O. Thi, P. Thi, H. Hoang, K. Luong, K. Thi // Business Analyst Journal. - 2024. - Vol. 45. - DOI: 10.1108/BAJ-05-2024-0027.

85. Easley, D. Networks, Crowds, and Markets: Reasoning about a Highly Connected World / D. Easley, J. Kleinberg. - 2010. - URL: https://books.google.ru/books?id=atfCl2agdi8C

86. Elliott, G. Efficient Tests for an Autoregressive Unit Root / G. Elliott, T. J. Rothenberg, J. H. Stock // Econometrica. - 1996. - Vol. 64, № 4. - P. 813-836. - DOI: 10.2307/2171846.

87. Erfanian, S. Predicting Bitcoin (BTC) Price in the Context of Economic Theories: A Machine Learning Approach / S. Erfanian, Y. Zhou, A. Razzaq, A. Abbas, A. A. Safeer, T. Li // Entropy. - 2022. - Vol. 24, № 10. - P. 1487. - DOI: 10.3390/e24101487.

88. Ergun, L. M. Extreme downside risk in the cross-section of asset returns / L. M. Ergun // International Review of Financial Analysis. - 2023. - Vol. 90. - P. 102840. - DOI: 10.1016/j.irfa.2023.102840.

89. Evrim Mandaci, P. Herding intensity and volatility in cryptocurrency markets during the COVID-19 / P. Evrim Mandaci, E. C. Cagli // Finance Research Letters. -2022. - Vol. 46. - P. 102382. - DOI: 10.1016/j.frl.2021.102382.

90. Fama, E. F. A five-factor asset pricing model / E. F. Fama, K. R. French // Journal of Financial Economics. - 2015. - Vol. 116, № 1. - P. 1-22. - DOI: 10.1016/j.jfineco.2014.10.010.

91. Fama, E. F. Choosing factors / E. F. Fama, K. R. French // Journal of Financial Economics. - 2018. - Vol. 128, № 2. - P. 234-252. - DOI: 10.1016/j.jfineco.2018.02.012.

92. Fama, E. F. Common risk factors in the returns on stocks and bonds / E. F. Fama, K. R. French // Journal of Financial Economics. - 1993. - Vol. 33, № 1. - P. 3-

56. - DOI: 10.1016/0304-405X(93)90023-5.

93. Fama, E. F. The Capital Asset Pricing Model: Theory and Evidence / E. F. Fama, K. R. French // Journal of Economic Perspectives. - 2004. - Vol. 18, № 3. - P. 25-46. - DOI: 10.1257/0895330042162430.

94. Feng, G. Taming the Factor Zoo / G. Feng, S. Giglio // SSRN Electronic Journal. - 2017. - DOI: 10.2139/ssrn.2934020.

95. Feng, W. Can cryptocurrencies be safe haven: A tail risk perspective analysis / W. Feng, Y. Wang, Z. Zhang // Applied Economics. - 2018. - Vol. 50, № 44. - P. 4745-4762. - DOI: 10.1080/00036846.2018.1466993.

96. Foglia, M. "Ubiquitous uncertainties": spillovers across economic policy uncertainty and cryptocurrency uncertainty indices / M. Foglia, P.-F. Dai // Journal of Asian Business and Economic Studies. - 2021. - DOI: 10.1108/JABES-05-2021-0051.

97. Fung, K. More to cryptos than bitcoin: A GARCH modelling of heterogeneous cryptocurrencies / K. Fung, J. Jeong, J. Pereira // Finance Research Letters. - 2022. -Vol. 47. - P. 102544. - DOI: 10.1016/j.frl.2021.102544.

98. Gherghina, J. C. Exploring the asymmetric effect of COVID-19 pandemic news on the cryptocurrency market: Evidence from nonlinear autoregressive distributed lag approach and frequency domain causality / J. C. Gherghina, L. N. Simionescu // Financial Innovation. - 2023. - Vol. 9, № 1. - P. 21. - DOI: 10.1186/s40854-022-00430-w.

99. Giudici, P. Cryptocurrency price discovery through correlation networks / P. Giudici, G. Polinesi // Annals of Operations Research. - 2021. - Vol. 299, № 1-2. - P. 443-457. - DOI: 10.1007/s10479-019-03282-3.

100. Giudici, P. High Frequency Price Change Spillovers in Bitcoin Markets / P. Giudici, P. Pagnottoni // Risks. - 2019. - Vol. 7, № 4. - P. 111. - DOI: 10.3390/risks7040111.

101. Gkillas, K. An application of extreme value theory to cryptocurrencies / K. Gkillas, P. Katsiampa // Economics Letters. - 2018. - Vol. 164. - P. 109-111. - DOI: 10.1016/j.econlet.2018.01.020.

102. Goodell, J. W. Diversifying equity with cryptocurrencies during COVID-19

/ J. W. Goodell, S. Goutte // International Review of Financial Analysis. - 2021. - Vol. 76. - P. 101781. - DOI: 10.1016/j.irfa.2021.101781.

103. Graf von Luckner, C. Crypto as a Marketplace for Capital Flight / C. Graf von Luckner, R. Koepke, S. Sgherri // IMF Working Paper. - 2024. - № WP/24/133. -DOI: 10.5089/9798400282614.001.

104. Greenberg, P. Energy consumption boomtowns in the United States: Community responses to a cryptocurrency boom / P. Greenberg, D. Bugden // Energy Research & Social Science. - 2019. - Vol. 50. - P. 162-167. - DOI: 10.1016/j.erss.2018.12.005.

105. Guidolin, M., Timmermann, A. An Econometric Model of Nonlinear Dynamics in the Joint Distribution of Stock and Bond Returns // Journal of Applied Econometrics. — 2006. — Vol. 21. — P. 1-22. — DOI: 10.2139/ssrn.582581.

106. Hairudin, A. Cryptocurrencies: A survey on acceptance, governance and market dynamics / A. Hairudin, I. M. Sifat, A. Mohamad, Y. Yusof // International Journal of Finance & Economics. - 2022. - Vol. 27, № 4. - P. 4633-4659. - DOI: 10.1002/ijfe.2392.

