Торговая активность криптовалют, интервалы между сделками и мультифрактальность

Сводка

В анализе изучаются тиковые данные крупных криптовалют, торгуемых на нескольких платформах. Рассматриваются интервалы между сделками, число транзакций, объем торгов и волатильность. Авторы сообщают о долгосрочной степенной автокорреляции интервалов между транзакциями и связывают эту закономерность с мультифрактальностью. Спектры сингулярностей асимметричны: в периоды высокой активности мультифрактальное поведение выражено сильнее, чем в спокойные периоды.

В исследовании также сравниваются возможные распределения наблюдаемых величин. Ни экспоненциальное распределение с растянутым хвостом, ни распределение со степенным хвостом не подходят для всех сочетаний платформ и величин: одно может описывать отдельные случаи, но в других не подходит ни одно. Параллельные наборы данных с разных платформ могут существенно различаться по статистическим свойствам. Поскольку во фрагменте не названы платформы и период выборки и не предложена универсальная модель, выводы указывают на особенности отдельных площадок и ограничения широких предположений о распределениях, а не на единственное торговое правило.

Ключевые идеи

• В изученных данных о криптовалютах интервалы между транзакциями демонстрируют долгосрочную степенную автокорреляцию.
• В периоды высокой активности мультифрактальность выражена сильнее, чем в спокойные периоды.
• Распределения с растянутым экспоненциальным или степенным хвостом подходят не для всех измеряемых величин и наборов данных.
• Статистические свойства данных с разных платформ могут существенно различаться.
• Во фрагменте описаны наблюдения о структуре рынка, а не конкретная торговая стратегия.

Теги

# Analysis of inter-transaction time fluctuations in the cryptocurrency market


# Analysis of inter-transaction time fluctuations in the cryptocurrency market









We analyse tick-by-tick data representing major cryptocurrencies traded on some different cryptocurrency trading platforms. We focus on such quantities like the inter-transaction times, the number of transactions in time unit, the traded volume, and volatility. We show that the inter-transaction times show long-range power-law autocorrelations. These lead to multifractality expressed by the right-side asymmetry of the singularity spectra $f(α)$ indicating that the periods of increased market activity are characterised by richer multifractality compared to the periods of quiet market. We also show that neither the stretched exponential distribution nor the power-law-tail distribution are able to model universally the cumulative distribution functions of the quantities considered in this work. For each quantity, some data sets can be modeled by the former, some data sets by the latter, while both fail in other cases. An interesting, yet difficult to account for, observation is that parallel data sets from different trading platforms can show disparate statistical properties.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.