Análise visual do risco de manipulação de negociações em criptomoedas | Stratmill

Resumo

O ManiScope é um sistema de análise visual projetado para ajudar usuários a avaliar riscos de manipulação baseada em negociações nos mercados de criptomoedas, incluindo wash trading. Suas visualizações coordenadas reúnem a distribuição da titularidade de tokens, relações entre detentores, comportamento individual dos detentores, movimentos de preços e padrões suspeitos de negociação. O objetivo é ajudar analistas a conectar evidências que podem ser difíceis de avaliar por meio de regras isoladas ou inspeção manual.

O sistema também usa uma abordagem colaborativa entre pessoas e LLM: o LLM infere a intenção analítica e as hipóteses em desenvolvimento a partir das interações dos usuários e, então, apresenta evidências visuais, estatísticas e sintetizadas relevantes para avaliação. O documento relata dois estudos de caso e um estudo com usuários que envolveu 12 profissionais experientes do setor de criptomoedas. Essas avaliações sugerem que o sistema pode apoiar a avaliação de risco e reduzir o esforço para reunir evidências. A descrição disponível não especifica a precisão da detecção, as taxas de falsos positivos nem o desempenho com grupos de usuários mais amplos; portanto, não estabelece que o sistema consiga identificar manipulações de forma confiável por conta própria.

Ideias principais

• Avaliar o risco de manipulação pode exigir conectar a estrutura dos detentores, seu comportamento, a dinâmica dos preços e os padrões de negociação.
• Visualizações coordenadas ajudam analistas a examinar esses tipos de evidência em conjunto.
• Um LLM pode inferir hipóteses dos usuários pelo contexto das interações e apresentar evidências relevantes.
• A avaliação inclui dois estudos de caso e um estudo com profissionais, mas a descrição não apresenta métricas de precisão.

Tags

# ManiScope: LLM-Assisted Visual Analytics of Cryptocurrency Manipulation Risk


# ManiScope: LLM-Assisted Visual Analytics of Cryptocurrency Manipulation Risk









Cryptocurrency markets are vulnerable to trade-based manipulation, such as wash trading, which can distort price signals and mislead investors. Prior research has mainly focused on detecting manipulation using fixed rules or labeled examples, offering limited flexibility and interpretability for assessing potential risks. Existing visual analytics tools can reveal basic manipulation-related signals, such as token distribution, but still require substantial manual effort to integrate holder relationships, suspicious behaviors, and market dynamics for risk assessment. To address these limitations, we propose ManiScope, an LLM-assisted visual analytics system for analyzing trade-based manipulation risks in cryptocurrency markets. ManiScope provides coordinated views of token distributions, holder relationships, detailed holder behaviors, price dynamics, and suspicious trading patterns. To further enhance user analysis, ManiScope introduces a human-LLM collaborative visual analytics framework. Rather than acting as a basic reactive LLM assistant, the framework positions the LLM as a co-analyst that infers users' analytical intent and emerging hypotheses from interaction context and surfaces relevant visual, statistical, and synthesized evidence for hypothesis evaluation. This design reduces repetitive inspection and strengthens evidence-based reasoning. We evaluate ManiScope through two case studies and a user study with 12 experienced cryptocurrency practitioners. The results suggest that ManiScope supports effective risk assessment of manipulation, reduces manual effort in evidence-seeking, and organizes findings around user hypotheses.

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.