📈 economics

Macroeconomic Liquidity Transmission to the Cryptocurrency Market: A Correlation Study of Dxy and Usdt Dominance

Deze studie toont empirisch aan dat de relatie tussen de US Dollar Index (DXY) en de USDT-dominantie een significante, regime-afhankelijke correlatie is die wordt gedreven door macro-economische liquiditeitsomstandigheden in plaats van door vertraagde causaliteit, waarbij de sterkte en richting aanzienlijk variëren over verschillende marktcycli ter ondersteuning van de Adaptive Market Hypothesis.

Oorspronkelijke auteurs: NAFI AL KAUTSAR PUTRAWAN

Gepubliceerd 2026-07-07

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: NAFI AL KAUTSAR PUTRAWAN

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je de wereldwijde financiële wereld voor als een enorme, bruisende oceaan. In deze oceaan zijn twee hoofdtypen "boten" die geld vervoeren: de US Dollar Index (DXY), die de kracht van de traditionele, veilige, door de overheid gesteunde dollar vertegenwoordigt, en de Cryptomarkt, een vloot van snelle, opwindende maar soms wankele speedboten.

Dit onderzoekspapier fungeert als een weerbericht voor deze oceaan, waarbij specifiek wordt gekeken naar hoe de "veilige haven" van de dollar invloed heeft op waar beleggers hun geld parkeren binnen de crypto-vloot.

Hier is een eenvoudige uitsplitsing van wat de studie heeft gevonden, met behulp van alledaagse analogieën:

1. De Hoofdpersoon: De "Veilige Haven" (USDT)

Binnen de crypto-oceaan is er een speciaal type boot genaamd USDT (een stablecoin). Deze is gekoppeld aan de Amerikaanse dollar, wat betekent dat hij niet wankelt zoals Bitcoin of andere cryptomunten.

De Metafoor: Denk aan USDT als een reddingsboot. Wanneer de crypto-oceaan stormachtig wordt, springen beleggers niet noodzakelijkerwijs het water uit; ze verplaatsen zich simpelweg van hun wankele speedboten naar de reddingsboten om de storm af te wachten.
De Metriek: De studie volgt de USDT Dominance, wat simpelweg een percentage is dat laat zien hoeveel mensen op de reddingsboten zitten vergeleken met de speedboten.

2. De Grote Ontdekking: De Verbinding met het "Getij"

De onderzoekers keken naar gegevens van januari 2020 tot juni 2026 (een periode die de pandemie, een enorme boom, een crash en een nieuw normaal beslaat). Ze vonden een sterke link tussen de kracht van de Amerikaanse dollar (DXY) en het aantal mensen op de reddingsboten (USDT Dominance).

De Analogie: Stel je voor dat de Amerikaanse dollar het getij is. Wanneer het getij stijgt (de dollar wordt sterker), drukt dit het waterniveau omhoog, en voelen meer boten (beleggers) de behoefte om zich aan de reddingsboten (USDT) vast te klampen om veilig te blijven.
Het Resultaat: De studie vond een positieve correlatie. Wanneer de Amerikaanse dollar sterker wordt, verplaatsen meer crypto-beleggers hun geld naar USDT. Het is als een dans waarbij ze meestal in dezelfde richting bewegen: Sterke Dollar = Meer Reddingsboten.

3. De Twist: De Dans Verandert de Stappen (Adaptive Market Hypothesis)

Dit is het meest interessante deel van het papier. De relatie is niet altijd hetzelfde; deze verandert afhankelijk van het "seizoen" of de stemming van de markt. De onderzoekers noemen dit de Adaptive Market Hypothesis—kort gezegd: de markt leert en past zich aan.

Het "Stormachtige" Seizoen (2021–2022): Tijdens de tijd dat de rentetarieven snel stegen, was de dans zeer gesynchroniseerd. Een sterkere dollar betekende een enorme sprong in het aantal mensen dat naar de reddingsboten verhuisde. De correlatie was bijna perfect (0,938).
Het "Kalme" Seizoen (2025–2026): In de latere jaren veranderde de dans volledig. De relatie keerde zelfs om. Tijdens deze "normalisatiefase" werd een sterkere dollar geassocieerd met minder mensen op de reddingsboten.
De Les: Je kunt er niet vanuit gaan dat de regels voor altijd hetzelfde blijven. Wat werkte tijdens de paniek van 2022, werkte niet op dezelfde manier tijdens de rust van 2026.

4. Het "Vroegtijdige Waarschuwingssysteem" (Divergentie)

Soms bewegen het getij (de Dollar) en de reddingsboten (de USDT) niet meer samen. Ze gaan hun eigen ding doen.

De Analogie: Stel je voor dat het getij stijgt, maar plotseling springt iedereen van de reddingsboten af en terug op de speedboten. Deze "breuk in het patroon" wordt een divergentie genoemd.
De Bevinding: De studie vond dat wanneer deze breuk optreedt, dit vaak een grote verandering in de totale waarde van de cryptomarkt voorspelt die binnenkort zal komen. Als de reddingsboten voller worden terwijl de dollar stabiel blijft, is dat een waarschuwingssignaal dat er een storm aan komt.