107. Hamilton, J. D. A new approach to the economic analysis of nonstationary time series and the business cycle / J. D. Hamilton // Econometrica. - 1989. - Vol. 57, № 2. - P. 357-384. - DOI: 10.2307/1912559.

108. Hasbrouck J. Empirical Market Microstructure: The Institutions, Economics, and Econometrics of Securities Trading / J. Hasbrouck. — New York: Oxford University Press, 2007. — ISBN 978-0-19-804130-6.

109. Huynh, T. L. D. When Elon Musk Changes his Tone, Does Bitcoin Adjust Its Tune? / T. L. D. Huynh // Computational Economics. - 2022. - DOI: 10.1007/s10614-021-10230-6.

110. Jalan, A. Systemic risks in the cryptocurrency market: Evidence from the FTX collapse / A. Jalan, R. Matkovskyy // Finance Research Letters. - 2023. - Vol. 53. - P. 103670. - DOI: 10.1016/j.frl.2023.103670.

111. Jiang, K. Forecasting Value-at-Risk of cryptocurrencies using the time-varying mixture-accelerating generalized autoregressive score model / K. Jiang, L. Zeng,

J. Song, Y. Liu // Research in International Business and Finance. - 2022. - Vol. 61. -P. 101634. - DOI: 10.1016/j.ribaf.2022.101634.

112. Jiang, X. Macroeconomic fundamentals and cryptocurrency prices: A common trend approach / X. Jiang, I. M. Rodriguez, Q. Zhang // Financial Management.

- 2023. - Vol. 52, № 1. - P. 181-198. - DOI: 10.1111/fima.12412.

113. Kallinterakis, V. Do investors herd in cryptocurrencies and why? / V. Kallinterakis, Y. Wang // Research in International Business and Finance. - 2019. - Vol. 50. - P. 240-245. - DOI: 10.1016/j.ribaf.2019.05.005.

114. Katsiampa, P. Volatility estimation for Bitcoin: A comparison of GARCH models / P. Katsiampa // Economics Letters. - 2017. - Vol. 158. - P. 3-6. - DOI: 10.1016/j.econlet.2017.06.023.

115. Kaufman, L., Rousseeuw, P. J. Finding Groups in Data: An Introduction to Cluster Analysis. — Hoboken: John Wiley & Sons, 1990. — 342 p. — ISBN 978-0-47187876-6. — DOI: 10.1002/9780470316801.

116. Koki, C. Exploring the predictability of cryptocurrencies via Bayesian hidden Markov models / C. Koki, S. Leonardos, G. Piliouras // Research in International Business and Finance. - 2020. - Vol. 59. - P. 101554. - DOI: 10.1016/j.ribaf.2021.101554.

117. Koutmos, D. Hedging uncertainty with cryptocurrencies: Is bitcoin your best bet? / D. Koutmos, T. King, C. Zopounidis // Journal of Financial Research. - 2021. -Vol. 44, № 4. - P. 815-837. - DOI: 10.1111/jfir.12264.

118. Kraaijeveld, O. The predictive power of public Twitter sentiment for forecasting cryptocurrency prices / O. Kraaijeveld, J. De Smedt // Journal of International Financial Markets, Institutions and Money. - 2020. - Vol. 65. - P. 101188. - DOI: 10.1016/j.intfin.2020.101188.

119. Kristoufek, L. What Are the Main Drivers of the Bitcoin Price? Evidence from Wavelet Coherence Analysis / L. Kristoufek // PLoS ONE. - 2015. - Vol. 10, № 4.

- P. e0123923. - DOI: 10.1371/journal.pone.0123923.

120. Letho, L. Cryptocurrencies and portfolio diversification in an emerging market / L. Letho, G. Chelwa, A. L. Alhassan // China Finance Review International. -

2022. - Vol. 12, № 1. - P. 20-50. - DOI: 10.1108/CFRI-06-2021-0123.

121. Lintner, J. The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets / J. Lintner // The Review of Economics and Statistics. - 1965. - Vol. 47, № 1. - P. 13-37. - DOI: 10.2307/1924119.

122. Liu, Y. Risks and Returns of Cryptocurrency / Y. Liu, A. Tsyvinski // The Review of Financial Studies. - 2021. - Vol. 34, № 6. - P. 2689-2727. - DOI: 10.1093/rfs/hhaa113.

123. Lyocsa, S. Impact of Macroeconomic News, Regulation and Hacking Exchange Markets on the Volatility of Bitcoin / S. Lyocsa, P. Molnar, T. Plihal, M. Siranova // Journal of Economic Dynamics and Control. - 2020. - Vol. 119. - P. 103980. - DOI: 10.1016/j.jedc.2020.103980.

124. Maciel, L. Cryptocurrencies value-at-risk and expected shortfall: Do regime-switching volatility models improve forecasting? / L. Maciel // International Journal of Finance & Economics. - 2020. - Vol. 26, № 3. - P. 4840-4855. - DOI: 10.1002/ijfe.2043.

125. Milunovich, G. Measuring the Impact of Digital Exchange Cyberattacks on Bitcoin Returns / G. Milunovich, S. A. Lee // Economics Letters. - 2022. - Vol. 221. -P. 110893. - DOI: 10.1016/j.econlet.2022.110893.

126. Mo, B. Time and frequency dynamics of connectedness between cryptocurrencies and commodity markets / B. Mo, J. Meng, L. Zheng // Resources Policy. - 2022. - Vol. 77. - P. 102731. - DOI: 10.1016/j.resourpol.2022.102731.

127. Mokni, K. When, where, and how economic policy uncertainty predicts Bitcoin returns and volatility? A quantiles-based analysis / K. Mokni // The Quarterly Review of Economics and Finance. - 2021. - Vol. 80. - P. 65-73. - DOI: 10.1016/j.qref.2021.01.017.

128. Naeem, M. A. COVID-19 and Cryptocurrency Market: Evidence from Quantile Connectedness / M. A. Naeem, S. Qureshi, M. U. Rehman, F. Balli // Applied Economics. - 2021. - Vol. 54, № 3. - P. 280-306. - DOI: 10.1080/00036846.2021.1950908.

