Medición de conversiones indirectas de criptomonedas y arbitraje triangular en Binance

Resumen

Este estudio desarrolla métodos para identificar y medir la actividad de trading algorítmico en los datos históricos de operaciones de Binance. Se centra en conversiones internas indirectas: un operador cambia una moneda por otra a través de una moneda intermediaria y obtiene un tipo de cambio más favorable que mediante una conversión directa. Los autores describen esta actividad como una subestrategia de arbitraje triangular y examinan su rentabilidad y sus riesgos, incluidas dos formas en que los bots mitigan las pérdidas.

El tipo de cambio comunicado es 0.144%, o 14.4 puntos básicos, mejor que el tipo directo, y se atribuye a la estrategia el 2.71% de todas las operaciones de Binance. Estas estimaciones describen la actividad en una bolsa centralizada a partir de operaciones históricas. El fragmento no indica el periodo observado ni los detalles de implementación, y tampoco demuestra que la ventaja de precio medida siga siendo rentable después de comisiones, limitaciones de ejecución y otros costes.

Ideas clave

• La conversión indirecta pasa por una moneda intermediaria para intentar obtener un tipo mejor que con una operación directa.
• El estudio considera este comportamiento una subestrategia de arbitraje triangular.
• Los autores utilizan operaciones históricas de Binance para medir la prevalencia, la rentabilidad y los riesgos.
• Informan de una ventaja del tipo de cambio de 0.144% y atribuyen a la estrategia el 2.71% de las operaciones.
• El fragmento no demuestra si la ventaja medida se mantiene tras los costes prácticos de trading y las limitaciones de ejecución.

Etiquetas

# 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.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.