Cryptovolatiliteit verspreidt zich sneller dan beleggers denken

Cryptocurrency-investeerders behandelen diversificatie vaak als een kwestie van het bezitten van meer activa. Een portefeuille die Bitcoin (BTC ), Ether, verschillende layer-one netwerken en een selectie van kleinere tokens bevat, kan evenwichtiger lijken dan een positie die geconcentreerd is in één munt. Echter, dat evenwicht wordt minder overtuigend wanneer volatiliteit zich vrijwel onmiddellijk over die activa verspreidt.

Een nieuwe studie, gepubliceerd in Finance Research Letters¹, onderzoekt dit probleem door cryptocurrencies te beschouwen als knooppunten in een onderling verbonden netwerk. In plaats van alleen te vragen hoe volatiel elk actief historisch is geweest, maten de onderzoekers hoe volatiliteit in één deel van de markt zich verhoudt tot volatiliteit onder naburige, sterk gecorreleerde munten.

De bevindingen suggereren dat cryptocurrency‑prijzen functioneren als een nauw verbonden systeem. Prijsvolatiliteit verspreidt zich sterk over het netwerk op dezelfde dag en blijft de naburige activa de volgende dag beïnvloeden. Volatiliteit van handelsvolume daarentegen blijft veel specifieker voor individuele munten.

Voor beleggers is dit onderscheid belangrijk. Het suggereert dat het bezit van extra cryptocurrencies de blootstelling kan vergroten zonder evenveel bescherming te bieden tegen marktbrede schokken als het aantal holdings doet vermoeden.

Hoe onderzoekers cryptocurrency‑volatiliteit in kaart brachten

Traditionele volatiliteitsmodellen analyseren doorgaans een actief in de tijd. Ze kunnen patronen identificeren zoals volatiliteitsclustering, waarbij grote prijsbewegingen vaak worden gevolgd door extra grote bewegingen. Echter, conventionele modellen hebben vaak moeite om tientallen activa die elkaar tegelijk beïnvloeden te representeren.

De onderzoekers pakten deze beperking aan met een dynamisch Spatial ARCH‑model. Hoewel de term “spatial” vaak geassocieerd wordt met geografische locaties, hoeven cryptocurrencies geen fysieke locaties te hebben om een netwerk te vormen. Hun economische nabijheid kan in plaats daarvan worden gedefinieerd door de sterkte van hun rendementcorrelaties.

In dit kader worden twee munten als buren beschouwd wanneer hun rendementen een voldoende nauwe statistische relatie vertonen. Het model kan vervolgens schatten hoeveel van de volatiliteit van één munt verbonden is met de volatiliteit van haar buren, zowel onmiddellijk als na een vertraging van één dag.

De dataset begon met de 100 grootste cryptocurrencies op basis van marktkapitalisatie. Na het verwijderen van activa zonder volledige historie creëerden de onderzoekers een gebalanceerd panel van 50 cryptocurrencies dat 1.517 opeenvolgende handelsdagen beslaat van 6 januari 2021 tot en met 2 maart 2025. Dit leverde 75.700 observaties op voor de uiteindelijke prijs‑ en volumemodellen.

De analyse scheidde bovendien prijsvolatiliteit van volatiliteit van handelsvolume. Die beslissing toonde aan dat de twee zich niet op dezelfde manier door de markt bewegen.

Prijschokken reizen sneller dan volumeschokken

Het centrale resultaat van de studie is een gelijktijdige prijs‑volatiliteit‑spillover‑schatting van 0,43. In praktische termen was een aanzienlijk deel van de volatiliteit van een cryptocurrency geassocieerd met volatiliteit onder haar gecorreleerde buren gedurende dezelfde handelsdag.

De onderzoekers vonden ook een vertraagd netwerkeffect van 0,34. Dit duidt erop dat volatiliteit onder naburige munten een dag later nog invloed uitoefende op een actief. Ter vergelijking was de eigen temporale persistentie van een actief slechts 0,17.

Dit levert een bruikbare interpretatie op. Een geïsoleerde schok die slechts één actief treft, kan relatief snel verdwijnen. Zodra die schok echter deel wordt van een netwerkbrede beweging, kunnen interacties tussen gecorreleerde munten de verstoring in stand houden.

De resultaten waren niet beperkt tot één willekeurige definitie van een buur. Over drie verschillende netwerkconstructies varieerde de geschatte prijs‑spillover van 0,346 tot 0,50 en bleef sterk statistisch significant. Die consistentie versterkt de conclusie dat het effect een bredere marktstructuur weerspiegelt in plaats van een modelkeuze.