129. Naeem, M. A. Do financial volatilities mitigate the risk of cryptocurrency

indexes? / M. A. Naeem, B. M. Lucey, S. Karim, A. Ghafoor // Finance Research Letters. - 2022. - Vol. 50. - P. 103206. - DOI: 10.1016/j.frl.2022.103206.

130. Naeem, M. A. Non-linear relationship between oil and cryptocurrencies: Evidence from returns and shocks / M. A. Naeem, S. Karim, A. Abrar, L. Yarovaya, A. A. Shah // International Review of Financial Analysis. - 2023. - Vol. S9. - P. 102769. -DOI: 10.1016/j.irfa.2023.102769.

131. Naeem, M. A. Predictive role of online investor sentiment for cryptocurrency market: Evidence from happiness and fears / M. A. Naeem, I. Mbarki, S. J. H. Shahzad // International Review of Economics & Finance. - 2021. - Vol. 73. - P. 496-514. -DOI: 10.1016/j.iref.2021.01.00S.

132. Nakamoto, S. Bitcoin: A Peer-to-Peer Electronic Cash System / S. Nakamoto // Decentralized Business Review. - 200S. - URL: https://archive.org/details/BitcoinAPeer-to-PeerElectronicCashSystem (дата обращения: 10.03.2024).

133. Narayanan, A. Bitcoin and Cryptocurrency Technologies: A Comprehensive Introduction / A. Narayanan, et al. - Princeton University Press, 2016. - URL: https://archive.org/details/bitcoincryptocur0000nara (дата обращения: 10.03.2024).

134. Nguyen, Q. In search of climate distress risk / Q. Nguyen, I. Diaz-Rainey, D. Kuruppuarachchi // International Review of Financial Analysis. - 2022. - Vol. S5. - P. 102444. - DOI: 10.1016/j.irfa.2022.102444.

135. O'Hara M. Market Microstructure Theory / M. O'Hara. — New York: Wiley, 1995. — ISBN 9VS-1-55VS6-443-V.

136. Osterrieder, J. A Statistical Risk Assessment of Bitcoin and Its Extreme Tail Behavior / J. Osterrieder, J. Lorenz // Annals of Financial Economics. - 2017. - Vol. 12, № 1. - P. 1750003. - DOI: 10.1142/S201049521V50003S.

137. Podhorsky, A. Taxing Bitcoin: Incentivizing the Difficulty Adjustment Mechanism to Reduce Electricity Usage / A. Podhorsky // International Review of Financial Analysis. - 2023. - Vol. S6. - P. 102493. - DOI: 10.1016/j.irfa.2023.102493.

13S. Qian, L. Bitcoin Volatility Predictability: The Role of Jumps and Regimes / L. Qian, J. Wang, F. Ma, Z. Li // Finance Research Letters. - 2022. - Vol. 47. - P.

102687. - DOI: 10.1016/j.frl.2022.102687.

139. Rognone, L. News Sentiment in the Cryptocurrency Market: an Empirical Comparison with Forex / L. Rognone, S. Hyde, S. S. Zhang // International Review of Financial Analysis. - 2020. - Vol. 69. - P. 101462. - DOI: 10.1016/j.irfa.2020.101462.

140. Rudkin, S. On the Topology of Cryptocurrency Markets / S. Rudkin, W. Rudkin, P. Dlotko // International Review of Financial Analysis. - 2023. - Vol. 89. - P. 102759. - DOI: 10.1016/j.irfa.2023.102759.

141. Shahzad, J. Price Explosiveness in Cryptocurrencies and Elon Musk's Tweets / J. Shahzad, M. Anas, E. Bouri // Finance Research Letters. - 2022. - Vol. 47. - P. 102695. - DOI: 10.1016/j.frl.2022.102695.

142. Sharpe, W. F. Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk // The Journal of Finance. - 1964. - Vol. 19, № 3. - P. 425-442. -DOI: 10.1111/j.1540-6261.1964.tb02865.x.

143. Shen, D. Does Twitter Predict Bitcoin? / D. Shen, A. Urquhart, P. Wang // Economics Letters. - 2018. - Vol. 174. - P. 118-122. - DOI: 10.1016/j.econlet.2018.11.007.

144. Shiller R. J. Irrational Exuberance: Revised and Expanded Third Edition / R. J. Shiller. — Princeton: Princeton University Press, 2016. — ISBN 978-0-691-17312-2.

145. Silva, E. Research contributions and challenges in DLT-based cryptocurrency regulation: a systematic mapping study / E. Silva, M. Mira da Silva // Journal of Banking and Financial Technology. - 2022. - Vol. 6. - P. 1-18. - DOI: 10.1007/s42786-021-00037-2.

146. Singh, S. Correlation Between Geopolitical Risk, Economic Policy Uncertainty, and Bitcoin Using Partial and Multiple Wavelet Coherence in P5+1 Nations / S. Singh, P. Bansal, N. Bhardwaj // Research in International Business and Finance. -2022. - Vol. 63. - P. 101756. - DOI: 10.1016/j.

147. Su, C.-W. Can Bitcoin Be a Safe Haven in Fear Sentiment? / C.-W. Su, Y. Xi, M. Umar // Technological and Economic Development of Economy. - 2022. - Vol. 28, № 2. - P. 268-289. - DOI: 10.3846/tede.2022.15502.

148. Syuhada, K. Comparing Gold's and Bitcoin's Safe-Haven Roles Against

Energy Commodities During the COVID-19 Outbreak: A Vine Copula Approach / K. Syuhada, D. Suprijanto, A. Hakim // Finance Research Letters. - 2021. - Vol. 46. - P. 102471. - DOI: 10.1016/j.frl.2021.102471.

149. Takaishi, T. Rough Volatility of Bitcoin / T. Takaishi // Finance Research Letters. - 2019. - Vol. 32. - P. 101379. - DOI: 10.1016/j.frl.2019.101379.

150. Taleb, N. N. Antifragile: Things That Gain from Disorder. - Random House, 2012. - 519 p. - ISBN 978-1400067824.

151. Taleb, N. N. The Black Swan: The Impact of the Highly Improbable. -Random House, 2007. - 400 p. - ISBN 978-1400063512.

