Выявление схем «памп и дамп» в криптовалютах по порогам

Сводка

В документе описан метод без учителя для выявления предполагаемых схем «памп и дамп» среди токенов, торгуемых на Poloniex. Он объединяет пороговые значения цены и объёма со взвешенными экспоненциально скользящими средними и показателями волатильности. Пороги настраиваются под наблюдаемые торговые паттерны, чтобы детектор учитывал активы с низкой ликвидностью или длительными периодами бездействия, когда обычные методы выявления аномалий могут принять небольшой всплеск активности за значимое событие.

Заявленная цель — отличать значительные движения, похожие на скоординированные, от незначительных колебаний и при этом ограничивать число ложных срабатываний. В описании утверждается, что подход сочетает обнаружение событий со снижением шума, однако не указаны даты данных, процедура калибровки порогов, измеренная точность или полнота и результаты сравнения. Поэтому обнаружение следует понимать как сигнал для проверки, а не как доказательство манипуляции. Описанный охват ограничен одной биржей; эффективность на других площадках или при иных условиях торговли здесь не установлена.

Ключевые идеи

• Метод анализирует цены и объёмы токенов в поиске предполагаемых схем «памп и дамп».
• Он сочетает настроенные пороги со взвешенными экспоненциально скользящими средними и показателями волатильности.
• Пороги адаптированы для учёта редко торгуемых токенов и длительных периодов бездействия.
• Предполагаемое преимущество — меньше сигналов из-за незначительных всплесков объёма.
• В описании нет количественной проверки или доказательств того, что сигнал подтверждает манипуляцию.

Теги

# Detecting Crypto Pump-and-Dump Schemes: A Thresholding-Based Approach to Handling Market Noise


# Detecting Crypto Pump-and-Dump Schemes: A Thresholding-Based Approach to Handling Market Noise









We propose a simple yet robust unsupervised model to detect pump-and-dump events on tokens listed on the Poloniex Exchange platform. By combining threshold-based criteria with exponentially weighted moving averages (EWMA) and volatility measures, our approach effectively distinguishes genuine anomalies from minor trading fluctuations, even for tokens with low liquidity and prolonged inactivity. These characteristics present a unique challenge, as standard anomaly-detection methods often over-flag negligible volume spikes. Our framework overcomes this issue by tailoring both price and volume thresholds to the specific trading patterns observed, resulting in a model that balances high true-positive detection with minimal noise.

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.