USDT Premium as an Empirical Signal for Crisis Regime Identification: Evidence from the Stablecoin Market 2019-2026

Technische Samenvatting: De USDT-premie als empirisch signaal voor identificatie van crisisregimes

Probleemstelling en Motivatie
Dit onderzoek onderzoekt of de USDT-premie—de afwijking van de Tether-prijs van de ééndollarpare van een dollar in basispunten—fungeert als een real-time empirisch signaal dat in staat is om twee verschillende soorten economische schokken te onderscheiden: stress in de traditionele financiële sector (TradFi-stress, zoals bankencrises of USD-liquiditeitsevenementen) en crypto-specifieke stress (zoals het instorten van exchanges of het falen van algoritmische stablecoins). Terwijl de bestaande literatuur USDT primair behandelt als een liquiditeitsverschaffer of een de-pegging risico-asset, stelt dit artikel dat de premie een systematische, directionele asymmetrie vertoont afhankelijk van het type schok. Specifiek adresseert de studie drie hiaten: het gebrek aan analyse van premie-dalingen onder crypto-specifieke stress, de afwezigheid van vergelijkende analyses van cumulatieve abnormale premies (CAP) over meerdere crisistypes heen, en de noodzaak voor dynamische impulsrespons-schattingen met behulp van Local Projection-methoden om rekening te houden met heterogene persistentie.

Methodologie
De studie maakt gebruik van dagelijkse data van januari 2019 tot januari 2026 ($N=2.588$), die vijf grote crisisperioden beslaat: COVID-19 (maart 2020), de LUNA-Terra implosie (mei 2022), de FTX-instorting (november 2022), de SVB-instorting (maart 2023) en de piek van de Fed-rente (juli 2023).

1. Theoretisch Kader: Een "Dual-Regime Model" wordt voorgesteld.

   • Regime 1 (Safe Haven): TradFi-schokken triggeren een 'flight-to-quality'-mechanisme waarbij crypto-participanten USDT zoeken als een interne USD-proxy, wat leidt tot positieve premies.
   • Regime 2 (Flight from Crypto): Crypto-specifieke schokken triggeren een 'flight-from-crypto'-mechanisme waarbij investeerders USDT liquideren voor fiat vanwege besmettingsvrees, wat leidt tot negatieve premies.
   • Classificatieregel: Evenementen worden ex-ante geclassificeerd met behulp van VIX- en BTC-rendements z-scores om circulariteit te vermijden. TradFi-schokken worden gedefinieerd door hoge VIX z-scores (>2,0) en matige BTC z-scores (<3,0); crypto-specifieke schokken vertonen het tegenovergestelde.

2. Ekonometrische Benadering:

   • OLS Regressie: Baselinesmodellen met Newey-West HAC standaardfouten (bandwidth 5) onderzoeken drijfveren waaronder vertraagde premie (AR), BTC-rendementen, VIX en DXY.
   • Local Projection (LP): Volgens Jorda (2005) worden impulsresponsfuncties (IRF's) geschat voor horizonten $h=0$ tot $20$ dagen om de dynamische reacties op VIX-, BTC- en DXY-schokken te vangen.
   • Event Study: Door aanpassing van Fama et al. (1969) worden Cumulatieve Abnormale Premies (CAP) berekend met behulp van een normaal prestatiemodel dat is geschat over de $[-90, -31]$ dagen voorafgaand aan de evenementen.
   • Robuustheid: Rolling OLS (180-dagen venster) en sub-sample analyses (pre/post-FTX, Fed rentecyclus) worden uitgevoerd om de stabiliteit van de coëfficiënten te testen.

Belangrijkste Resultaten

1. Asymmetrische Crisisrespons (Hypothesen H1a & H1b bevestigd):

   • TradFi-schokken: Genereerden significante positieve CAP's. COVID-19 produceerde een CAP van +1.756 bps op een 20-dagen horizon; SVB produceerde +562 bps. Beiden zijn significant op het 1%-niveau.
   • Crypto-specifieke schokken: Genereerden significante negatieve CAP's. FTX produceerde -231 bps; LUNA produceerde -238 bps (20-dagen horizon). Beiden zijn significant op het 1%-niveau.
   • Beleidsschokken: De Fed-rentepiek resulteerde in een milde negatieve CAP (-199 bps), geïnterpreteerd als verminderde safe-haven vraag in plaats van actieve verkoop.

2. Determinanten van Premiedynamiek (Hypothesen H2 & H3 bevestigd):

   • Persistentie: De autoregressieve coëfficiënt (AR) is 0,836 ($p<0,001$), wat wijst op een hoge persistentie met een halve levensduur van ongeveer vier dagen. Dit verklaart het merendeel van de verklarende kracht ($R^2$ springt van 0,018 naar 0,700 bij inclusie van AR).
   • Transmissiekanalen:
     • BTC Rendement: Coëfficiënt van -58,9 ($p<0,01$). Positieve BTC-rendementen verminderen de USDT-premie (risk-on kapitaalrotatie).
     • VIX: Coëfficiënt van +0,067 ($p<0,05$). Een verhoogde VIX verhoogt de USDT-premie (angst-gedreven vraag naar interne USD).
     • DXY: De Amerikaanse Dollar Index is statistisch insignificant in het volledige model en vertoont onstabiele, tijdvariërende coëfficiënten in rolling regressies, wat bevestigt dat het geen primaire drijfveer is.

3. Dynamische Reacties:

   • LP-resultaten laten zien dat VIX-schokken een monotoon toenemende positieve respons produceren over 20 dagen, consistent met een geleidelijke resolutie van onzekerheid.
   • BTC-rendementsschokken produceren een onmiddellijke negatieve respons die naar nul neigt.
   • DXY-schokken vertonen geen significante respons.

Significantie en Claims

Het artikel claimt drie primaire bijdragen:

1. Theoretische Herformulering: Het formaliseert USDT niet louter als een dollar-peg, maar als een "interne USD" van het crypto-ecosysteem, die operationeel ontkoppeld is van de externe macro-economische dollarcyclus (DXY). De premie reflecteert de interne aanbod- en vraagcondities van het ecosysteem, gedreven door angst (VIX) en risicobereidheid (BTC), in plaats van door buitenlandse valuta-dynamiek.
2. Empirische Validatie: Het levert het eerste bewijs dat USDT-premieafwijkingen directioneel georganiseerd zijn door het type schok. Het dual-regime model onderscheidt succesvol TradFi-stress (positieve premie) van crypto-specifieke stress (negatieve premie) in real-time.
3. Methodologische Toepassing: Het demonstreert het nut van het combineren van OLS met autoregressieve dynamiek, Local Projection en event studies om de asymmetrische en persistente aard van stablecoin-prijsvorming onder stress te karakteriseren.

Beperkingen en Omvang
De auteurs merken op dat de studie beperkt is tot USDT en niet de gedragsprofielen van USDC of DAI vergelijkt. De prijsdata is geaggregeerd (CoinMetrics), wat de microstructure van individuele exchanges mogelijk maskeert. De event study beslaat slechts vijf episodes, en de endogeniteit van de premie ten opzichte van de eigen lags wordt gemitigeerd maar niet volledig opgelost via instrumentele variabelen. De bevindingen suggereren dat de USDT-premie dient als een 24/7, zero-latency signaal voor de identificatie van crisisregimes, ter aanvulling op traditionele macro-economische indicatoren.