Indirekte Coin-Konvertierungen und Dreiecksarbitrage auf Binance messen

Zusammenfassung

Diese Studie entwickelt Methoden, um algorithmischen Handel in historischen Binance-Transaktionsdaten zu erkennen und zu messen. Im Mittelpunkt stehen indirekte interne Konvertierungen: Eine Person tauscht einen Coin über einen Zwischen-Coin gegen einen anderen und erhält dabei einen günstigeren Kurs als bei einer direkten Konvertierung. Die Autoren bezeichnen dieses Vorgehen als Teilstrategie der Dreiecksarbitrage und untersuchen dessen Profitabilität und Risiken, einschließlich zweier Methoden, mit denen Bots Verluste mindern.

Das berichtete Umtauschverhältnis ist um 0.144% beziehungsweise 14.4 Basispunkte besser als der direkte Kurs; der Strategie werden 2.71% aller Binance-Trades zugeschrieben. Diese Schätzungen beschreiben Aktivitäten auf einer zentralisierten Börse anhand historischer Trades. Der Auszug nennt weder den Beobachtungszeitraum noch Umsetzungsdetails oder Belege dafür, dass der gemessene Preisvorteil nach Gebühren, Ausführungsbeschränkungen und anderen Kosten profitabel bleibt.

Kernaussagen

• Bei einer indirekten Konvertierung wird ein Zwischen-Coin genutzt, um einen besseren Kurs als bei einem direkten Trade zu erzielen.
• Die Studie behandelt dieses Verhalten als Teilstrategie der Dreiecksarbitrage.
• Die Autoren nutzen historische Binance-Trades, um Verbreitung, Profitabilität und Risiken zu messen.
• Sie berichten einen Wechselkursvorteil von 0.144% und schreiben der Strategie 2.71% der Trades zu.
• Der Auszug belegt nicht, ob der gemessene Vorteil nach praktischen Handelskosten und Ausführungsbeschränkungen bestehen bleibt.

Schlagwörter

# Empirical Analysis of Indirect Internal Conversions in Cryptocurrency Exchanges


# Empirical Analysis of Indirect Internal Conversions in Cryptocurrency Exchanges









Algorithmic trading is well studied in traditional financial markets. However, it has received less attention in centralized cryptocurrency exchanges. The Commodity Futures Trading Commission (CFTC) attributed the $2010$ flash crash, one of the most turbulent periods in the history of financial markets that saw the Dow Jones Industrial Average lose $9\%$ of its value within minutes, to automated order "spoofing" algorithms. In this paper, we build a set of methodologies to characterize and empirically measure different algorithmic trading strategies in Binance, a large centralized cryptocurrency exchange, using a complete data set of historical trades. We find that a sub-strategy of triangular arbitrage is widespread, where bots convert between two coins through an intermediary coin, and obtain a favorable exchange rate compared to the direct one. We measure the profitability of this strategy, characterize its risks, and outline two strategies that algorithmic trading bots use to mitigate their losses. We find that this strategy yields an exchange ratio that is $0.144\%$, or $14.4$ basis points (bps) better than the direct exchange ratio. $2.71\%$ of all trades on Binance are attributable to this strategy.

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.