5. De Timing: Het Gebeurt Onmiddellijk

De onderzoekers wilden weten: Wordt de dollar eerst sterk, en verplaatsen mensen zich dan een week later naar de reddingsboten? Of gebeurt het allemaal tegelijkertijd?

Het Resultaat: Het gebeurt onmiddellijk. Er is geen vertraging. Zodra de dollar sterker wordt, verplaatsen beleggers zich direct naar USDT. Het is als een reflex, niet een traag besluitvormingsproces. Dit suggereert dat de cryptomarkt zeer efficiënt is in het reageren op nieuws.

Samenvatting

Kortom, dit papier vertelt ons dat:

Meestal, wanneer de Amerikaanse dollar sterk wordt, worden crypto-beleggers bang en verplaatsen ze hun geld naar "veilige" stablecoins (USDT).
Echter, deze regel verandert afhankelijk van het huidige economische "seizoen". Soms is de relatie supersterk; soms keert deze om en wordt deze negatief.
Let op de breuk: Wanneer de dollar en de stablecoins niet meer samen bewegen, is dat een signaal dat de cryptomarkt een grote draai gaat maken.
Geen vertraging: De markt reageert onmiddellijk op deze veranderingen, niet dagen later.

De studie concludeert dat om door de crypto-oceaan te navigeren, je niet alleen naar de crypto-boten kunt kijken; je moet het getij (de Dollar) in de gaten houden en begrijpen dat de regels van het spel veranderen met de seizoenen.

Technische Samenvatting: Macro-economische Liquiditeitsoverdracht naar de Cryptomarkt

1. Probleemstelling en Onderzoeksgat

De cryptomarkt is geëvolueerd van een geïsoleerd ecosysteem naar een component van het wereldwijde investeringslandschap die zeer responsief is op macro-economische omstandigheden. Terwijl de bestaande literatuur uitgebreid de negatieve correlatie tussen de Amerikaanse Dollar Index (DXY) en Bitcoin-prijzen documenteert, blijft er een aanzienlijk gat bestaan met betrekking tot het mechanisme van liquiditeitsoverdracht via interne crypto-metrieken. Specifiek hebben weinig studies onderzocht hoe DXY-bewegingen kapitaalrotatiegedrag binnen het crypto-ecosysteem beïnvloeden, zoals geproxy door USDT Dominance (USDT.D).

Deze studie adresseert de volgende onderzoeksvragen:

Wat is de sterkte en richting van de correlatie tussen DXY en USDT.D van januari 2020 tot juni 2026?
In welke mate verklaren DXY-fluctuaties de variaties in USDT.D-niveaus?
Kan divergentie tussen DXY en USDT.D dienen als een leidende indicator voor omkeerbewegingen in de totale cryptomarktkapitalisatie?

2. Methodologie

De studie hanteert een verklarende kwantitatieve benadering met gebruik van een retrospectief tijdreeksontwerp.

Dataprofiel: 339 wekelijkse observaties over de periode van 1 januari 2020 tot 30 juni 2026.
- Onafhankelijke Variabele: US Dollar Index (DXY).
- Afhankelijke Variabele: USDT Dominance (USDT.D), representatief voor het aandeel van de marktkapitalisatie van Tether ten opzichte van de totale cryptomarktkapitalisatie.
- Ondersteunende Variabelen: Totale Marktkapitalisatie en BTC-prijs.
Analytische Technieken:
1. Stationariteitstesten: Augmented Dickey-Fuller (ADF) testen werden uitgevoerd om spuriose regressie te voorkomen, waarbij conceptueel werd gecontroleerd met het Phillips-Perron framework.
2. Correlatie & Regressie: Pearson-correlatieanalyse en eenvoudige lineaire regressie (OLS) werden gebruikt om de relatie en de verklaarde variantie ( $R^2$ ) te kwantificeren.
3. Divergentieanalyse: Een observationele methode om episodes te identificeren waarin de gesynchroniseerde beweging van DXY en USDT.D doorbrak, voorafgaand aan marktomkeerbewegingen.
4. Granger Causaliteit: Getest bij lags van 1 tot 4 weken om te bepalen of DXY USDT.D-bewegingen temporeel voorafgaat.
5. Sub-periode Analyse: De steekproef werd verdeeld in zeven verschillende marktregimes (bijv. COVID-crisis, 2021–2022 renteverhogingscyclus, 2025–2026 normalisatiefase) om de Adaptive Market Hypothesis (AMH) te testen.