152. Taylor, S. J. Forecasting at scale / S. J. Taylor, B. Letham // The American Statistician. - 2018. - Vol. 72, № 1. - P. 37-45. - DOI: 10.1080/00031305.2017.1380080.

153. Tekin, B. Structural Breaks and Co-Movements of Bitcoin and Ethereum: Evidence from the COVID-19 Pandemic Period / B. Tekin // Journal of Central Banking Theory and Practice. - 2024. - Vol. 2. - P. 41-70. - DOI: 10.2478/jcbtp-2024-0012.

154. Tiwari, A. Time-Varying Dynamic Conditional Correlation Between Stock and Cryptocurrency Markets Using the Copula-ADCC-EGARCH Model / A. Tiwari, I. D. Raheem, S. H. Kang // Physica A: Statistical Mechanics and Its Applications. - 2019. - Vol. 535. - P. 122295. - DOI: 10.1016/j.physa.2019.122295.

155. Troster, V. Bitcoin Returns and Risk: A General GARCH and GAS Analysis / V. Troster, A. Tiwari, M. Shahbaz, D. Macedo // Finance Research Letters. - 2018. -Vol. 30. - P. 187-193. - DOI: 10.1016/j.frl.2018.09.014.

156. Trucíos, C. Forecasting Bitcoin Risk Measures: A Robust Approach / C. Trucíos // International Journal of Forecasting. - 2019. - Vol. 35, № 3. - P. 836-847. -DOI: 10.1016/j.ijforecast.2019.01.003.

157. Vella Critien, J. Bitcoin Price Change and Trend Prediction Through Twitter Sentiment and Data Volume / J. Vella Critien, A. Gatt, J. Ellul // Journal of Financial Innovation. - 2022. - Vol. 8. - Article 10. - DOI: 10.1186/s40854-022-00352-7.

158. Vidal-Tomás, D. Herding in the Cryptocurrency Market: CSSD and CSAD Approaches / D. Vidal-Tomás, A. M. Ibáñez, J. E. Farinós // Finance Research Letters.

- 2019. - Vol. 30. - P. 181-186. - DOI: 10.1016/j.frl.2018.09.008.

159. Wang, G.-J. When Bitcoin Meets Economic Policy Uncertainty (EPU): Measuring Risk Spillover Effect from EPU to Bitcoin / G.-J. Wang, C. Xie, D. Wen, L. Zhao // Finance Research Letters. - 2018. - Vol. 31. - P. 1-6. - DOI: 10.1016/j.frl.2018.12.028.

160. Wang, P. Is Cryptocurrency a Hedge or a Safe Haven for International Indices? A Comprehensive and Dynamic Perspective / P. Wang, W. Zhang, X. Li, D. Shen // Finance Research Letters. - 2019. - Vol. 31. - P. 1-18. - DOI: 10.1016/j.frl.2019.04.031.

161. Wang, Y. An Index of Cryptocurrency Environmental Attention (ICEA) / Y. Wang, B. Lucey, S. A. Vigne, L. Yarovaya // China Finance Review International. -2022. - Vol. 12, № 3. - P. 378-414. - DOI: 10.1108/CFRI-09-2021-0191.

162. Yousaf, I. What Do Responses of Financial Markets to the Collapse of FTX Say About Investor Interest in Cryptocurrencies? Event-Study Evidence / I. Yousaf, Y. Riaz, J. W. Goodell // Finance Research Letters. - 2023. - Vol. 53. - P. 103661. - DOI: 10.1016/j.frl.2023.103661.

163. Yue, W. Asymmetric News Effects on Cryptocurrency Liquidity: An Event Study Perspective / W. Yue, S. Zhang, Q. Zhang // Finance Research Letters. - 2020. -Vol. 41. - P. 101799. - DOI: 10.1016/j.frl.2020.101799.

164. Zhang, C. The Impacts of Futures Trading on Volatility and Volatility Asymmetry of Bitcoin Returns / C. Zhang, H. Ma, G. B. Arkorful, Z. Peng // International Review of Financial Analysis. - 2023. - Vol. 86. - P. 102497. - DOI: 10.1016/j.irfa.2023.102497.

165. Zhang, D. Speculation or Currency? Multi-Scale Analysis of Cryptocurrencies -- The Case of Bitcoin / D. Zhang, Y. Sun, H. Duan, Y. Hong, S. Wang // International Review of Financial Analysis. - 2023. - Vol. 88. - P. 102700. - DOI: 10.1016/j.irfa.2023.102700.

166. Zhang, J. Do Cryptocurrency Markets React to Issuer Sentiments? Evidence from Twitter / J. Zhang, C. Zhang // Research in International Business and Finance. -2022. - Vol. 61. - P. 101656. - DOI: 10.1016/j.ribaf.2022.101656.

167. Zhang, Z. Good Volatility, Bad Volatility, and the Cross Section of Cryptocurrency Returns / Z. Zhang, R. Zhao // International Review of Financial Analysis. - 2023. - Vol. 89. - P. 102712. - DOI: 10.1016/j.irfa.2023.102712.

168. Zhao, Y. On fitting and forecasting the log-returns of Bitcoin and Ethereum exchange rates via a new sine-based logistic model and robust regression methods / Y. Zhao, S. Salem, A. M. AL-Zaydi, J.-T. Seong, F. M. Alghamdie, M. Yusuf // Alexandria Engineering Journal. - 2024. - Vol. 96. - P. 225-236. - DOI: 10.1016/j.aej.2024.03.080.

Интернет-источники

169. LegalCrypto.In // Legal Crypto in Worldwide.- URL: https://legalcrypto.in/ (дата обращения 04.11.2025 г.). - Текст: электронный.

170. RTM Group // Криптовалюты и криптобиржи. Майнинг: судебная практика и ключевые аспекты.- URL: https://rtmtech.ru/research/research-cryptocurrency/ (дата обращения 04.11.2025 г.). - Текст: электронный.

171. European Central Bank // Impact of Digital Currencies on Financial Stability. - URL: https://www.ecb.europa.eu/pub/pdf/scpwps/ecb.wp2783~0af3ad7576.en.pdf (дата обращения: 10.10.2024). - Текст: электронный.

