Digitale activa
Crypto, fiat en activa zijn nu strategische rivalen

Bij het bespreken van investeringen in specifieke activaklassen, of het nu onroerend goed, aandelen of crypto is, is het belangrijk ze niet geïsoleerd te bekijken. Dit komt doordat ze allemaal met elkaar concurreren om dezelfde beperkte kapitaal‑ en aandachtspool van het investerende publiek.
Daarom moeten verschillende financiële markten worden gezien als het complexe resultaat van de interacties tussen vele factoren die niet alleen specifieke activaklassen beïnvloeden, maar ook de onderlinge wisselwerking tussen deze activaklassen.
Speltheorie is een tak van de toegepaste wiskunde die beter kan verklaren hoe dit werkt. Het analyseert situaties waarin partijen, spelers genoemd, beslissingen nemen die onderling afhankelijk zijn, waardoor elke speler de mogelijke beslissingen of strategieën van de andere speler in overweging moet nemen bij het formuleren van zijn eigen strategie.
In een recent gepubliceerd wetenschappelijk artikel1 gebruiken twee onderzoekers van de Universiteit van Stavanger (Noorwegen) speltheorie om de impact van cryptocurrencies op financiële strategie te modelleren. Hun model omvatte de acties, strategieën en wisselwerking tussen huishoudens, overheden, centrale banken, bedrijven, CeFi (Centralized Finance) en DeFi (Decentralized Finance).
Ze publiceerden hun bevindingen in het tijdschrift International Review of Financial Analysis, onder de titel “A game-theoretic model of cryptocurrencies, fiat currencies and assets”.
Using Game Theory For Crypto & Macroeconomics
Hoewel toepasbaar op spellen zoals schaken, zijn de belangrijkste toepassingen van speltheorie te vinden op het gebied van politiek en economie. Speltheorie is gebruikt om het beleid van centrale banken te modelleren en vorm te geven, de inflatieverwachtingen van het publiek, internationale handelsconflicten en vele andere toepassingen.
Een kernconcept hierbij is “utility”, dat een getal toekent aan elke alternatieve keuze van een speler om hun relatieve aantrekkelijkheid weer te geven. Het maximaliseren van iemands verwachte utility bepaalt automatisch de meest geprefereerde optie van die speler.
Het moet worden opgemerkt dat utility niet hetzelfde is als maximale winsten. Bijvoorbeeld, soms kan het waarborgen van enige winst als optimaal worden beschouwd door een speler, zelfs als dit betekent dat er geld op tafel wordt gelaten.
In de meest geavanceerde vormen introduceert speltheorie ook complexere elementen, zoals informatie‑asymmetrie (sommige actoren weten meer dan anderen), het effect van eerder gedrag op toekomstige verwachtingen, en het besef dat meerdere Nash‑evenwichten (een uitkomst in een niet‑coöperatief spel voor twee of meer spelers waarin geen enkele speler zijn verwachte uitkomst kan verbeteren door zijn eigen strategie te wijzigen) gelijktijdig kunnen bestaan.
Het model dat in deze studie werd gebruikt, werd ingezet als een “spel” met vijf spelers, die respectievelijk staan voor:
- Households, die consumptie, arbeid, lenen en activatoewijzing kiezen.
- Governments, die belastingen en boetes kiezen.
- Central banks, die fiat‑rentevoeten en geldcreatie of -onttrekking kiezen.
- Private firms, die lonen en productieomstandigheden kiezen.
- CeFi and DeFi banks, die leenvoorwaarden in fiat‑ en cryptomarkten kiezen.
Het idee is dat de netto‑rendementen van fiat, crypto en andere activa voortkomen uit onafhankelijke keuzes met betrekking tot al deze factoren.
“Lezers kunnen daarom het volledige model begrijpen als een uitgebreide versie van een eenvoudiger mechanisme: beleidsveranderingen wijzigen leenprikkels, lenen verandert inflatie‑ en balanstoezichtcondities, en die verschuivingen voeden de portefeuillekeuze en institutionele uitbetalingen terug.”
Building A Crypto Macroeconomics Game Theory
Setting Up The Stage
Het model maakt onderscheid tussen traditionele activa (bijv. fiat‑valuta’s, obligaties, aandelen) en cryptocurrencies.
Traditionele activa, zoals fiat‑valuta’s (inclusief CBDC’s), worden centraal uitgegeven en beheerd, onderworpen aan bijdrukken/onttrekking door centrale banken, inflatie‑aanpassingen en volledige belasting/boetes.
