Потоки информации в крипторынках: парные связи и связи высокого порядка

Сводка

В исследовании криптовалюты представлены как узлы торговой сети; связи между ними устанавливаются, когда недельные логарифмические доходности в долларах США демонстрируют причинность по Грейнджеру. Анализируется, как эти связи и более широкие статистические зависимости менялись в 2020 и 2021. Парное влияние измеряется причинностью по Грейнджеру, а связи высокого порядка оцениваются с помощью O-информации, позволяющей различать избыточность и синергию между несколькими активами.

В парной сети, согласно результатам, активность достигает пиков во время крупных рыночных событий, включая потрясения пандемии и резкий рост цен; при этом структура остаётся относительно стабильной на недельных интервалах. Наиболее влиятельны монеты; стейблкоины имеют небольшое значение в парном анализе, но заметно представлены в синергетических связях высокого порядка. Авторы также связывают высокий объём транзакций в первой половине 2021 с переходом к более сложной динамике сети. Результаты предлагают взаимодополняющие способы изучения рыночных зависимостей, но относятся к конкретному периоду и зависят от выбранной частоты доходностей и статистических мер; они не задают торговую стратегию и не доказывают причинные механизмы за пределами сетевого анализа.

Ключевые идеи

• В исследовании строится сеть криптовалют на основе связей по Грейнджеру между недельными логарифмическими доходностями.
• Активность парной сети достигает пиков во время крупных рыночных событий, а её наблюдаемая структура относительно стабильна на недельных интервалах.
• Стейблкоины играют небольшую роль в парных связях, но часто входят в синергетические связи высокого порядка.
• Высокий объём транзакций в начале 2021 совпадает с переходом к более сложной динамике сети.
• Парные меры и меры зависимостей высокого порядка отражают взаимодополняющие аспекты крипторынков.

Теги

# Pairwise and high-order dependencies in the cryptocurrency trading network


# Pairwise and high-order dependencies in the cryptocurrency trading network









In this paper we analyse the effects of information flows in cryptocurrency markets. We first define a cryptocurrency trading network, i.e. the network made using cryptocurrencies as nodes and the Granger causality among their weekly log returns as links, later we analyse its evolution over time. In particular, with reference to years 2020 and 2021, we study the logarithmic US dollar price returns of the cryptocurrency trading network using both pairwise and high-order statistical dependencies, quantified by Granger causality and O-information, respectively. With reference to the former, we find that it shows peaks in correspondence of important events, like e.g., Covid-19 pandemic turbulence or occasional sudden prices rise. The corresponding network structure is rather stable, across weekly time windows in the period considered and the coins are the most influential nodes in the network. In the pairwise description of the network, stable coins seem to play a marginal role whereas, turning high-order dependencies, they appear in the highest number of synergistic information circuits, thus proving that they play a major role for high order effects. With reference to redundancy and synergy with the time evolution of the total transactions in US dollars, we find that their large volume in the first semester of 2021 seems to have triggered a transition in the cryptocurrency network toward a more complex dynamical landscape. Our results show that pairwise and high-order descriptions of complex financial systems provide complementary information for cryptocurrency analysis.

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.