سنجش تبدیل غیرمستقیم رمزارز و آربیتراژ مثلثی در بایننس

خلاصه

این پژوهش روش‌هایی برای شناسایی و سنجش فعالیت معاملات الگوریتمی در داده‌های تاریخی معاملات بایننس تدوین می‌کند. تمرکز آن بر تبدیل‌های داخلی غیرمستقیم است: معامله‌گر یک رمزارز را از طریق رمزارزی واسط به رمزارزی دیگر تبدیل می‌کند و نرخی بهتر از تبدیل مستقیم به دست می‌آورد. نویسندگان این فعالیت را زیر‌استراتژی‌ای از آربیتراژ مثلثی می‌دانند و سودآوری و ریسک‌های آن، ازجمله دو روش کاهش زیان ربات‌ها، را بررسی می‌کنند.

نسبت مبادله گزارش‌شده 0.144%، یا 14.4 واحد پایه، بهتر از نرخ مستقیم است و این استراتژی به 2.71% از کل معاملات بایننس نسبت داده می‌شود. این برآوردها فعالیت را در یک صرافی متمرکز و بر پایه معاملات تاریخی توصیف می‌کنند. گزیده دوره مشاهده، جزئیات اجرا یا شواهدی ارائه نمی‌دهد که نشان دهد برتری قیمت اندازه‌گیری‌شده پس از کارمزدها، محدودیت‌های اجرا و سایر هزینه‌ها همچنان سودآور می‌ماند.

ایده‌های کلیدی

• در مسیر تبدیل غیرمستقیم، معامله از طریق یک رمزارز واسط انجام می‌شود تا نرخی بهتر از معامله مستقیم به دست آید.
• پژوهش این رفتار را زیر‌استراتژی‌ای از آربیتراژ مثلثی می‌داند.
• نویسندگان از معاملات تاریخی بایننس برای سنجش فراوانی، سودآوری و ریسک استفاده می‌کنند.
• آنها برتری نرخ مبادله 0.144% را گزارش می‌کنند و 2.71% از معاملات را به این استراتژی نسبت می‌دهند.
• گزیده نشان نمی‌دهد که برتری اندازه‌گیری‌شده پس از هزینه‌های عملی معامله و محدودیت‌های اجرا پابرجا می‌ماند یا نه.

برچسب‌ها

# 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.

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.