Handelsvolume gedroeg zich anders. De gelijktijdige spillover was slechts 0,12 in het geselecteerde model, terwijl het vertraagde buur‑effect ongeveer 0,02 bedroeg. Volume vertoonde nog steeds clustering in de tijd, maar veranderingen waren veel minder gesynchroniseerd tussen cryptocurrencies.

Dit is economisch logisch. Prijzen reageren snel op gedeelde invloeden zoals macro‑economische aankondigingen, regelgevende ontwikkelingen, hefboom‑liquidaties en veranderingen in het beleggerssentiment. Arbitrage en overlappende eigendom kunnen die reacties binnen enkele minuten over beurzen en tokens verspreiden.

Volume is meer afhankelijk van activumspecifieke gebeurtenissen. Een notering op een beurs, token‑unlock, protocolupgrade, governance‑stemming of promotiecampagne kan intense handel in één cryptocurrency genereren zonder vergelijkbare activiteit elders.

Waarom meer cryptocurrencies niet per se meer bescherming betekenen

De bevindingen dagen een gangbare interpretatie van diversificatie uit. Diversificatie werkt het best wanneer portefeuilleelementen verschillend reageren op dezelfde onderliggende schok. Het toevoegen van activa die nog steeds blootgesteld zijn aan een gedeelde risicofactor kan het aantal holdings verhogen zonder dat risico wezenlijk te verlagen.

Dit betekent niet dat alle cryptocurrency‑diversificatie zinloos is. Verschillende tokens kunnen nog steeds verschillende langetermijnrendementen opleveren, verschillende technische risico’s ondervinden en verschillend reageren op activumspecifieke ontwikkelingen. Het probleem is dat deze onderscheidingen minder beschermend kunnen worden wanneer brede volatiliteit het gehele netwerk bereikt.

Recente analyse van Securities.io heeft afzonderlijk onderzocht hoe diversificatie waarde kan vernietigen in cryptomarkten met zwaar‑staartige rendementen. Het netwerkmodel voegt een extra dimensie toe aan die zorg. Beleggers moeten niet alleen het aantal activa dat ze bezitten overwegen, maar ook of die activa verbonden zijn met hetzelfde volatiliteitsoverdrachtssysteem.

Een praktische portefeuilletreview zou daarom moeten vragen:

• Welke holdings worden gedreven door dezelfde marktbrede risicofactoren?
• Stijgen correlaties tijdens stressperiodes?
• Kan één leveraged positie de verkoop van anderszins niet‑gerelateerde holdings afdwingen?
• Bevat de portefeuille activa buiten het cryptocurrency‑netwerk?

De laatste vraag is bijzonder belangrijk. Het verminderen van crypto‑specifieke volatiliteit kan diversificatie over werkelijk verschillende activaklassen vereisen, in plaats van simpelweg kapitaal te verdelen over meer tokens.

Cryptodiversificatie en cross‑asset diversificatie zijn verschillend

De studie richt zich op relaties binnen cryptocurrency‑markten. Het stelt niet vast dat crypto altijd synchroon beweegt met aandelen, obligaties, grondstoffen of valuta. Dat onderscheid voorkomt dat de bevindingen te breed worden geïnterpreteerd.

Een belegger zou redelijk kunnen concluderen dat diversificatie binnen crypto beperkte bescherming biedt tegen een crypto‑brede schok, terwijl hij toch gelooft dat een bescheiden allocatie van digitale activa zich op langere termijn anders kan gedragen dan andere investeringen.

De tijdshorizon speelt ook een rol. Activa kunnen matige langetermijncorrelaties vertonen en toch scherp convergeren tijdens korte stressperiodes. Securities.io heeft eerder bewijs onderzocht dat Bitcoin geen betrouwbare veilige haven is geworden, zelfs nu institutionele toegang en marktinfrastructuur zijn verbeterd.

De Bank for International Settlements heeft ook gedocumenteerd hoe cryptocurrency‑prijzen kunnen deelnemen aan bredere periodes van markt‑turbulentie. Samen suggereren deze observaties dat diversificatie moet worden geëvalueerd onder stressvolle omstandigheden, niet alleen via correlaties berekend over een volledige marktcyclus.