172. European Central Bank // Digital euro. - URL: https: //www.ecb .europa.eu/euro/digital_euro/html/index.en.html (дата обращения: 10.10.2024). - Текст: электронный.

173. Board of Governors of the Federal Reserve System // Central Bank Digital Currency (CBDC). - URL: https://www.federalreserve.gov/central-bank-digital-currency.htm (дата обращения: 10.10.2024). - Текст: электронный.

174. Официальный сайт Банка России. // Проект цифрового рубля. - URL: https://cbr.ru/fintech/dr/ (дата обращения: 10.10.2024).

175. Обзор финансовой стабильности: IV квартал 2022 - I квартал 2023 года // Банк России. - URL: https://www.cbr.ru/Collection/Collection/File/44007/4q_2022_1q_2023.pdf (дата обращения: 10.10.2024).

176. Bank for International Settlements // Central bank digital currencies: foundational principles and core features. - URL: https://www.bis.org/publ/othp33.htm

(дата обращения: 10.10.2024).

177. The World Bank // Interoperability between central bank digital currency systems and fast payment systems. - URL: documents 1 .worldbank.org/curated/en/099607406262426195/txt/IDU18726d4e913edd 14b8a1adcf1671ab7d8ebac.txt (дата обращения: 10.10.2025).

178. Tradingview. - URL: https://ru.tradingview.com/ markets/ (дата обращения: 10.10.2025)

179. The Guardian // The SEC has approved bitcoin ETFs. What are they and what does it mean for investors? - URL: https://www.theguardian.com/technology/2024/jan/11/bitcoin-etf-approved-sec-explained-meaning-securities-regulator-tweet/ (дата обращения: 10.10.2025)

180. Yahoo Finance. URL: https://finance.yahoo.com/markets/ (дата обращения: 10.10.2025)

181. CoinMarketCap. - URL: https://coinmarketcap.com/ (дата обращения: 10.10.2025).

182. Coin Metrics State of the Network // Where in the World is Crypto Trading? -URL: https://open.substack.com/pub/coinmetrics/p/state-of-the-network-issue-289?utm_campaign=post&utm_medium=web (дата обращения: 10.10.2025).

183. Glassnodeinsights // Whale Watching. - https://insights.glassnode.com/the-week-onchain-week-30-2023/ (дата обращения: 10.10.2025).

184. Sentiment. - URL: https://app.santiment.net/charts/ (дата обращения: 30.07.2025)

185. Alternative Find Suitable Software// Crypto Fear & Greed Index. -https://alternative.me/crypto/fear-and-greed-index/ (дата обращения: 30.07.2025)

186. Federal Reserve Bank of St. Louis. - https://fred.stlouisfed.org/ (дата обращения: 30.07.2025)

187. Investing.com. - https://www.investing.com/markets/ (дата обращения: 30.07.2025)

188. MacroMicro // World - Global Geopolitical Risk Index. -https://en.macromicro.me/charts/55589/global-geopolitical-risk-index/ (дата

обращения: 30.07.2025).

189. Chainalysis // The 2025 Global Adoption Index: India and the United States Lead Cryptocurrency Adoption. - https://www.chainalysis.com/blog/2025-global-crypto-adoption-index/ (дата обращения: 30.07.2025).

190. Portulans Institute // Network Readiness Index 2024. -https://networkreadinessindex.org/ (дата обращения: 30.07.2025).

191. Heritage.org// Explore the Data. All Country Scores. -https://www.heritage.org/index/pages/all-country-scores (дата обращения: 30.07.2025).

192. Tradingeconomics // United States Leading Index. -https://ru.tradingeconomics.com/united-states/leading-economic-index (дата обращения: 30.07.2025).

193. World Population Review // Explore the World Population Through Data. -https://worldpopulationreview.com (дата обращения: 30.07.2025).

194. Our World in Data // Democracy index. -https://ourworldindata.org/grapher/democracy-index-eiu?tab=table (дата обращения: 30.07.2025).

