Analisis peran fear and greed index sebagai konteks sentimen dalam pola pergerakan harga bitcoin
Keywords:
bitcoin, fear and greed index, sentimen pasar, return harga, analisis deskriptifAbstract
Bitcoin merupakan aset kripto dengan tingkat volatilitas tinggi yang pergerakan harganya seringkali dipengaruhi oleh faktor non-fundamental, termasuk sentimen pasar. Salah satu indikator yang umum digunakan untuk merepresentasikan kondisi psikologis pasar kripto adalah Fear and Greed Index (FGI). Penelitian ini bertujuan untuk menganalisis peran Fear and Greed Index sebagai konteks sentimen dalam pola pergerakan harga Bitcoin, tanpa bertujuan melakukan prediksi harga maupun pengujian hubungan kausal. Penelitian ini menggunakan pendekatan deskriptif–kuantitatif dengan analisis eksploratif. Data yang digunakan terdiri atas data Fear and Greed Index harian dan data harga Bitcoin (OHLCV) dengan resolusi satu jam pada periode Januari 2022 hingga November 2025. Data FGI harian dipetakan ke seluruh observasi harga Bitcoin per jam pada tanggal yang sama. Selanjutnya, dihitung return forward Bitcoin pada horizon 1 jam, 6 jam, dan 24 jam, yang dianalisis berdasarkan kategori sentimen Extreme Fear, Fear, Neutral, Greed, dan Extreme Greed. Hasil analisis menunjukkan bahwa pada kondisi Extreme Fear, return rata-rata Bitcoin dalam horizon 24 jam bernilai positif (sekitar 0,086%) dengan proporsi return bullish sebesar 52,6%, meskipun disertai variasi return yang tinggi. Kategori Fear menunjukkan perilaku harga yang relatif netral dengan proporsi bullish dan bearish yang hampir seimbang (sekitar 50,8%). Pada kondisi Neutral, return rata-rata 24 jam juga bernilai positif ringan (sekitar 0,116%), yang merepresentasikan pergerakan pasar yang relatif stabil. Sementara itu, kondisi Greed menunjukkan return rata-rata 24 jam tertinggi (sekitar 0,143%) dengan kecenderungan kelanjutan momentum kenaikan jangka pendek. Sebaliknya, pada kondisi Extreme Greed, meskipun return rata-rata masih bernilai positif (sekitar 0,028%), distribusi return menjadi lebih tidak konsisten dengan proporsi bullish mendekati 50%. Secara keseluruhan, Fear and Greed Index berperan sebagai konteks sentimen yang membantu memahami kecenderungan perilaku harga Bitcoin, namun tidak berfungsi sebagai indikator arah harga yang deterministik
Downloads
References
Abdeljawad, I., Tina, A., Hassan, M. K., & Rashid, M. (2025). Cryptocurrency Market Efficiency Revisited: A Bibliometric Analysis. International Journal of Financial Engineering, 12(04), 2550021. https://doi.org/10.1142/S2424786325500215
Abida, M., & Mnif, E. (2023). Investor Attention in Cryptocurrency Markets: Examining the Effects of Vaccination and COVID-19 Spread through a Wavelet Approach. International Journal of Economics and Financial Issues, 13(5), 43–51. https://doi.org/10.32479/ijefi.14727
Baig, A., Blau, B. M., & Sabah, N. (2019). Price clustering and sentiment in bitcoin. Finance Research Letters, 29, 111–116. https://doi.org/10.1016/j.frl.2019.03.013
Baker, M., & Wurgler, J. (2007). Investor Sentiment in the Stock Market.
Bariviera, A. F. (2017). The inefficiency of Bitcoin revisited: A dynamic approach. Economics Letters, 161, 1–4. https://doi.org/10.1016/j.econlet.2017.09.013
Corbet, S., Meegan, A., Larkin, C., Lucey, B., & Yarovaya, L. (2017). Exploring the Dynamic Relationships between Cryptocurrencies and Other Financial Assets.
Crypto Fear & Greed Index—Bitcoin Sentiment—Alternative.me. (2022). https://alternative.me/crypto/fear-and-greed-index/
Gaies, B., Nakhli, M. S., Sahut, J.-M., & Schweizer, D. (2023). Interactions between investors’ fear and greed sentiment and Bitcoin prices. The North American Journal of Economics and Finance, 67, 101924. https://doi.org/10.1016/j.najef.2023.101924
Hidayatullah, M., & Juniar, A. (2024). Narrative Research Study: Market Sentiment As A Trigger For Cryptocurrency Volatility.
Li, Q. (2024). Essays on high-frequency financial econometric.
López-Cabarcos, M. Á., Pérez-Pico, A. M., Piñeiro-Chousa, J., & Šević, A. (2021). Bitcoin volatility, stock market and investor sentiment. Are they connected? Finance Research Letters, 38, 101399. https://doi.org/10.1016/j.frl.2019.101399
Manahov, V., & Urquhart, A. (2021). The efficiency of Bitcoin: A strongly typed genetic programming approach to smart electronic Bitcoin markets. International Review of Financial Analysis, 73, 101629. https://doi.org/10.1016/j.irfa.2020.101629
Prasad, S., Mohapatra, S., Rahman, M. R., & Puniyani, A. (2022). Investor Sentiment Index: A Systematic Review. International Journal of Financial Studies, 11(1), 6. https://doi.org/10.3390/ijfs11010006
Shefrin, H. (2009). Behavioralizing Finance. Foundations and Trends® in Finance, 4(1–2), 1–184. https://doi.org/10.1561/0500000030
Subramaniam, S., & Chakraborty, M. (2020). Investor Attention and Cryptocurrency Returns: Evidence from Quantile Causality Approach. Journal of Behavioral Finance, 21(1), 103–115. https://doi.org/10.1080/15427560.2019.1629587
