דפוסים אמפיריים וחיזוי של אירועי משיכת מחיר והתרסקות בקריפטו
סיכום
המחקר בוחן פעילות מתואמת של ניפוח מחיר ומכירה בקריפטו, לרבות ניתוח מקרה וחקירת אירועים שאורגנו בערוצי Telegram בתקופה מוגדרת. הוא מחפש דפוסי שוק הקשורים לתוכניות אלה ובונה מודל לאמידת הסבירות שמטבעות רשומים יעברו ניפוח מחיר לפני אירוע. המחברים מציגים את העבודה גם כניתוח אמפירי של מסחר שעבר מניפולציה וגם כיישום של למידת מכונה לזיהוי.
המאמר מדווח שלמודל יש דיוק וחוסן גבוהים, ובוחן אסטרטגיית מסחר פשוטה המבוססת על תחזיותיו. בניסוי האמפירי המדווח נמצאו תשואות של עד 60% בהשקעות קמעונאיות קטנות במשך כחודשיים וחצי. הנתון הזה ייחודי למדגם ולמערך המחקר; התקציר אינו מתאר עלויות עסקה, מגבלות נזילות, ביצועים מותאמי סיכון או פרטי תיקוף מחוץ למדגם. עדיף להתייחס לממצאים כהוכחת היתכנות, ולא כהבטחה שאפשר לשחזר את האסטרטגיה או שמסחר סביב חשד למניפולציה בטוח.
רעיונות מרכזיים
- המחקר מנתח אירועי ניפוח מחיר ומכירה בקריפטו שאורגנו בערוצי Telegram.
- הוא בוחן דפוסי שוק הקשורים לפעילות ניפוח מתואמת.
- מודל למידת מכונה אומד את הסבירות שמטבע רשום יעבור ניפוח מחיר.
- המחברים מדווחים שבחנו אסטרטגיית מסחר המבוססת על תחזיות המודל.
- התשואות המדווחות קשורות למדגם ההיסטורי של המחקר ואינן מבססות ביצועים עתידיים.
תגיות
הטקסט המלא
# The Anatomy of a Cryptocurrency Pump-and-Dump Scheme # The Anatomy of a Cryptocurrency Pump-and-Dump Scheme While pump-and-dump schemes have attracted the attention of cryptocurrency observers and regulators alike, this paper represents the first detailed empirical query of pump-and-dump activities in cryptocurrency markets. We present a case study of a recent pump-and-dump event, investigate 412 pump-and-dump activities organized in Telegram channels from June 17, 2018 to February 26, 2019, and discover patterns in crypto-markets associated with pump-and-dump schemes. We then build a model that predicts the pump likelihood of all coins listed in a crypto-exchange prior to a pump. The model exhibits high precision as well as robustness, and can be used to create a simple, yet very effective trading strategy, which we empirically demonstrate can generate a return as high as 60% on small retail investments within a span of two and half months. The study provides a proof of concept for strategic crypto-trading and sheds light on the application of machine learning for crime detection.
מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0
הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.