173

Приложение А

(справочное) Данные по биржевой цене биткоин

Таблица А.1 - Данные по биржевой дневной цене закрытия биткоин

п Дата Цена п Дата Цена п Дата Цена

1 01.01.2015 314,25 1280 03.07.2018 6 529,59 2559 02.01.2022 47 345,22

2 02.01.2015 315,03 1281 04.07.2018 6 597,55 2560 03.01.2022 46 458,12

3 03.01.2015 281,08 1282 05.07.2018 6 639,14 2561 04.01.2022 45 897,57

4 04.01.2015 264,20 1283 06.07.2018 6 673,50 2562 05.01.2022 43 569,00

5 05.01.2015 274,47 1284 07.07.2018 6 856,93 2563 06.01.2022 43 160,93

6 06.01.2015 286,19 1285 08.07.2018 6 773,88 2564 07.01.2022 41 557,90

7 07.01.2015 294,34 1286 09.07.2018 6 741,75 2565 08.01.2022 41 733,94

8 08.01.2015 283,35 1287 10.07.2018 6 329,95 2566 09.01.2022 41 911,60

9 09.01.2015 290,41 1288 11.07.2018 6 394,71 2567 10.01.2022 41 821,26

10 10.01.2015 274,80 1289 12.07.2018 6 228,81 2568 11.01.2022 42 735,86

11 11.01.2015 265,66 1290 13.07.2018 6 238,05 2569 12.01.2022 43 949,10

12 12.01.2015 267,80 1291 14.07.2018 6 276,12 2570 13.01.2022 42 591,57

13 13.01.2015 225,86 1292 15.07.2018 6 359,64 2571 14.01.2022 43 099,70

14 14.01.2015 178,10 1293 16.07.2018 6 741,75 2572 15.01.2022 43 177,40

15 15.01.2015 209,84 1294 17.07.2018 7 321,04 2573 16.01.2022 43 113,88

16 16.01.2015 208,10 1295 18.07.2018 7 370,78 2574 17.01.2022 42 250,55

17 17.01.2015 199,26 1296 19.07.2018 7 466,86 2575 18.01.2022 42 375,63

18 18.01.2015 210,34 1297 20.07.2018 7 354,13 2576 19.01.2022 41 744,33

19 19.01.2015 214,86 1298 21.07.2018 7 419,29 2577 20.01.2022 40 680,42

20 20.01.2015 211,32 1299 22.07.2018 7 418,49 2578 21.01.2022 36 457,32

21 21.01.2015 226,90 1300 23.07.2018 7 711,11 2579 22.01.2022 35 030,25

22 22.01.2015 233,41 1301 24.07.2018 8 424,27 2580 23.01.2022 36 276,80

23 23.01.2015 232,88 1302 25.07.2018 8 181,39 2581 24.01.2022 36 654,33

24 24.01.2015 247,85 1303 26.07.2018 7 951,58 2582 25.01.2022 36 954,00

25 25.01.2015 253,72 1304 27.07.2018 8 165,01 2583 26.01.2022 36 852,12

26 26.01.2015 273,47 1305 28.07.2018 8 192,15 2584 27.01.2022 37 138,23

27 27.01.2015 263,48 1306 29.07.2018 8 218,46 2585 28.01.2022 37 784,33

28 28.01.2015 233,91 1307 30.07.2018 8 180,48 2586 29.01.2022 38 138,18

29 29.01.2015 233,51 1308 31.07.2018 7 780,44 2587 30.01.2022 37 917,60

30 30.01.2015 226,43 1309 01.08.2018 7 624,91 2588 31.01.2022 38 483,13

31 31.01.2015 217,46 1310 02.08.2018 7 567,15 2589 01.02.2022 38 743,27

32 01.02.2015 226,97 1311 03.08.2018 7 434,39 2590 02.02.2022 36 952,98

33 02.02.2015 238,23 1312 04.08.2018 7 032,85 2591 03.02.2022 37 154,60

34 03.02.2015 227,27 1313 05.08.2018 7 068,48 2592 04.02.2022 41 500,88

35 04.02.2015 226,85 1314 06.08.2018 6 951,80 2593 05.02.2022 41 441,16

36 05.02.2015 217,11 1315 07.08.2018 6 753,12 2594 06.02.2022 42 412,43

37 06.02.2015 222,27 1316 08.08.2018 6 305,80 2595 07.02.2022 43 840,29

38 07.02.2015 227,75 1317 09.08.2018 6 568,23 2596 08.02.2022 44 118,45

39 08.02.2015 223,41 1318 10.08.2018 6 184,71 2597 09.02.2022 44 338,80

40 09.02.2015 220,11 1319 11.08.2018 6 295,73 2598 10.02.2022 43 565,11

41 10.02.2015 219,84 1320 12.08.2018 6 322,69 2599 11.02.2022 42 407,94

42 11.02.2015 219,18 1321 13.08.2018 6 297,57 2600 12.02.2022 42 244,47

43 12.02.2015 221,76 1322 14.08.2018 6 199,71 2601 13.02.2022 42 197,52

44 13.02.2015 235,43 1323 15.08.2018 6 308,52 2602 14.02.2022 42 586,92

45 14.02.2015 257,32 1324 16.08.2018 6 334,73 2603 15.02.2022 44 575,20

46 15.02.2015 234,82 1325 17.08.2018 6 580,63 2604 16.02.2022 43 961,86

47 16.02.2015 233,84 1326 18.08.2018 6 423,76 2605 17.02.2022 40 538,01

48 17.02.2015 243,61 1327 19.08.2018 6 506,07 2606 18.02.2022 40 030,98

49 18.02.2015 236,33 1328 20.08.2018 6 308,53 2607 19.02.2022 40 122,16

50 19.02.2015 240,28 1329 21.08.2018 6 488,76 2608 20.02.2022 38 431,38

51 20.02.2015 243,78 1330 22.08.2018 6 376,71 2609 21.02.2022 37 075,28

52 21.02.2015 244,53 1331 23.08.2018 6 534,88 2610 22.02.2022 38 286,03

53 22.02.2015 235,98 1332 24.08.2018 6 719,96 2611 23.02.2022 37 296,57

n Дата Цена n Дата Цена n Дата Цена

54 23.02.20i5 23S,S9 1333 25.0S.20iS 6 763,19 26i2 24.02.2022 3S 332,6i

55 24.02.2015 23S,74 1334 26.0S.20iS 6 707,26 26i3 25.02.2022 39 214,22

56 25.02.2015 237,47 1335 27.0S.20iS 6 SS4,64 2б14 2б.02.2022 39 105,15

