Einseitige Arbitrage aus anonymen Kryptobörsen-Trades ableiten

Zusammenfassung

Diese Studie stellt eine Methode vor, um wahrscheinliche Sequenzen einseitiger Arbitrage (OWA) in Spot-Transaktionsdaten zentralisierter Kryptowährungsbörsen zu identifizieren, in denen öffentliche Daten keine Trader-Identitäten oder Wallet-Adressen enthalten. Der Ansatz leitet verknüpfte Handelssequenzen aus anonymisierten Trades ab. So können Forschende schätzen, wie häufig diese Aktivität vorkommt und welches Gesamtvolumen sowie welche Gesamtgewinne sie erzielt.

Auf fünf Jahre Binance-Daten und neun Jahre Kraken-Daten angewandt, identifiziert die Methode Hunderte Millionen wahrscheinlicher Sequenzen auf Binance und fast zwei Millionen auf Kraken. Die geschätzten Gesamtgewinne sind positiv, der durchschnittliche Gewinn pro Sequenz liegt nach Gebühren jedoch unter einem Dollar. Die Studie berichtet außerdem, dass die Sequenzen mit der Zeit schneller wurden, während ihre jeweilige Rentabilität sank. Dabei handelt es sich um abgeleitete Muster und nicht um direkt identifizierte Trader. Das Abstract erläutert weder die Erkennungsregeln noch die Unsicherheit der Schätzungen. Die Ergebnisse weisen auf wiederkehrende Preisunterschiede hin, zeigen aber nicht, unter welchen Marktbedingungen bestimmte Sequenzen profitabel sind.

Kernaussagen

• Anhand anonymer Spot-Trades lassen sich wahrscheinliche Sequenzen einseitiger Arbitrage ableiten.
• Die Studie wendet ihre Methode auf die Handelshistorien von Binance und Kraken an.
• Geschätzte Gesamtgewinne stehen sehr kleinen durchschnittlichen Gewinnen pro Sequenz nach Gebühren gegenüber.
• Die abgeleiteten Sequenzen wurden schneller, während ihre jeweilige Rentabilität sank.
• Welche Bedingungen genau profitable Arbitrage ermöglichen, bleibt ungeklärt.

Schlagwörter

# A Truckload of Satoshis: Detecting and Measuring One-Way Arbitrage in the Wild


# A Truckload of Satoshis: Detecting and Measuring One-Way Arbitrage in the Wild









Centralized cryptocurrency exchanges (CEXes) enable fast off-chain conversions between hundreds of coins. It is an open question which algorithmic trading patterns occur on these platforms. A major challenge to measuring CEXes is that their public trade data does not contain addresses or trader identifiers allowing linkage. We propose a novel methodology to infer one-way arbitrage (OWA) trading in anonymized spot trade data from CEXes. We identify 402 M likely OWA sequences in 5 years of trading on Binance (and almost 2 M during 9 years on Kraken), accounting for 0.94 % and 0.13 % of the total traded volume, respectively. While we estimate total profits of $31.2 M on Binance and $975 k on Kraken, profits from individual OWA sequences are less than $1 on average after accounting for trading fees. We also observe that OWA has become faster over time, while the profitability of individual sequences has decreased. Our findings highlight that pricing discrepancies regularly occur in CEXes, and raise questions for future work to identify the precise circumstances that enable profitable OWA.

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.