CRYPTOCURRENCY MARKET AS AN ASYMMETRIC DUOPOLY: COMPLEMENTARITY AND COMPETITION BETWEEN BITCOIN AND ETHEREUM

Ганна ТЕЛЬНОВА

doi:10.31617/1.2026(169)08

Автор(и)

Ганна ТЕЛЬНОВА ТОВ "Компанія "Про-Консалтінг" https://orcid.org/0000-0002-5724-7229

DOI:

https://doi.org/10.31617/1.2026(169)08

Ключові слова:

дуополія, модель Бертрана, модель Курно, цінове лідерство, ринкові частки, комплементарність, криптовалютний ринок

Анотація

Попри широкий масив досліджень із прогнозування цін й оцінки волатильності криптоактивів, питання характеру ринкової взаємодії між Bitcoin і Ethereum в термінах теорії ринкової організації залишається практично недослідженим. Проаналізовано верифікацію гіпотези про існування асиметричної дуопольної структури між Bitcoin і Ethereum. Висунуто три гіпотези: цінового лідерства Bitcoin (H1), кількісної рівноваги Курно (H2) та часткової комплементарності активів (H3). Методологічну основу дослідження становлять кореляційний аналіз логарифмічних рядів цін і доходностей, аналіз ринкових часток за ціновою та торговою метриками, а також регресійне оцінювання трьох моделей Бертрана і моделі Курно з лаговою часткою BTC. Емпіричною базою стали щоденні дані Yahoo Finance за
2017–2026 рр., агреговані до місячних середніх. Результати підтверджують гіпотезу цінового лідерства (H1), асиметрія у 0.402 кількісно підтверджує домінування Bitcoin. Гіпотезу Курно (H2) у класичному формулюванні відхилено і констатовано механізм ротації капіталу від BTC до ETH з місячним лагом. Гіпотеза комплементарності (H3) підтверджена за обома аналітичними блоками. Зроблено висновок, що крипторинок функціонує як асиметрична дуополія, де цінова конкуренція реалізується за моделлю Бертрана з лідером Bitcoin, а на рівні ринкових часток домінує комплементарний попит.

Біографія автора

Ганна ТЕЛЬНОВА, ТОВ "Компанія "Про-Консалтінг"

д. е. н., доцент, старший аналітик

Посилання

Babych, O. A. (2025). Cryptocurrency Price Forecasting Using Artificial Intelligence: Integration of Technical Analysis and Cycle Theories with Machine Learning Models. Scientific Bulletin of the International Humanitarian University, (62), 17-23. https://doi.org/10.32782/2413-2675/2025-62-3 DOI: https://doi.org/10.32782/2413-2675/2025-62-3

Chyzhevska, M., Wenger, V., Kushnirenko, O., Romanovska, N., & Stepanenko, O. (2025). Cryptocurrency price forecasting using the FNN model. European Scientific Journal of Economic and Financial Innovation, 2(16), 36-50. http://doi.org/10.32750/2025-0204 DOI: https://doi.org/10.32750/2025-0204

Dobrolyubova, M. V., Radovetsky, O. O., Pomazun, O. M., & Markin, M. O. (2025). Modern approaches to intellectual analysis of the cryptocurrency market. Bulletin of the Vinnytsia Polytechnic Institute, (4), 126-135. https://doi.org/10.31649/1997-9266-2025-181-4-126-135 DOI: https://doi.org/10.31649/1997-9266-2025-181-4-126-135

Fomina, O. V., & Semenova, S. M. (2022). Cryptocurrency as an object of accounting in Ukraine and the EU. Effective Economy, (9). https://doi.org/10.32702/2307-2105.2022.9.12 DOI: https://doi.org/10.32702/2307-2105.2022.9.12

Hutsul, I. A. (2025). The Evolution of Investment Assets: Comparative Dynamics of Gold and Cryptocurrencies. Science and Technology Today, 11(52), 486-497. https://doi.org/10.52058/2786-6025-2025-11(52)-486-497 DOI: https://doi.org/10.52058/2786-6025-2025-11(52)-486-497

Iyer, R., & Popescu, A. (2023). New Evidence on Spillovers between Crypto Assets and Financial Markets. IMF Working Paper No. 2023/213. http://dx.doi.org/10.5089/9798400257001.001 DOI: https://doi.org/10.5089/9798400256622.001

