Medição de conversões indiretas de moedas e arbitragem triangular na Binance

Resumo

Este estudo desenvolve métodos para identificar e medir atividade de trading algorítmico nos dados históricos de negociações da Binance. Ele se concentra em conversões internas indiretas: um trader troca uma moeda por outra por meio de uma moeda intermediária e obtém uma taxa mais favorável do que em uma conversão direta. Os autores caracterizam essa atividade como uma subestratégia de arbitragem triangular e examinam sua rentabilidade e seus riscos, incluindo duas formas pelas quais bots mitigam perdas.

A taxa de câmbio relatada é 0.144%, ou 14.4 pontos-base, melhor que a taxa direta, e a estratégia é atribuída a 2.71% de todas as negociações na Binance. Essas estimativas descrevem a atividade em uma única bolsa centralizada, com base em negociações históricas. O trecho não informa o período de observação, detalhes de implementação nem evidências de que a vantagem de preço medida permaneça rentável após taxas, restrições de execução e outros custos.

Ideias principais

• A conversão indireta usa uma moeda intermediária para buscar uma taxa melhor do que em uma negociação direta.
• O estudo trata esse comportamento como uma subestratégia de arbitragem triangular.
• Os autores usam negociações históricas da Binance para medir prevalência, rentabilidade e riscos.
• Eles relatam uma vantagem de taxa de câmbio de 0.144% e atribuem 2.71% das negociações à estratégia.
• O trecho não demonstra se a vantagem medida resiste aos custos práticos de trading e às restrições de execução.

Tags

# Empirical Analysis of Indirect Internal Conversions in Cryptocurrency Exchanges


# Empirical Analysis of Indirect Internal Conversions in Cryptocurrency Exchanges









Algorithmic trading is well studied in traditional financial markets. However, it has received less attention in centralized cryptocurrency exchanges. The Commodity Futures Trading Commission (CFTC) attributed the $2010$ flash crash, one of the most turbulent periods in the history of financial markets that saw the Dow Jones Industrial Average lose $9\%$ of its value within minutes, to automated order "spoofing" algorithms. In this paper, we build a set of methodologies to characterize and empirically measure different algorithmic trading strategies in Binance, a large centralized cryptocurrency exchange, using a complete data set of historical trades. We find that a sub-strategy of triangular arbitrage is widespread, where bots convert between two coins through an intermediary coin, and obtain a favorable exchange rate compared to the direct one. We measure the profitability of this strategy, characterize its risks, and outline two strategies that algorithmic trading bots use to mitigate their losses. We find that this strategy yields an exchange ratio that is $0.144\%$, or $14.4$ basis points (bps) better than the direct exchange ratio. $2.71\%$ of all trades on Binance are attributable to this strategy.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.