富人会变得更富有吗？比特币交易的实证分析

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Do the rich get richer? An empirical analysis of the BitCoin transaction
  network》
---
作者：
D\\\'aniel Kondor, M\\\'arton P\\\'osfai, Istv\\\'an Csabai and G\\\'abor Vattay
---
最新提交年份：
2014
---
英文摘要：
  The possibility to analyze everyday monetary transactions is limited by the scarcity of available data, as this kind of information is usually considered highly sensitive. Present econophysics models are usually employed on presumed random networks of interacting agents, and only macroscopic properties (e.g. the resulting wealth distribution) are compared to real-world data. In this paper, we analyze BitCoin, which is a novel digital currency system, where the complete list of transactions is publicly available. Using this dataset, we reconstruct the network of transactions, and extract the time and amount of each payment. We analyze the structure of the transaction network by measuring network characteristics over time, such as the degree distribution, degree correlations and clustering. We find that linear preferential attachment drives the growth of the network. We also study the dynamics taking place on the transaction network, i.e. the flow of money. We measure temporal patterns and the wealth accumulation. Investigating the microscopic statistics of money movement, we find that sublinear preferential attachment governs the evolution of the wealth distribution. We report a scaling relation between the degree and wealth associated to individual nodes.
---
中文摘要：
分析日常货币交易的可能性受到可用数据稀缺性的限制，因为这类信息通常被认为是高度敏感的。目前的经济物理学模型通常用于假定的相互作用主体的随机网络，并且仅将宏观属性（例如由此产生的财富分布）与真实世界的数据进行比较。在本文中，我们分析了比特币，这是一种新型的数字货币系统，其中完整的交易清单是公开的。利用这个数据集，我们重建了交易网络，并提取了每次支付的时间和金额。我们通过测量网络随时间变化的特征（如度分布、度相关性和聚类）来分析交易网络的结构。我们发现线性优先依恋驱动了网络的增长。我们还研究了交易网络上发生的动态，即资金流动。我们测量时间模式和财富积累。通过研究货币运动的微观统计数据，我们发现，次线性优先依恋支配着财富分布的演化。我们报告了与各个节点相关的程度和财富之间的比例关系。
---
分类信息：

一级分类：Physics        物理学
二级分类：Physics and Society        物理学与社会
分类描述：Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体（人类或其他）的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统（如能源网、运输网络）的物理和工程。
--
一级分类：Computer Science        计算机科学
二级分类：Social and Information Networks        社会和信息网络
分类描述：Covers the design, analysis, and modeling of social and information networks, including their applications for on-line information access, communication, and interaction, and their roles as datasets in the exploration of questions in these and other domains, including connections to the social and biological sciences. Analysis and modeling of such networks includes topics in ACM Subject classes F.2, G.2, G.3, H.2, and I.2; applications in computing include topics in H.3, H.4, and H.5; and applications at the interface of computing and other disciplines include topics in J.1--J.7. Papers on computer communication systems and network protocols (e.g. TCP/IP) are generally a closer fit to the Networking and Internet Architecture (cs.NI) category.
涵盖社会和信息网络的设计、分析和建模，包括它们在联机信息访问、通信和交互方面的应用，以及它们作为数据集在这些领域和其他领域的问题探索中的作用，包括与社会和生物科学的联系。这类网络的分析和建模包括ACM学科类F.2、G.2、G.3、H.2和I.2的主题；计算应用包括H.3、H.4和H.5中的主题；计算和其他学科接口的应用程序包括J.1-J.7中的主题。关于计算机通信系统和网络协议（例如TCP/IP）的论文通常更适合网络和因特网体系结构（CS.NI）类别。
--
一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--

---
PDF下载：
--> Do_the_rich_get_richer?_An_empirical_analysis_of_the_BitCoin_transaction_network.pdf (1.47 MB)

2022-4-29 17:28:41 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：实证分析 比特币 Applications Quantitative distribution

富人会变得更富有吗？比特币交易网络的实证分析D\'aniel Kondor，1，*M\'arton P\'osfai，1，2 Stv\'an Csabai和G\'abor Vattayde复杂系统物理系，E¨otv¨os Lor¨and University，Hungarih-1117布达佩斯，P\'azm\'any P\'eters S¨et¨any 1/布达佩斯技术与经济大学理论物理系，布达佩斯ut 8，布达佩斯H–1111，匈牙利（日期：2014年4月1日）摘要分析日常货币交易的可能性受到可用数据稀缺性的限制，因为此类信息通常被认为高度敏感。目前的经济物理学模型通常采用假定的相互作用主体的随机网络，并且仅将一些宏观属性（例如，由此产生的财富分布）与真实世界的数据进行比较。在本文中，我们分析了比特币，这是一种新型的数字货币系统，其交易的完整列表是公开的。利用这个数据集，我们重建了交易网络，并提取了每次支付的时间和金额。我们通过测量网络随时间变化的特征来分析交易网络的结构，如度分布、度相关和聚类。我们发现，线性优先依恋推动了网络的增长。我们还研究交易网络上发生的动态，即资金流动。我们测量时间模式和财富积累。通过研究货币运动的微观统计数据，我们发现，次线性优先依恋支配着财富分布的演化。我们报告了与个体节点相关的程度和财富之间的比例律。一、导言在过去二十年中，网络科学成功地为许多不同的科学领域做出了贡献。

