سنجه‌های فیزیک آماری برای شناسایی اسپوفینگ و لِیِرینگ
خلاصه
این سند پیشنهاد می‌کند پویایی دفتر سفارش را مانند حرکت ذرات نمایش دهیم و وضعیت بازار را با سنجه‌ای از تکانه خلاصه کنیم. این صورت‌بندی برگرفته از فیزیک آماری برای ثبت رفتارهایی طراحی شده که ممکن است نشانه دستکاری باشند، به‌ویژه اسپوفینگ و لِیِرینگ. این روش بر فعالیت دفتر سفارش پیرامون سقوط ناگهانی ارز دیجیتال LUNA اعمال می‌شود و نویسندگان گزارش می‌کنند که نمونه‌های گسترده‌ای از هر دو رفتار یافته‌اند.
سند همچنین مقایسه‌هایی با شناسایی ناهنجاری متعارف مبتنی بر نمره زد در بازارهای LUNA و بیت‌کوین گزارش می‌کند و ادعا دارد رویکرد پیشنهادی فعالیت دستکاری‌گرانه را بهتر شناسایی می‌کند. متن گزارشی کلی ارائه می‌دهد، نه جزئیات پیاده‌سازی: سنجه تکانه را تعریف نمی‌کند، انتخاب پارامترها را توضیح نمی‌دهد یا نتایج کمّی عملکرد را ارائه نمی‌کند. بنابراین یافته‌ها به چارچوبی بالقوه برای شناسایی اشاره دارند، اما همین خلاصه به‌تنهایی استحکام آن را در محل‌های معامله، دوره‌های زمانی یا شکل‌های دیگر دستکاری اثبات نمی‌کند.
ایده‌های کلیدی
- فعالیت دفتر سفارش با الهام از فیزیک آماری به‌صورت حرکت ذرات مدل می‌شود.
- برای خلاصه‌کردن وضعیت بازار از سنجه تکانه در سطح سامانه استفاده می‌شود.
- این رویکرد برای شناسایی اسپوفینگ و لِیِرینگ در بازارهای LUNA و بیت‌کوین به کار می‌رود.
- نویسندگان شناسایی بهتر ناهنجاری‌ها را نسبت به روش تشخیص ناهنجاری با نمره زد گزارش می‌کنند، اما اینجا جزئیات عملکرد را نمی‌آورند.
برچسب‌ها
متن کامل
# 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.
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.