Wat het model wel en niet kan vertellen aan beleggers

Het model biedt een duidelijker beeld van hoe volatiliteit zich door een cryptocurrency‑netwerk beweegt, maar het is geen handelssysteem. Het voorspelt niet de richting van de volgende prijsbeweging of welke munt zal uitblinken.

De onderzoekers bouwden hun hoofdnetwerk met behulp van rendementcorrelaties berekend uit de volledige steekproef en behandelden dat netwerk vervolgens als vast. Werkelijke cryptocurrency‑relaties kunnen veranderen naarmate narratieven, regelgeving, liquiditeitscondities en marktdeelnemers evolueren. Een munt die centraal lijkt tijdens één cyclus kan minder invloedrijk worden in een andere.

Het model sluit ook externe variabelen uit zoals rente‑beslissingen, inflatierapporten, regelgevende aankondigingen en prestaties van de aandelenmarkt. Correlatie identificeert verbonden beweging, maar bewijst niet welk actief of welke gebeurtenis de oorspronkelijke schok veroorzaakte.

Beleggers zouden de studie daarom moeten gebruiken als een risicokader. De sterkste bijdrage is het aantonen waarom analyse per munt een systeem‑niveau kwetsbaarheid kan missen. Stress‑testing, blootstellingslimieten, liquiditeitsplanning en hedging‑beleid moeten rekening houden met de mogelijkheid dat ogenschijnlijk verschillende tokens tijdens turbulente periodes één geconcentreerde handel kunnen worden.

Investeren in cryptocurrency‑risicoinfrastructuur

Als onderling verbonden volatiliteit asset‑niveau diversificatie minder betrouwbaar maakt, wordt de infrastructuur die wordt gebruikt om die volatiliteit te beheren belangrijker. Dit creëert een relevant investeringsperspectief rond CME Group, dat gereguleerde derivatenmarkten exploiteert en cryptocurrency‑futures, opties, referentietarieven en risicomanagement‑tools biedt.

CME Group past beter bij dit onderzoek dan een cryptocurrency‑beurs waarvan het succes sterk afhankelijk is van retail‑transacties. Haar rol draait om het mogelijk maken voor marktdeelnemers om risico te transfereren, af te dekken en te prijzen. Het bedrijf heeft ook de toegang tot gereguleerde cryptocurrency‑futures en -opties uitgebreid naar een groeiend scala van digitale activa.

De investeringshypothese is niet dat grotere volatiliteit automatisch hogere inkomsten genereert. Contractvraag, concurrentie, clearing‑economie, regelgeving en institutionele deelname beïnvloeden allemaal het resultaat. In plaats daarvan creëren steeds meer onderling verbonden cryptocurrency‑markten een structurele behoefte aan portefeuilleniveau‑hedging en continue prijsontdekking.

Die behoefte kan waardevoller worden naarmate institutionele blootstelling aan cryptocurrency groeit. Wanneer schokken binnen dezelfde dag over vele munten kunnen reizen, hebben professionele beleggers tools nodig die het netwerk als een portefeuille beheren in plaats van elke token als een geïsoleerde positie te behandelen.

Cryptorisico is een netwerkprobleem

De studie biedt een eenvoudige les onder haar technische methodologie: cryptocurrency‑markten bevatten minder onafhankelijke risicobronnen dan een lange lijst met token‑namen zou doen vermoeden.

Prijsvolatiliteit bewoog zich sterk over gecorreleerde munten zowel onmiddellijk als met een vertraging van één dag, terwijl volatiliteit van handelsvolume relatief lokaal bleef. Voor beleggers betekent dit dat de zichtbare diversiteit van een crypto‑portefeuille een gemeenschappelijke gevoeligheid voor sentiment, hefboomwerking, macro‑economisch nieuws en marktstructuur kan verbergen.

Betere risicobeheer begint met het herkennen van dat onderscheid. Beleggers kunnen nog steeds diversifiëren tussen cryptocurrency‑projecten voor verschillen in technologie, adoptie en rendements‑potentieel. Echter, kapitaal beschermen tegen marktbrede volatiliteit vereist het kijken voorbij het aantal tokens naar correlatie, liquiditeit, position sizing, externe activaklassen en hedging‑infrastructuur.

Referenties:

¹ Achim, M.-A., Belbe, Ș., Mare, C., & Otto, P. (2026). Ruimtelijke effecten en onzekerheid in cryptocurrencies: Het geval van netwerk ARCH-modellen. Finance Research Letters, 110729. https://doi.org/10.1016/j.frl.2026.110729