コンテンツへスキップ
ライブラリの全資料

オンチェーンデータによる暗号資産リスクと価格要因の分析

記事 arXiv papers · 著者: Abdulrezzak Zekiye et al.
原文を読む

サマリー

本研究は、暗号資産のオンチェーン指標が価格の説明やリスク資産の識別に役立つかを検証します。過去データを分析し、価格と他のパラメータの相関を測定し、クラスタリングで暗号資産を分類したうえで、分類アルゴリズムによりリスクあり・なしのラベルを付けます。クラスターは、投資家がオンチェーン特性の似た他の銘柄と比較できるようにすることを意図しています。

報告データでは、暗号資産の39%が消滅し、10%は1,000日を超えて存続しました。価格は最大供給量・総供給量と有意な負の相関を示し、24時間の取引出来高とは弱い正の相関を示します。クラスタリングでは5つのグループが得られ、リスク分類の最高F1スコアはK近傍法による76%と報告されています。これらは過去の相関と分類結果であり、指標が価格変動を引き起こすことや、将来のリスクを確実に検出することを示す証拠ではありません。抜粋にはサンプルの構成、検証設計、市場環境の変化に応じた性能が記されていません。

主なアイデア

  • 過去のオンチェーン指標を用いて、暗号資産価格とリスク分類を分析します。
  • 最大供給量と総供給量は、価格と有意な負の相関を示すと報告されています。
  • 24時間の取引出来高は、価格と弱い正の相関を示します。
  • クラスタリングにより、オンチェーン指標に基づいて暗号資産を5つのグループに分類します。
  • K近傍法は、リスク分類で最高となるF1スコア76%を達成したとされています。

タグ

暗号資産オンチェーンデータ機械学習統計リスク管理
全文
# AI-Assisted Investigation of On-Chain Parameters: Risky Cryptocurrencies and Price Factors


# AI-Assisted Investigation of On-Chain Parameters: Risky Cryptocurrencies and Price Factors









Cryptocurrencies have become a popular and widely researched topic of interest in recent years for investors and scholars. In order to make informed investment decisions, it is essential to comprehend the factors that impact cryptocurrency prices and to identify risky cryptocurrencies. This paper focuses on analyzing historical data and using artificial intelligence algorithms on on-chain parameters to identify the factors affecting a cryptocurrency's price and to find risky cryptocurrencies. We conducted an analysis of historical cryptocurrencies' on-chain data and measured the correlation between the price and other parameters. In addition, we used clustering and classification in order to get a better understanding of a cryptocurrency and classify it as risky or not. The analysis revealed that a significant proportion of cryptocurrencies (39%) disappeared from the market, while only a small fraction (10%) survived for more than 1000 days. Our analysis revealed a significant negative correlation between cryptocurrency price and maximum and total supply, as well as a weak positive correlation between price and 24-hour trading volume. Moreover, we clustered cryptocurrencies into five distinct groups using their on-chain parameters, which provides investors with a more comprehensive understanding of a cryptocurrency when compared to those clustered with it. Finally, by implementing multiple classifiers to predict whether a cryptocurrency is risky or not, we obtained the best f1-score of 76% using K-Nearest Neighbor.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。