Kryptohandelsaktivität, Handelsintervalle und Multifraktalität

Zusammenfassung

Diese Analyse untersucht Tickdaten großer Kryptowährungen, die auf mehreren Plattformen gehandelt werden. Sie betrachtet die Zeit zwischen Transaktionen zusammen mit Transaktionszahlen, Handelsvolumen und Volatilität. Die Autoren berichten eine langreichweitige Autokorrelation nach einem Potenzgesetz bei den Zeitabständen zwischen Transaktionen und bringen dieses Muster mit Multifraktalität in Verbindung. Die Singularitätsspektren sind asymmetrisch; in Phasen hoher Aktivität ist das multifraktale Verhalten ausgeprägter als in ruhigeren Phasen.

Die Studie vergleicht außerdem mögliche Verteilungen für die beobachteten Größen. Weder gestreckte Exponentialverteilungen noch Verteilungen mit Potenzgesetz-Tail passen zu allen Kombinationen aus Plattform und Größe: In manchen Fällen eignet sich eine davon, in anderen Fällen scheitern beide. Parallele Datensätze verschiedener Plattformen können deutlich unterschiedliche statistische Eigenschaften aufweisen. Der Auszug nennt weder die Plattformen noch den Erhebungszeitraum oder ein universelles Modell. Die Ergebnisse weisen somit auf plattformspezifisches Verhalten und Grenzen allgemeiner Verteilungsannahmen hin, nicht auf eine einzelne Handelsregel.

Kernaussagen

• Die Zeitabstände zwischen Transaktionen in den untersuchten Kryptodaten weisen eine langreichweitige Autokorrelation nach einem Potenzgesetz auf.
• In Phasen hoher Aktivität ist die Multifraktalität ausgeprägter als in ruhigen Phasen.
• Gestreckte Exponentialverteilungen und Verteilungen mit Potenzgesetz-Tail passen nicht zu jeder gemessenen Größe oder jedem Datensatz.
• Datensätze verschiedener Plattformen können erheblich unterschiedliche statistische Eigenschaften haben.
• Der Auszug enthält Beobachtungen zur Marktstruktur, aber keine konkret beschriebene Handelsstrategie.

Schlagwörter

# Analysis of inter-transaction time fluctuations in the cryptocurrency market


# Analysis of inter-transaction time fluctuations in the cryptocurrency market









We analyse tick-by-tick data representing major cryptocurrencies traded on some different cryptocurrency trading platforms. We focus on such quantities like the inter-transaction times, the number of transactions in time unit, the traded volume, and volatility. We show that the inter-transaction times show long-range power-law autocorrelations. These lead to multifractality expressed by the right-side asymmetry of the singularity spectra $f(α)$ indicating that the periods of increased market activity are characterised by richer multifractality compared to the periods of quiet market. We also show that neither the stretched exponential distribution nor the power-law-tail distribution are able to model universally the cumulative distribution functions of the quantities considered in this work. For each quantity, some data sets can be modeled by the former, some data sets by the latter, while both fail in other cases. An interesting, yet difficult to account for, observation is that parallel data sets from different trading platforms can show disparate statistical properties.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.