跳至正文
返回文库全部文档

加密货币交易活动、交易间隔与多重分形

文章 arXiv papers · 作者: Jarosław Kwapień et al.
阅读原文

总结

这项分析研究在多个平台交易的主流加密货币逐笔数据，考察交易间隔以及交易笔数、交易量和波动率。作者报告，交易间隔存在长程幂律自相关，并将这一模式与多重分形联系起来。奇异谱呈非对称性，高活跃时期的多重分形特征比平静时期更丰富。

研究还比较了观测量的候选分布。拉伸指数分布和幂律尾部分布都无法适用于所有平台与观测量的组合：一种分布可能适用于某些情况，但两种分布在其他情况下都不适用。不同平台的对应数据集可能具有显著不同的统计特性。摘录未指出具体平台、采样时期或通用模型，因此研究结果反映的是平台特定行为，以及广泛分布假设的局限，而非某一项交易规则。

核心观点

  • 所研究的加密货币数据中，交易间隔呈现长程幂律自相关。
  • 高活跃时期的多重分形特征比平静时期更丰富。
  • 拉伸指数分布和幂律尾部分布无法拟合所有测量量或数据集。
  • 不同平台的数据集可能具有显著不同的统计特性。
  • 摘录提供的是市场结构观察，而非明确的交易策略。

标签

加密资产高频交易统计学市场微观结构波动率
全文
# 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.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。