क्रिप्टो पंप-एंड-डंप घटनाओं की सीमा आधारित पहचान
सारांश
यह दस्तावेज़ Poloniex पर ट्रेड किए गए टोकनों में संदिग्ध पंप-एंड-डंप घटनाओं की पहचान करने की अनसुपरवाइज़्ड विधि बताता है। यह मूल्य और मात्रा की सीमाओं को एक्सपोनेंशियली वेटेड मूविंग एवरेज तथा अस्थिरता मापों के साथ जोड़ता है। सीमाएँ देखे गए ट्रेडिंग प्रतिरूपों के अनुसार बनाई गई हैं ताकि डिटेक्टर कम तरलता या निष्क्रियता की लंबी अवधि वाली परिसंपत्तियों को ध्यान में रख सके, जहाँ सामान्य विसंगति विधियाँ गतिविधि के छोटे उछालों को अर्थपूर्ण घटना मान सकती हैं।
बताया गया उद्देश्य झूठे अलार्म सीमित रखते हुए बड़े, समन्वित दिखने वाले बदलावों को मामूली उतार-चढ़ाव से अलग करना है। विवरण में तरीका पहचान और शोर में कमी के बीच संतुलन का दावा किया गया है, लेकिन डेटासेट की तारीखें, सीमा-अंशांकन प्रक्रिया, मापी गई प्रिसीजन या रिकॉल, अथवा तुलना के परिणाम नहीं दिए गए हैं। इसलिए पहचान को हेरफेर का प्रमाण नहीं, बल्कि छँटाई के संकेत के रूप में समझना चाहिए। बताया गया दायरा एक ही एक्सचेंज प्लेटफ़ॉर्म है, इसलिए अन्य ट्रेडिंग स्थलों या अलग ट्रेडिंग परिस्थितियों में प्रभावशीलता यहाँ स्थापित नहीं होती।
मुख्य विचार
- यह विधि संदिग्ध पंप-एंड-डंप घटनाओं के लिए टोकन मूल्य और मात्रा गतिविधि की छँटाई करती है।
- यह अनुरूपित सीमाओं को एक्सपोनेंशियली वेटेड औसत और अस्थिरता मापों के साथ जोड़ती है।
- कम कारोबार वाले टोकन और लंबी निष्क्रियता को ध्यान में रखने के लिए सीमाएँ अनुकूलित की जाती हैं।
- इसका इच्छित लाभ महत्वहीन मात्रा उछालों से आने वाली सूचनाएँ घटाना है।
- विवरण में मात्रात्मक सत्यापन या यह साक्ष्य नहीं है कि कोई सूचना हेरफेर साबित करती है।
टैग
पूरा पाठ
# 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.
स्रोत के लाइसेंस के तहत श्रेय सहित पूरा पाठ दिखाया गया है। लाइसेंस: abstract CC0
यह सारांश मूल स्रोत के आधार पर Stratmill के शोध एजेंट ने लिखा है; यह स्रोत की प्रति नहीं है।