Hoạt động giao dịch tiền mã hóa, thời gian giữa các giao dịch và tính đa phân dạng

Tóm tắt

Phân tích này xem xét dữ liệu ở cấp độ từng nhịp giá của các loại tiền mã hóa lớn được giao dịch trên nhiều nền tảng. Nghiên cứu khảo sát thời gian giữa các giao dịch cùng với số lượng giao dịch, khối lượng giao dịch và biến động. Các tác giả báo cáo tự tương quan theo luật lũy thừa tầm xa trong thời gian giữa các giao dịch và liên hệ mẫu hình này với tính đa phân dạng. Phổ kỳ dị bất đối xứng, với hành vi đa phân dạng phong phú hơn trong các giai đoạn hoạt động cao so với giai đoạn yên ắng.

Nghiên cứu cũng so sánh các phân phối ứng viên cho những đại lượng quan sát được. Phân phối mũ kéo giãn và phân phối có đuôi luật lũy thừa đều không phù hợp với mọi tổ hợp nền tảng và đại lượng: một loại có thể phù hợp trong một số trường hợp, nhưng cả hai đều thất bại trong những trường hợp khác. Các bộ dữ liệu song song từ những nền tảng khác nhau có thể có đặc tính thống kê khác biệt rõ rệt. Phần trích dẫn không nêu tên nền tảng, thời kỳ lấy mẫu hoặc một mô hình phổ quát, vì vậy các phát hiện cho thấy hành vi riêng theo từng sàn và giới hạn của các giả định phân phối rộng, chứ không phải một quy tắc giao dịch duy nhất.

Ý chính

• Thời gian giữa các giao dịch trong dữ liệu tiền mã hóa được nghiên cứu cho thấy tự tương quan theo luật lũy thừa tầm xa.
• Các giai đoạn hoạt động cao thể hiện tính đa phân dạng phong phú hơn các giai đoạn yên ắng.
• Phân phối mũ kéo giãn và phân phối có đuôi luật lũy thừa không phù hợp với mọi đại lượng đo được hoặc mọi bộ dữ liệu.
• Bộ dữ liệu từ các nền tảng khác nhau có thể có đặc tính thống kê khác biệt đáng kể.
• Phần trích dẫn trình bày các quan sát về cấu trúc thị trường chứ không nêu một chiến lược giao dịch cụ thể.

Thẻ

# 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.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.