Corrélations multifractales entre l’activité de trading du Bitcoin et de l’Ether

Résumé

Cette étude examine les caractéristiques du trading à haute fréquence du Bitcoin et de l’Ether après la période COVID. Elle analyse les rendements, le nombre moyen de transactions par unité de temps et le volume échangé au moyen de l’analyse multifractale des corrélations croisées sans tendance, une méthode adaptée à la détection de dépendances non linéaires à différentes échelles de temps. L’analyse porte à la fois sur chaque série séparément et sur les relations entre les deux cryptomonnaies.

Les auteurs rapportent une structure multifractale pour toutes les mesures, y compris les corrélations croisées entre actifs. Le décalage temporel de la série d’un actif affaiblit en partie les corrélations croisées à court terme, sans les éliminer ; aucun écart qualitatif n’apparaît selon l’actif considéré comme précurseur. À des échelles suffisamment longues, les corrélations croisées simultanées et décalées atteignent la même amplitude. Le document décrit des résultats statistiques plutôt qu’une stratégie de trading, et ne fournit ni tests prédictifs, ni précisions sur l’échantillon, ni preuve que la dépendance mesurée puisse être convertie en rendements nets.

Idées clés

• L’analyse porte sur les rendements, le nombre de transactions et le volume échangé pour le Bitcoin et l’Ether.
• L’analyse multifractale des corrélations croisées sans tendance sert à étudier les dépendances non linéaires des séries temporelles.
• Les auteurs trouvent une structure multifractale dans les séries individuelles comme dans les relations entre actifs.
• Le décalage temporel de la série d’un actif réduit en partie les corrélations croisées à courte échelle, sans les éliminer.
• À grande échelle, les corrélations croisées simultanées et décalées convergent en amplitude, sans asymétrie qualitative rapportée selon le sens de l’avance.

Étiquettes

# 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.

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.