Cryptocurrencies daarentegen zijn gedecentraliseerd, met een vaste of algoritmisch beperkte voorraad (bijv. de cap van Bitcoin), waardoor nieuwe toepassingen mogelijk zijn buiten traditionele valuta:
- Programmeervriendelijke slimme contracten voor geautomatiseerd lenen in DeFi.
- Tokenisatie van reële activa (bijv. assets zoals NFT’s als een aparte klasse).
- Grensoverschrijdende peer‑to‑peer‑overdrachten die transactiekosten verlagen.
Dit maakt zowel het model als echte cryptocurrencies veerkrachtig tegen centrale manipulatie. In dit model drijft de innovatie van crypto de DeFi‑utility‑winst (inclusief anonimiteit voor bepaalde activa), maar volatiliteit kan traditionele adoptie voor “normale” transacties afschrikken.
Echter, om het model eenvoudig en stabiel te houden, werden gedragsbiases niet geïntroduceerd (irrationele actie vanuit economisch oogpunt), en werden economische schokken of volatiliteitspieken niet meegenomen.
In dit model beïnvloeden inflatie, beleids‑credibiliteit, verwachte rendementen, volatiliteit, belasting, adoptie en vertrouwen allemaal het gedrag rond financiële activa en het toekomstige rendement van cryptocurrencies en traditionele activaklassen. Om deze wisselwerking vast te leggen, volgden de onderzoekers 11 verschillende activaklassen, gecategoriseerd op hun economische functie:
| Asset Category | Included Asset Classes & Examples |
|---|---|
| Currencies | Fiat currency, Cryptocurrencies |
| Traditional Equities & Debt | Stocks, Bonds, ETFs |
| Tangible & Alternative Assets | Real estate, Physical capital, Anti-inflationary investments (gold, fine art, or limited-edition collectibles) |
| Digital Alternatives & Derivatives | NFTs, Futures, options, and other financial derivatives (including commodities, copyrights, goodwill, etc.) |
| Unregulated Markets | Illegal assets |
Deze 11 activa en het gedrag + de interacties van de 5 soorten “spelers” werden gemodelleerd in 26 afgeleide vergelijkingen, inclusief utility‑functies, beperkingen, inflatiedefinities en evenwichtsvoorwaarden.
Model Calibration With Different Countries
De auteurs kalibreerden hun model voor de VS en Nigeria om de resultaten te relateren aan herkenbare institutionele en macro‑economische omgevingen. Bijvoorbeeld, hier zijn enkele van de aangebrachte wijzigingen:
- De VS wordt gemodelleerd als meer consumptie‑gedreven.
- Het model voor Nigeria werd aangepast om overeen te komen met zijn hogere doel‑inflatie‑omgeving.
- De transactiekostparameter werd verlaagd voor de VS om efficiëntere digitale bank‑ en crypto‑exchange‑condities weer te geven en verhoogd voor Nigeria om de informele economie, zwakkere infrastructuur en hogere transactiewrijvingen te weerspiegelen.
Dezelfde kalibratie kan worden uitgevoerd voor veel meer landen en bedrijfsomgevingen. Deze methode laat de modelvergelijkingen ook zien wat er zou gebeuren als sommige parameters veranderen — bijvoorbeeld als nieuwe cryptoreguleringen worden aangenomen, als de inflatie stijgt, enzovoort.
What Can the Game Theory Model Tell Us About Crypto?
What Did The Model Show?
Bij het draaien van het model kwamen de onderzoekers tot 12 verschillende “formele proposities” over hoe crypto wordt beïnvloed door lenen, inflatie, portefeuillesubstitutie, lonen en utilities die reageren op veranderingen in sleutel‑huishoudelijke, monetaire en structurele parameters. Om deze bevindingen gemakkelijker te consumeren, kunnen ze worden geordend op hun kern‑financiële dynamiek:
Dynamics of Borrowing, Interest Rates & DeFi Utility
- Proposition 1: Een toename in de aantrekkelijkheid van fiat‑leningen kan fiat‑leningen verhogen. Daarentegen vertonen cryptocurrency‑leningen en DeFi‑bank‑utility een initiële groei gevolgd door krimp.
- Proposition 2: Hogere waargenomen leenkosten in zowel fiat als cryptocurrencies kunnen nog steeds fiat‑leningen verhogen wanneer het geïnduceerde inflatievoordeel de directe leenkost overtreft.
- Proposition 3: Fiat‑onttrekking kan fiat‑leningen en CeFi‑bank‑utility verminderen, terwijl gedecentraliseerde financiën relatief aantrekkelijker blijven.
- Proposition 4: Hogere beleidsrentes kunnen zowel fiat‑ als cryptocurrency‑leningen uitbreiden in de context van hoge inflatieverwachtingen.