Joshi, P. (2025). Regime-Specific interdependencies in cryptocurrency markets: A high-frequency GMM-VAR approach. Data Science in Finance and Economics, 5(3), 419-439. https://doi.org/10.3934/DSFE.2025017 DOI: https://doi.org/10.3934/DSFE.2025017

Kammoun, W. M. (2026). Return and volatility spillover drivers among conventional cryptocurrencies. Digital Finance, 8(1), 1-39. https://doi.org/10.1007/s42521-025-00167-y DOI: https://doi.org/10.1007/s42521-025-00167-y

Korkusuz, B. (2025). Volatility Transmission in Digital Assets: Ethereumʼs Rising Influence. Journal of Risk and Financial Management, 18(3), 111. https://doi.org/10.3390/jrfm18030111 DOI: https://doi.org/10.3390/jrfm18030111

Kozenkova, V. D., & Movsesyants, A. M. (2025). Modern methods for forecasting the volatility of cryptocurrency markets. Economic Bulletin of Dnipro Polytechnic Institute, 1(89), 98-109. https://doi.org/10.33271/ebdut/89.098 DOI: https://doi.org/10.33271/ebdut/89.098

Kraus, K. M., & Rosokhatska, M. O. (2022). Cryptocurrency as it is: "economic bubble" or "digital gold"? European scientific journal of economic and financial innovation, (1), 105-114. http://doi.org/10.32750/2022-0109

https://doi.org/10.32750/2022-0109 DOI: https://doi.org/10.32750/2022-0109

Kumah, S. P, & Baafi, J.A. (2025). Spillover effects among cryptocurrencies in a pandemic: a time frequency approach. Journal of Electronic Business & Digital Economics, 4(1), 151-166. https://doi.org/10.1108/JEBDE-08-2024-0027 DOI: https://doi.org/10.1108/JEBDE-08-2024-0027

Li, Y., Zhou, Y., Huang, J., Xie, L., & Huang, H. (2026). Bitcoin ETFs and structural decoupling in the cryptocurrency market: evidence from altcoin correlation dynamics. Cogent Economics & Finance, 14(1). https://doi.org/10.1080/23322039.2026.2625541 DOI: https://doi.org/10.1080/23322039.2026.2625541

Mazaraki, A., & Volosovich, S. (2022). Crypto-currency mining in conditions of critical transfor-mational processes. Scientia Fructuosa, (2), 4-20. https://doi.org/10.31617/1.2022(142)01

Melnyk, T. M., & Klym, O. I. (2022). The role of cryptocurrencies in cybersecurity and the fight against crime. Formation of market relations in Ukraine, (6), 86-94.

Polyansky, V. O., Litvinenko, A. V. (2025). Assessment of the effectiveness of the countertrend trading strategy based on cryptocurrency price fluctuations. Effective Economics, (4). https://doi.org/10.32702/2307-2105.2025.4.45 DOI: https://doi.org/10.32702/2307-2105.2025.4.45

Saka Ilgın, K. (2024). Can the major cryptocurrencies be used as a portfolio diversifier? Ekonomski Vjesnik, 37(2), 299-318. https://doi.org/10.51680/ev.37.2.7 DOI: https://doi.org/10.51680/ev.37.2.7

Sitailo, M. S. (2024). Research into the process of data collection for the purpose of their use in forecasting the exchange rate of cryptocurrencies. Scientific notes of the V. I. Vernadsky Tavrichesky National University. Technical Sciences, 35(74), 3(1), 232-238. https://doi.org/10.32782/2663-5941/2024.3.1/33 DOI: https://doi.org/10.32782/2663-5941/2024.3.1/33

Troyan, K. (2024). Analysis of causal relationships in the cryptocurrency market. Modeling of Economic Systems Development, (13), 274-282. https://doi.org/10.31891/mdes/2024-13-38 DOI: https://doi.org/10.31891/mdes/2024-13-38

Yahoo Finance (n. d.). Crypto. https://finance.yahoo.com/markets/crypto/all/

Zhang, M., Zhu, B., Li, Z., , Jin, S., & Xia, Y. (2024). Relationships among return and liquidity of cryptocurrencies. Financial Innovation, 10(3). https://doi.org/10.1186/s40854-023-00532-z DOI: https://doi.org/10.1186/s40854-023-00532-z