شناسایی رویدادهای پامپ و دامپ رمزارز بر پایه آستانه‌های قیمت و حجم
خلاصه
این سند روشی بدون‌نظارت برای شناسایی رویدادهای مشکوک پامپ و دامپ در توکن‌های معامله‌شده در Poloniex توصیف می‌کند. این روش آستانه‌های قیمت و حجم را با میانگین‌های متحرک وزن‌دهی‌شده نمایی و سنجه‌های نوسان ترکیب می‌کند. آستانه‌ها با الگوهای معاملاتی مشاهده‌شده سازگار شده‌اند تا آشکارساز بتواند دارایی‌های کم‌نقدشونده یا دوره‌های طولانی بی‌تحرکی را در نظر بگیرد؛ در این شرایط روش‌های متعارف تشخیص ناهنجاری ممکن است جهش‌های کوچک فعالیت را رویدادهای معنادار تلقی کنند.
هدف اعلام‌شده، تفکیک حرکت‌های چشمگیر و ظاهراً هماهنگ از نوسان‌های جزئی و هم‌زمان محدود کردن هشدارهای کاذب است. شرح مقاله مدعی است که این رویکرد میان شناسایی و کاهش نویز توازن برقرار می‌کند، اما تاریخ‌های داده، رویه کالیبراسیون آستانه‌ها، دقت یا بازخوانی اندازه‌گیری‌شده و نتایج مقایسه‌ای را ارائه نمی‌دهد. بنابراین، شناسایی باید سیگنالی برای غربالگری تلقی شود، نه اثبات دست‌کاری. دامنه گزارش‌شده به یک پلتفرم صرافی محدود است؛ اثربخشی در بازارها یا شرایط معاملاتی دیگر در این متن اثبات نشده است.
ایده‌های کلیدی
- این روش فعالیت قیمت و حجم توکن‌ها را برای یافتن رویدادهای مشکوک پامپ و دامپ غربال می‌کند.
- این روش آستانه‌های سازگارشده را با میانگین‌های وزن‌دهی‌شده نمایی و سنجه‌های نوسان ترکیب می‌کند.
- آستانه‌ها برای در نظر گرفتن توکن‌هایی با حجم یا دفعات معامله پایین و دوره‌های طولانی بی‌تحرکی تنظیم می‌شوند.
- فایده موردنظر، کاهش هشدارهای ناشی از جهش‌های بی‌اهمیت حجم است.
- شرح مقاله اعتبارسنجی کمی یا شواهدی ارائه نمی‌کند که نشان دهد هشدار، دست‌کاری را اثبات می‌کند.
برچسب‌ها
متن کامل
# Detecting Crypto Pump-and-Dump Schemes: A Thresholding-Based Approach to Handling Market Noise # Detecting Crypto Pump-and-Dump Schemes: A Thresholding-Based Approach to Handling Market Noise We propose a simple yet robust unsupervised model to detect pump-and-dump events on tokens listed on the Poloniex Exchange platform. By combining threshold-based criteria with exponentially weighted moving averages (EWMA) and volatility measures, our approach effectively distinguishes genuine anomalies from minor trading fluctuations, even for tokens with low liquidity and prolonged inactivity. These characteristics present a unique challenge, as standard anomaly-detection methods often over-flag negligible volume spikes. Our framework overcomes this issue by tailoring both price and volume thresholds to the specific trading patterns observed, resulting in a model that balances high true-positive detection with minimal noise.
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.