57 2б.02.2015 23б,43 1336 2S.0S.20iS 7 096,2S 2615 27.02.2022 37 709,79

5S 27.02.2015 253,S3 1337 29.0S.20iS 7 047,16 2б1б 2S.02.2022 43 193,23

59 2S.02.2015 254,2б i33S 30.0S.20iS 6 97S,23 2б17 01.03.2022 44 354,64

60 01.03.2015 2б0,20 1339 3i.0S.20iS 7 037,5S 26iS 02.03.2022 43 924,12

61 02.03.2015 275,67 1340 0i.09.20iS 7 193,25 26i9 03.03.2022 42 451,79

62 03.03.2015 2Si,70 i34i 02.09.20iS 7 272,72 2б20 04.03.2022 39 137,61

63 04.03.2015 273,09 1342 03.09.20iS 7 260,06 262i 05.03.2022 39 400,59

64 05.03.2015 276,iS 1343 04.09.20iS 7 361,66 2б22 0б.03.2022 3S 4i9,9S

65 0б.03.2015 272,72 1344 05.09.20iS 6 792,S3 2б23 07.03.2022 3S 062,04

66 07.03.2015 27б,2б 1345 06.09.20iS 6 529,i7 2б24 0S.03.2022 3S 737,27

67 0S.03.2015 274,35 1346 07.09.20iS 6 467,07 2б25 09.03.2022 41 9S2,93

6S 09.03.2015 2S9,6i 1347 0S.09.20iS 6 225,9S 2б2б 10.03.2022 39 437,46

69 10.03.2015 291,76 i34S 09.09.20iS 6 300,S6 2б27 11.03.2022 3S 794,97

70 11.03.2015 296,3S 1349 i0.09.20iS 6 329,70 262S 12.03.2022 3S 904,01

71 12.03.2015 294,35 1350 ii.09.20iS 6 32i,20 2б29 13.03.2022 37 S49,66

72 13.03.2015 2S5,34 i35i i2.09.20iS 6 35i,S0 2б30 14.03.2022 39 666,75

73 14.03.2015 2Si,S9 1352 i3.09.20iS 6 517,31 263i 15.03.2022 39 33S,79

74 15.03.2015 2S6,39 1353 i4.09.20iS 6 512,71 2б32 1б.03.2022 4i 143,93

75 1б.03.2015 290,59 1354 i5.09.20iS 6 543,20 2б33 17.03.2022 40 95i,3S

76 17.03.2015 2S5,5i 1355 i6.09.20iS 6 5i7,iS 2б34 1S.03.2022 4i S0i,i6

77 1S.03.2015 25б,30 1356 i7.09.20iS 6 2Si,20 2б35 19.03.2022 42 190,65

7S 19.03.2015 2б0,93 1357 iS.09.20iS 6 371,30 2б3б 20.03.2022 4i 247,S2

79 20.03.2015 26i,75 i35S i9.09.20iS 6 39S,54 2б37 21.03.2022 4i 07S,00

S0 21.03.2015 2б0,02 1359 20.09.20iS 6 5i9,67 263S 22.03.2022 42 35S,Si

Si 22.03.2015 2б7,9б 1360 2i.09.20iS 6 734,95 2б39 23.03.2022 42 S92,96

S2 23.03.2015 2бб,74 i36i 22.09.20iS 6 72i,9S 2б40 24.03.2022 43 960,93

S3 24.03.2015 245,б0 1362 23.09.20iS 6 710,63 264i 25.03.2022 44 34S,73

S4 25.03.2015 24б,20 1363 24.09.20iS 6 595,41 2б42 2б.03.2022 44 500,S3

S5 2б.03.2015 24S,53 1364 25.09.20iS 6 446,47 2б43 27.03.2022 46 S20,49

S6 27.03.2015 247,03 1365 26.09.20iS 6 495,00 2б44 2S.03.2022 47 i2S,00

S7 2S.03.2015 252,S0 1366 27.09.20iS 6 676,75 2б45 29.03.2022 47 465,73

SS 29.03.2015 242,71 1367 2S.09.20iS 6 644,13 2б4б 30.03.2022 47 062,66

S9 30.03.2015 247,53 i36S 29.09.20iS 6 601,96 2б47 31.03.2022 45 53S,6S

90 31.03.2015 244,22 1369 30.09.20iS 6 625,56 264S 01.04.2022 46 2Si,64

91 01.04.2015 247,27 1370 0i.i0.20iS 6 5S9,62 2б49 02.04.2022 45 S6S,95

92 02.04.2015 253,01 1371 02.i0.20iS 6 556,10 2б50 03.04.2022 46 453,57

93 03.04.2015 254,32 1372 03.i0.20iS 6 502,59 265i 04.04.2022 46 622,6S

94 04.04.2015 253,70 1373 04.i0.20iS 6 576,69 2б52 05.04.2022 45 555,99

95 05.04.2015 2б0,б0 1374 05.i0.20iS 6 622,4S 2б53 0б.04.2022 43 206,74

96 0б.04.2015 255,49 1375 06.i0.20iS 6 5SS,3i 2б54 07.04.2022 43 503,S5

97 07.04.2015 253,1S 1376 07.i0.20iS 6 602,95 2б55 0S.04.2022 42 2S7,66

9S 0S.04.2015 245,02 1377 0S.i0.20iS 6 652,23 2б5б 09.04.2022 42 7S2,i4

99 09.04.2015 243,6S i37S 09.i0.20iS 6 642,64 2б57 10.04.2022 42 207,67

100 10.04.2015 23б,07 1379 i0.i0.20iS 6 5S5,53 265S 11.04.2022 39 521,90

101 11.04.2015 23б,55 i3S0 ii.i0.20iS 6 256,24 2б59 12.04.2022 40 i27,iS

102 12.04.2015 23б,15 i3Si i2.i0.20iS 6 274,5S 2бб0 13.04.2022 4i 166,73

103 13.04.2015 224,59 i3S2 i3.i0.20iS 6 2S5,99 266i 14.04.2022 39 935,52

104 14.04.2015 219,1б i3S3 i4.i0.20iS 6 290,93 2бб2 15.04.2022 40 553,46

105 15.04.2015 223,S3 i3S4 i5.i0.20iS 6 596,54 2бб3 1б.04.2022 40 424,4S

106 1б.04.2015 22S,57 i3S5 i6.i0.20iS 6 596, i i 2бб4 17.04.2022 39 7i6,95

107 17.04.2015 222,SS i3S6 i7.i0.20iS 6 544,43 2бб5 1S.04.2022 40 S26,2i

i0S 1S.04.2015 223,3б i3S7 iS.i0.20iS 6 476,7 i 2ббб 19.04.2022 4i 502,75

109 19.04.2015 222,б0 i3SS i9.i0.20iS 6 465,41 2бб7 20.04.2022 4i 374,3S

110 20.04.2015 224,б3 i3S9 20.i0.20iS 6 4S9,i9 266S 21.04.2022 40 527,36

iii 21.04.2015 235,27 1390 2i.i0.20iS 6 4S2,35 2бб9 22.04.2022 39 740,32

112 22.04.2015 234,1S i39i 22.i0.20iS 6 4S7,i6 2б70 23.04.2022 39 4S6,73

113 23.04.2015 23б,4б 1392 23.i0.20iS 6 475,74 267i 24.04.2022 39 469,29

114 24.04.2015 23i,27 1393 24.i0.20iS 6 495,S4 2б72 25.04.2022 40 45S,3i

