Activité de trading des cryptomonnaies, intervalles entre transactions et multifractalité

Résumé

Cette analyse examine des données à la granularité des ticks portant sur des cryptomonnaies majeures négociées sur plusieurs plateformes. Elle étudie le temps entre les transactions, ainsi que leur nombre, le volume de trading et la volatilité. Les auteurs rapportent une autocorrélation en loi de puissance à longue portée des intervalles entre transactions et relient ce schéma à la multifractalité. Les spectres de singularité sont asymétriques, avec un comportement multifractal plus riche pendant les périodes de forte activité que pendant les périodes plus calmes.

L’étude compare également des distributions candidates pour les grandeurs observées. Ni les distributions exponentielles étirées ni celles à queues en loi de puissance ne s’ajustent à toutes les combinaisons de plateformes et de grandeurs : l’une peut convenir dans certains cas, tandis que les deux échouent dans d’autres. Des jeux de données parallèles provenant de différentes plateformes peuvent présenter des propriétés statistiques très différentes. L’extrait n’identifie ni les plateformes ni la période d’échantillonnage, et ne propose pas de modèle universel ; les résultats indiquent donc des comportements propres aux plateformes et les limites des hypothèses générales sur les distributions, plutôt qu’une règle de trading unique.

Idées clés

• Les intervalles entre transactions dans les données sur les cryptomonnaies étudiées présentent une autocorrélation en loi de puissance à longue portée.
• Les périodes de forte activité présentent une multifractalité plus riche que les périodes calmes.
• Les distributions exponentielles étirées et celles à queues en loi de puissance ne s’ajustent pas à toutes les grandeurs mesurées ni à tous les jeux de données.
• Les jeux de données de différentes plateformes peuvent présenter des propriétés statistiques très différentes.
• L’extrait présente des observations sur la structure des marchés, et non une stratégie de trading définie.

Étiquettes

# 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.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.