3. Belangrijkste Resultaten

3.1 Stationariteit en Correlatie

Stationariteit: Zowel DXY als USDT.D bleken niet-stationair op niveaus ( $I(1)$ ), maar wel stationair na eerste differentiatie.
Algehele Correlatie: Er werd een significante matige positieve correlatie gevonden tussen DXY en USDT.D ( $r = 0,6564, p < 0,001$ ).
Regressieanalyse: Het lineaire regressiemodel leverde een $R^2$ op van 0,4309, wat aangeeft dat 43,09% van de variatie in USDT.D wordt verklaard door DXY-bewegingen. De coëfficiënt ( $\beta_1 = 0,2183$ ) suggereert dat een stijging van 1 punt in DXY geassocieerd is met een stijging van 0,2183 procentpunt in USDT.D.

3.2 Regime-afhankelijke Dynamiek (Ondersteuning AMH)

De relatie is niet statisch maar sterk afhankelijk van het marktregime, wat de Adaptive Market Hypothesis ondersteunt:

2021–2022 Renteverhogingscyclus: Zeer sterke positieve correlatie ( $r = 0,938$ ).
2025–2026 Normalisatiefase: Significante negatieve correlatie ( $r = -0,457$ ).
Overige perioden: Correlaties varieerden van matig positief (COVID-crisis, Bull Run) tot statistisch insignificant (Mid-2021 correctie, Post-FTX herstel, ETF-tijdperk).

3.3 Causaliteit en Divergentie

Granger Causaliteit: Er werd geen significante eenrichtings-temporele causaliteit gevonden van DXY naar USDT.D bij lags van 1–4 weken ( $p > 0,05$ ). Dit suggereert dat de relatie grotendeels gelijktijdig (contemporaneous) is in plaats van vertraagd, wat wijst op een hoge informatie-efficiëntie in de cryptomarkt.
Divergentiesignalen: Specifieke episodes werden geïdentificeerd waarbij de breuk in de normale DXY-USDT.D relatie voorafging aan opmerkelijke omkeerbewegingen in de totale marktkapitalisatie.
- Bullish Divergentie (nov 2024): DXY hoog terwijl USDT.D daalde, voorafgaand aan marktappreciatie.
- Bearish Divergentie (mid-2025): USDT.D steeg scherp terwijl DXY stabiel bleef, voorafgaand aan een marktcorrectie.

4. Belangrijkste Bijdragen

Empirische Validatie van Liquiditeitsoverdracht: De studie levert empirisch bewijs dat macro-liquiditeitsschokken (DXY) systematisch de interne kapitaalrotatie in crypto (USDT.D) beïnvloeden, waarmee een positieve correlatie onder specifieke regimes wordt bevestigd.
Kwantificering van Variantie: Het kwantificeert de omvang van de invloed van DXY, waarbij wordt vastgesteld dat bijna de helft (43,09%) van de variatie in USDT.D kan worden toegeschreven aan DXY-bewegingen.
Validatie van de Adaptive Market Hypothesis: Door aan te tonen dat de correlatiestructuur verschuift van sterk positief naar significant negatief over verschillende marktcycli heen, daagt de studie statische efficiëntieparadigma's in crypto-onderzoek uit.
Early Warning Framework: De identificatie van divergentiepatronen biedt een potentieel kader voor het detecteren van trendomkeerbewegingen in de totale marktkapitalisatie voordat deze volledig manifesteren.

5. Betekenis en Implicaties

Het artikel claimt significantie in zowel theoretische als praktische domeinen:

Theoretisch: Het breidt de literatuur over de relatie tussen traditionele macro-economie en digitale activa uit door de Adaptive Market Hypothesis te integreren. Het gaat verder dan statische correlaties om te demonstreren hoe marktrelaties dynamisch evolueren als reactie op structurele breuken en economische regimes.
Praktisch:
- Risicobeheer: Beleggingspraktijkgebruikers kunnen DXY gebruiken als een voorspellende variabele in kapitaalallocatiemodellen, mits zij rekening houden met het heersende marktregime.
- Kwantitatieve Handel: De bevindingen ondersteunen de integratie van macro-liquiditeitssignalen en divergentieanalyse in kwantitatieve strategieën om modelparameters dynamisch aan te passen.
- Portefeuilleoptimalisatie: Het opnemen van Tether-dominantie en macro-liquiditeitsmetrieken kan helpen bij het verminderen van drawdowns en het verbeteren van risico-gecorrigeerde rendementen vergeleken met statische portefeuilles.

6. Beperkingen

De auteurs erkennen verschillende beperkingen:

Datagranulariteit: USDT.D data is geaggregeerd en maakt geen onderscheid tussen blockchains of specifieke use cases.
Controlevariabelen: De analyse heeft geen controle variabelen opgenomen zoals Fed-rentevoeten, inflatie of sentimentindices.
Causale Claims: Vanwege het gebrek aan significante Granger causaliteit, onthoudt de studie zich van sterke causale claims, waarbij wordt opgemerkt dat de relatie waarschijnlijk simultaan is.
Scope: De studie richt zich op USDT; toekomstig onderzoek wordt gesuggereerd om ook andere stablecoins (USDC, BUSD) te bevatten en gebruik te maken van Vector Autoregression (VAR) of high-frequency intraday analyse.