همبستگی‌های چندفراکتالی در فعالیت معاملاتی بیت‌کوین و اتر

خلاصه

این پژوهش ویژگی‌های معاملات پربسامد بیت‌کوین و اتر را در دوره پس از COVID بررسی می‌کند. بازده، میانگین تعداد معاملات در هر واحد زمان و حجم معامله‌شده را با تحلیل همبستگی متقاطع چندفراکتالیِ بدون روند می‌سنجد؛ روشی مناسب برای شناسایی وابستگی غیرخطی در مقیاس‌های زمانی مختلف. تحلیل هم هر سری را جداگانه و هم روابط میان دو رمزارز را بررسی می‌کند.

نویسندگان وجود ساختار چندفراکتالی را در همه سنجه‌ها، از جمله همبستگی‌های متقاطع میان دارایی‌ها، گزارش می‌کنند. جابه‌جایی زمانی سری یک دارایی همبستگی‌های متقاطع را در مقیاس‌های کوتاه تا حدی تضعیف می‌کند، اما از میان نمی‌برد؛ بسته به اینکه کدام دارایی پیشرو فرض شود، تفاوت کیفی دیده نمی‌شود. در مقیاس‌های به‌اندازه کافی بلند، همبستگی‌های متقاطع هم‌زمان و باوقفه به اندازه یکسان می‌رسند. سند یافته‌های آماری را توصیف می‌کند، نه استراتژی معاملاتی؛ همچنین آزمون پیش‌بینی، جزئیات نمونه یا شواهدی ارائه نمی‌دهد که وابستگی اندازه‌گیری‌شده به بازده خالص تبدیل شود.

ایده‌های کلیدی

• تحلیل، بازده، تعداد معاملات و حجم معامله‌شده بیت‌کوین و اتر را دربر می‌گیرد.
• برای بررسی وابستگی غیرخطی سری‌های زمانی از تحلیل همبستگی متقاطع چندفراکتالیِ بدون روند استفاده می‌شود.
• نویسندگان ساختار چندفراکتالی را هم در سری‌های منفرد و هم در روابط میان دارایی‌ها می‌یابند.
• جابه‌جایی زمانی سری یک دارایی، همبستگی‌های متقاطع کوتاه‌مقیاس را تا حدی کاهش می‌دهد، اما از میان نمی‌برد.
• در مقیاس‌های بلند، اندازه همبستگی‌های متقاطع هم‌زمان و باوقفه به هم نزدیک می‌شود و عدم تقارن کیفی در جهت پیشرو گزارش نشده است.

برچسب‌ها

# Multifractal cross-correlations of bitcoin and ether trading characteristics in the post-COVID-19 time


# Multifractal cross-correlations of bitcoin and ether trading characteristics in the post-COVID-19 time









Unlike price fluctuations, the temporal structure of cryptocurrency trading has seldom been a subject of systematic study. In order to fill this gap, we analyse detrended correlations of the price returns, the average number of trades in time unit, and the traded volume based on high-frequency data representing two major cryptocurrencies: bitcoin and ether. We apply the multifractal detrended cross-correlation analysis, which is considered the most reliable method for identifying nonlinear correlations in time series. We find that all the quantities considered in our study show an unambiguous multifractal structure from both the univariate (auto-correlation) and bivariate (cross-correlation) perspectives. We looked at the bitcoin--ether cross-correlations in simultaneously recorded signals, as well as in time-lagged signals, in which a time series for one of the cryptocurrencies is shifted with respect to the other. Such a shift suppresses the cross-correlations partially for short time scales, but does not remove them completely. We did not observe any qualitative asymmetry in the results for the two choices of a leading asset. The cross-correlations for the simultaneous and lagged time series became the same in magnitude for the sufficiently long scales.

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.