Methoden der statistischen Physik zur Erkennung von Spoofing und Layering

Zusammenfassung

Das Dokument schlägt vor, die Dynamik des Orderbuchs als Bewegung von Teilchen darzustellen und den Marktzustand mit einem Impulsmaß zusammenzufassen. Dieser Ansatz aus der statistischen Physik soll Marktverhalten erfassen, das auf Manipulation hindeuten kann, insbesondere auf Spoofing und Layering. Die Methode wird auf die Orderbuchaktivität rund um den Flash-Crash der Kryptowährung LUNA angewendet. Die Autoren berichten, dabei zahlreiche Beispiele für beide Verhaltensweisen gefunden zu haben.

Das Dokument berichtet außerdem über Vergleiche der herkömmlichen Z-Score-Anomalieerkennung mit dem vorgeschlagenen Ansatz in den Märkten für LUNA sowie in Bitcoin-Märkten. Dabei wird eine bessere Erkennung manipulativer Aktivitäten beansprucht. Die Darstellung bleibt auf einer hohen Ebene und enthält keine Umsetzungsdetails: Das Impulsmaß wird nicht definiert, Parameterentscheidungen werden nicht erläutert und quantitative Leistungskennzahlen fehlen. Die Ergebnisse deuten daher auf einen möglichen Erkennungsrahmen hin; allein anhand dieser Zusammenfassung lässt sich jedoch nicht feststellen, wie robust er über Handelsplätze, Zeiträume oder andere Manipulationsformen hinweg ist.

Kernaussagen

• Die Orderbuchaktivität wird nach dem Vorbild der statistischen Physik als Teilchenbewegung modelliert.
• Ein Impulsmaß auf Systemebene fasst den Marktzustand zusammen.
• Der Ansatz wird zur Erkennung von Spoofing und Layering an den Märkten für LUNA und Bitcoin eingesetzt.
• Die Autoren berichten von einer besseren Erkennung als mit Z-Score-Anomalieerkennung, nennen hier aber keine Leistungsdetails.

Schlagwörter

# Detecting Financial Market Manipulation with Statistical Physics Tools


# Detecting Financial Market Manipulation with Statistical Physics Tools









We take inspiration from statistical physics to develop a novel conceptual framework for the analysis of financial markets. We model the order book dynamics as a motion of particles and define the momentum measure of the system as a way to summarise and assess the state of the market. Our approach proves useful in capturing salient financial market phenomena: in particular, it helps detect the market manipulation activities called spoofing and layering. We apply our method to identify pathological order book behaviours during the flash crash of the LUNA cryptocurrency, uncovering widespread instances of spoofing and layering in the market. Furthermore, we establish that our technique outperforms the conventional Z-score-based anomaly detection method in identifying market manipulations across both LUNA and Bitcoin cryptocurrency markets.

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.