115 25.04.2015 22б,39 1394 25.i0.20iS 6 476,29 2б73 2б.04.2022 3S 117,46

п Дата Цена п Дата Цена п Дата Цена

116 26.04.2015 219,43 1395 26.10.2018 6 474,75 2674 27.04.2022 39 241,12

117 27.04.2015 229,29 1396 27. 10.2018 6 480,38 2675 28.04.2022 39 773,83

118 28.04.2015 225,85 1397 28. 10.2018 6 486,39 2676 29.04.2022 38 609,82

119 29.04.2015 225,81 1398 29. 10.2018 6 332,63 2677 30.04.2022 37 714,88

120 30.04.2015 236,15 1399 30. 10.2018 6 334,27 2678 01.05.2022 38 469,09

121 01.05.2015 232,08 1400 31. 10.2018 6 317,61 2679 02.05.2022 38 529,33

122 02.05.2015 234,93 1401 01. 11.2018 6 377,78 2680 03.05.2022 37 750,45

123 03.05.2015 240,36 1402 02. 11.2018 6 388,44 2681 04.05.2022 39 698,37

124 04.05.2015 239,02 1403 03 11.2018 6 361,26 2682 05.05.2022 36 575,14

125 05.05.2015 236,12 1404 04. 11.2018 6 376,13 2683 06.05.2022 36 040,92

126 06.05.2015 229,78 1405 05. 11.2018 6 419,66 2684 07.05.2022 35 501,95

127 07.05.2015 237,33 1406 06. 11.2018 6 461,01 2685 08.05.2022 34 059,27

128 08.05.2015 243,86 1407 07. 11.2018 6 530,14 2686 09.05.2022 30 296,95

129 09.05.2015 241,83 1408 08. 11.2018 6 453,72 2687 10.05.2022 31 022,91

130 10.05.2015 240,30 1409 09. 11.2018 6 385,62 2688 11.05.2022 28 936,36

131 11.05.2015 242,16 1410 10. 11.2018 6 409,22 2689 12.05.2022 29 047,75

132 12.05.2015 241,11 1411 11. 11.2018 6 411,27 2690 13.05.2022 29 283,10

133 13.05.2015 236,38 1412 12. 11.2018 6 371,27 2691 14.05.2022 30 101,27

134 14.05.2015 236,93 1413 13. 11.2018 6 359,49 2692 15.05.2022 31 305,11

135 15.05.2015 237,60 1414 14. 11.2018 5 738,35 2693 16.05.2022 29 862,92

136 16.05.2015 236,15 1415 15. 11.2018 5 648,03 2694 17.05.2022 30 425,86

137 17.05.2015 236,80 1416 16. 11.2018 5 575,55 2695 18.05.2022 28 720,27

138 18.05.2015 233,13 1417 17. 11.2018 5 554,33 2696 19.05.2022 30 314,33

139 19.05.2015 231,95 1418 18. 11.2018 5 623,54 2697 20.05.2022 29 200,74

140 20.05.2015 234,02 1419 19. 11.2018 4 871,49 2698 21.05.2022 29 432,23

141 21.05.2015 235,34 1420 20. 11.2018 4 451,87 2699 22.05.2022 30 323,72

142 22.05.2015 240,35 1421 21. 11.2018 4 602,17 2700 23.05.2022 29 098,91

143 23.05.2015 238,87 1422 22. 11.2018 4 365,94 2701 24.05.2022 29 655,59

144 24.05.2015 240,95 1423 23 11.2018 4 347,11 2702 25.05.2022 29 562,36

145 25.05.2015 237,11 1424 24. 11.2018 3 880,76 2703 26.05.2022 29 267,22

146 26.05.2015 237,12 1425 25. 11.2018 4 009,97 2704 27.05.2022 28 627,57

147 27.05.2015 237,28 1426 26. 11.2018 3 779,13 2705 28.05.2022 28 814,90

148 28.05.2015 237,41 1427 27. 11.2018 3 820,72 2706 29.05.2022 29 445,96

149 29.05.2015 237,10 1428 28. 11.2018 4 257,42 2707 30.05.2022 31 726,39

150 30.05.2015 233,35 1429 29. 11.2018 4 278,85 2708 31.05.2022 31 792,31

151 31.05.2015 230,19 1430 30. 11.2018 4 017,27 2709 01.06.2022 29 799,08

152 01.06.2015 222,93 1431 01. 12.2018 4 214,67 2710 02.06.2022 30 467,49

153 02.06.2015 225,80 1432 02. 12.2018 4 139,88 2711 03.06.2022 29 704,39

154 03.06.2015 225,87 1433 03 12.2018 3 894,13 2712 04.06.2022 29 832,91

155 04.06.2015 224,32 1434 04. 12.2018 3 956,89 2713 05.06.2022 29 906,66

156 05.06.2015 224,95 1435 05. 12.2018 3 753,99 2714 06.06.2022 31 370,67

157 06.06.2015 225,62 1436 06. 12.2018 3 521,10 2715 07.06.2022 31 155,48

158 07.06.2015 222,88 1437 07. 12.2018 3 419,94 2716 08.06.2022 30 214,36

159 08.06.2015 228,49 1438 08. 12.2018 3 476,11 2717 09.06.2022 30 112,00

160 09.06.2015 229,05 1439 09. 12.2018 3 614,23 2718 10.06.2022 29 083,80

161 10.06.2015 228,80 1440 10. 12.2018 3 502,66 2719 11.06.2022 28 360,81

162 11.06.2015 229,71 1441 11. 12.2018 3 424,59 2720 12.06.2022 26 762,65

163 12.06.2015 229,98 1442 12. 12.2018 3 486,95 2721 13.06.2022 22 487,39

164 13.06.2015 232,40 1443 13. 12.2018 3 313,68 2722 14.06.2022 22 206,79

165 14.06.2015 233,54 1444 14. 12.2018 3 242,48 2723 15.06.2022 22 572,84

166 15.06.2015 236,82 1445 15. 12.2018 3 236,76 2724 16.06.2022 20 381,65

167 16.06.2015 250,90 1446 16. 12.2018 3 252,84 2725 17.06.2022 20 471,48

168 17.06.2015 249,28 1447 17. 12.2018 3 545,86 2726 18.06.2022 19 017,64

169 18.06.2015 249,01 1448 18. 12.2018 3 696,06 2727 19.06.2022 20 553,27

170 19.06.2015 244,61 1449 19. 12.2018 3 745,95 2728 20.06.2022 20 599,54