- Proposition 5: Cryptocurrency‑inflatie kan een portefeuilleverplaatsing veroorzaken die cryptocurrency‑leningen en DeFi‑bank‑utility verhoogt.
- Proposition 10: Fiat‑geldcreatie verdringt cryptocurrency‑leningen asymmetrisch, aangezien centrale bank‑fiat‑geldcreatie fiat‑leningen, inflatie en centrale‑financiële utility opschaalt.
Dynamics of Wages, Labor & Market Structure
- Proposition 6: Loonallocatie naar consumptie neemt toe met de utility van het aanhouden van fiat‑valuta.
- Proposition 7: Een grotere loon‑curvatuur (grotere loonreductie bij hoge werkloosheidscondities) verandert de fiat‑crypto‑leningsmix op manieren die gedecentraliseerde financiën bevoordelen.
- Proposition 8: Een hogere bevolking versterkt de overheids‑utility, omdat een groter aantal huishoudens de belastingbasis uitbreidt en compenserende leen‑ en portefeuillesaanpassingen induceert.
- Proposition 9: Hogere werkgelegenheidspercentages kunnen nominale lonen verlagen, maar zowel huishoudens‑ als bedrijfswelzijn verbeteren.
- Proposition 11: Meer talrijke bedrijven verhogen huishoudelijke lonen en consumptie, en verlagen lenen en inflatie.
- Proposition 12: Hogere lonen comprimeren lenen en inflatie terwijl ze bedrijven benadelen.
Policy Recommendations
Samen schilderen deze proposities een complex beeld van de interactie tussen crypto & DeFi en de rest van het economische systeem. Dit leidde de auteurs tot enkele aanbevelingen:
De eerste is een waarschuwing dat conventionele monetaire instrumenten mogelijk niet op dezelfde manier functioneren in hybride fiat‑cryptocurrency‑systemen als in louter fiat‑economieën. Bijvoorbeeld, een dergelijk hybride systeem zal anders reageren op strengere fiat‑condities — in sommige conditiesets versterkt het traditionele financiën, in andere sets gebeurt het tegenovergestelde.
Een direct gevolg is dat belastingbeleid en handhaving moeten worden gecoördineerd met financiële regulering.
“Dit wijst op een evenwichtig belastingontwerp, proportionele boetes, verbeterde rapportagestandaarden, en betere institutionele coördinatie tussen belastingautoriteiten, financiële toezichthouders en centrale banken. Overmatig strenge handhaving in één marktsegment elimineert het risico mogelijk niet, maar verplaatst het slechts.”
Een derde aanbeveling is dat CBDC’s (Central Bank Digital Currencies) prioriteit moeten geven aan betaal‑efficiëntie, lage transactiekosten, interoperabiliteit en juridische duidelijkheid.
Op dezelfde manier moet financiële regulering zich richten op veerkracht, niet alleen onderdrukking. Een beleid dat vijandig staat tegenover cryptocurrencies en gedecentraliseerde financiën onder strengere fiat‑condities drukt, kan falen of zelfs averechts werken.
“Een goed ontworpen CBDC kan daarom financiële inclusie en transactie‑efficiëntie verbeteren terwijl destabiliserende verschuivingen tussen gecentraliseerde en gedecentraliseerde financiën worden beperkt.”
Ten slotte kan looncompressie of inkomensonzekerheid huishoudens naar een grotere afhankelijkheid van zowel fiat‑ als crypto‑leningen drijven. Beleid dat het huishoudelijk inkomen stabiliseert, kan daarom niet alleen welzijn ondersteunen, maar ook macro‑financiële veerkracht.
De context van het land is ook van belang, waarbij hogere inflatie en een sterker informeel financiersysteem een enorme impact hebben op het gebruik van fiat en cryptocurrencies.
Al met al bewijst dit speltheoretische macro‑economische model dat centrale banken en beleidsmakers hun wiskundige en mentale modellen moeten bijwerken voor het bestaan van cryptocurrencies. Wat in het verleden werkte, kan nu volledig tegenovergestelde resultaten opleveren nu een nieuwe parallel, en radicaal ander type valuta bestaat en toegankelijk is voor het publiek.
“De centrale beleidsuitdaging in hybride fiat‑cryptocurrency‑economieën is daarom om substitutie, spill‑overs en prikkels over markten heen te beheren in plaats van elke markt afzonderlijk te reguleren.”
Study Referenced
1. Kjell Hausken and Guizhou Wang. “A game-theoretic model of cryptocurrencies, fiat currencies and assets.” International Review of Financial Analysis. 3 juni 2026. Article: 105226. DOI: 10.1016/j.irfa.2026.105226











