فعالیت معاملاتی رمزارز، فاصله زمانی معاملات و چندفراکتالی بودن

خلاصه

این تحلیل داده‌های تیک‌به‌تیک رمزارزهای بزرگ معامله‌شده در چندین پلتفرم را بررسی می‌کند. زمان میان تراکنش‌ها را همراه با شمار تراکنش‌ها، حجم معاملات و نوسان مطالعه می‌کند. نویسندگان از خودهمبستگی قانون توان با برد بلند در فاصله‌های زمانی میان تراکنش‌ها خبر می‌دهند و این الگو را به چندفراکتالی بودن مرتبط می‌کنند. طیف‌های تکینگی نامتقارن‌اند و رفتار چندفراکتالی در دوره‌های فعالیت بالا از دوره‌های آرام غنی‌تر است.

این پژوهش همچنین توزیع‌های احتمالی را برای کمیت‌های مشاهده‌شده مقایسه می‌کند. نه توزیع نمایی کشیده و نه توزیع دنباله‌قانون توان با همه ترکیب‌های پلتفرم و کمیت سازگار نیستند: یکی ممکن است در برخی موارد مناسب باشد و هر دو در موارد دیگر شکست بخورند. مجموعه‌داده‌های موازی از پلتفرم‌های مختلف می‌توانند ویژگی‌های آماری بسیار متفاوتی داشته باشند. گزیده پلتفرم‌ها، دوره نمونه‌گیری یا مدلی جهان‌شمول را مشخص نمی‌کند؛ بنابراین یافته‌ها به رفتار ویژه هر محل معامله و محدودیت فرض‌های کلی درباره توزیع‌ها اشاره دارند، نه به یک قاعده معاملاتی واحد.

ایده‌های کلیدی

• فاصله‌های میان تراکنش‌ها در داده‌های رمزارزی بررسی‌شده، خودهمبستگی قانون توان با برد بلند نشان می‌دهند.
• دوره‌های فعالیت بالا چندفراکتالی بودن غنی‌تری از دوره‌های آرام دارند.
• توزیع‌های نمایی کشیده و دنباله‌قانون توان با همه کمیت‌ها یا مجموعه‌داده‌های اندازه‌گیری‌شده سازگار نیستند.
• مجموعه‌داده‌های پلتفرم‌های مختلف می‌توانند ویژگی‌های آماری به‌طور محسوسی متفاوتی داشته باشند.
• گزیده مشاهداتی درباره ساختار بازار ارائه می‌کند، نه یک استراتژی معاملاتی مشخص.

برچسب‌ها

# 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.

با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0

این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.