Мультифрактальные корреляции в торговле Bitcoin и Ether

Сводка

Исследование рассматривает характеристики высокочастотной торговли Bitcoin и Ether в период после COVID. Анализируются доходность, среднее число сделок за единицу времени и объём торгов с помощью мультифрактального анализа кросс-корреляций с устранением тренда — метода, подходящего для выявления нелинейной зависимости на разных временных масштабах. Анализ охватывает как каждый ряд по отдельности, так и взаимосвязи между двумя криптовалютами.

Авторы сообщают о мультифрактальной структуре всех показателей, в том числе кросс-корреляций между активами. Сдвиг временного ряда одного актива частично ослабляет кросс-корреляции на коротких масштабах, но не устраняет их; качественной разницы в зависимости от того, какой актив считается опережающим, не обнаружено. На достаточно длинных масштабах одновременные и запаздывающие кросс-корреляции достигают одинаковой величины. В документе представлены статистические результаты, а не торговая стратегия; прогнозных тестов, подробностей выборки или доказательств того, что измеренную зависимость можно преобразовать в чистую доходность, нет.

Ключевые идеи

• Анализ охватывает доходность, число сделок и объём торгов Bitcoin и Ether.
• Для изучения нелинейной зависимости временных рядов применяется мультифрактальный анализ кросс-корреляций с устранением тренда.
• Авторы обнаруживают мультифрактальную структуру как в отдельных рядах, так и во взаимосвязях между активами.
• Сдвиг во времени ряда одного актива частично ослабляет краткосрочные кросс-корреляции, но не устраняет их.
• На длинных масштабах одновременные и запаздывающие кросс-корреляции сходятся по величине; качественной асимметрии направления опережения не выявлено.

Теги

# Multifractal cross-correlations of bitcoin and ether trading characteristics in the post-COVID-19 time


# Multifractal cross-correlations of bitcoin and ether trading characteristics in the post-COVID-19 time









Unlike price fluctuations, the temporal structure of cryptocurrency trading has seldom been a subject of systematic study. In order to fill this gap, we analyse detrended correlations of the price returns, the average number of trades in time unit, and the traded volume based on high-frequency data representing two major cryptocurrencies: bitcoin and ether. We apply the multifractal detrended cross-correlation analysis, which is considered the most reliable method for identifying nonlinear correlations in time series. We find that all the quantities considered in our study show an unambiguous multifractal structure from both the univariate (auto-correlation) and bivariate (cross-correlation) perspectives. We looked at the bitcoin--ether cross-correlations in simultaneously recorded signals, as well as in time-lagged signals, in which a time series for one of the cryptocurrencies is shifted with respect to the other. Such a shift suppresses the cross-correlations partially for short time scales, but does not remove them completely. We did not observe any qualitative asymmetry in the results for the two choices of a leading asset. The cross-correlations for the simultaneous and lagged time series became the same in magnitude for the sufficiently long scales.

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.