事实上，许多复杂系统可以表示为网络，从生物化学系统，通过互联网和万维网，到各种社会系统[1-7]。经济学还利用了网络科学的概念，对更传统的方法有了更多的了解[8-13]。尽管有大量财务数据可供研究使用，但个人日常交易的信息通常被认为是敏感的，并且是保密的。在本文中，我们分析了一种新的货币系统——比特币，它可以获取完整的交易清单。我们认为，这是第一次有机会对资金流动进行如此详细的调查。*kdani88@elte.huBitcoin是一个分散的数字现金系统，没有单一的监管机构[14]。该系统作为在线对等网络运行，任何人都可以通过安装客户端应用程序并将其连接到网络来加入。货币单位为一比特币（缩写为BTC），最小可转让金额为-8BTC。每个用户都有一个比特币地址，由一对公钥和私钥组成，而不是由中央机构维护银行账户。现有比特币与其发行人的公钥相关联，并且向外支付的款项必须由发行人使用其私钥进行签名。一个用户可以使用多个隐私地址。每个参与节点都会存储以前事务的完整列表。Everynew payment在网络上发布，并通过检查与整个交易历史的一致性来验证支付。为避免欺诈，参与者必须就单一有效交易历史达成一致。这个过程被设计为计算困难，因此只有当攻击者拥有参与方的大部分计算能力时，他才能劫持系统。

因此，如果在验证过程中投入更多的资源，系统就会更加安全。为了提供激励，定期创建新的比特币，并在参与这些计算的节点之间分发。另一种获取比特币的方法是从已经拥有使用传统货币的比特币的人那里购买比特币；比特币的价格完全由市场决定。比特币系统由SatoshiNakamoto于2008年提出，并于2009年1月上线[14-18]。一年多来，它只被少数爱好者使用，比特币没有任何真正的世界价值。一个名为MtGox的交易网站于2010年启动，使得比特币和传统货币的交换变得更加容易。更多的人和服务加入该系统，导致汇率稳步增长。从2011年开始，主流媒体的出现吸引了更广泛的公众关注，这导致价格暴涨，并伴随着巨大的波动（见图1）。自比特币诞生以来，发生了1700多万次交易，目前流通的所有比特币的市场价值超过10亿美元。有关系统和分析中使用的数据的更多详细信息，请参见方法部分。我们下载完整的交易列表，并重建交易网络：每个节点代表一个比特币地址，如果相应地址之间至少有一个交易，我们在两个节点之间绘制一个定向链接。除了拓扑结构，我们还可以获得每次付款的时间和金额。因此，我们能够分析网络的演变和网络上发生的动态过程，即比特币的流动和积累。为了描述底层网络，我们研究了基本网络特征随时间的演化，如度分布、度相关性和聚类。

关于动态，我们衡量财富统计和交易的时间模式。为了解释观察到的程度和财富分布，我们测量了系统的微观增长统计数据。我们提供的证据表明，优先依恋是形成这些分布的一个重要因素。优先连接通常被称为“richget richer”方案，这意味着集线器比低度节点增长更快。就比特币而言，这不仅仅是一个类比：我们发现，已经富有的节点的财富增长速度快于余额较低的节点的财富增长速度；此外，我们发现财富和节点的程度之间存在正相关。二、结果a。交易网络的演变比特币是一个不断演变的网络：通过创建新的比特币地址来添加新节点，如果两个以前未连接的地址之间存在交易，则创建链接。随着时间的推移，节点数量稳步增长，但存在一些波动；尤其值得注意的是，在2011年，与第一次汇率繁荣同时出现的大峰值（图1）[17]。五年后，比特币现在有N=13086528个节点和L=44032115个链接。为了研究网络的演化，我们测量了网络特征随时间的变化。我们确定了两个不同的增长阶段：（i）初始阶段持续到2010年秋季，在此期间，系统的活动性较低，主要用作实验。网络测量的特点是波动大。（ii）在初始阶段，比特币开始作为真正的货币发挥作用，比特币获得了真正的价值。到2011年年中，网络测量值收敛到其典型值，之后没有显著变化。我们称这一时期为交易阶段。我们首先测量网络的度分布。

我们发现，入度分布和出度分布都是高度异质的，它们可以用幂律建模[19]。图2和图3显示了比特币网络演化过程中不同时间点的独立度和独立度分布。在初始阶段，节点数量较低，因此数据拟合容易出现较大误差。在交易阶段，分布的指数没有显著变化，它们用幂律自旋（kin）近似~ K-2.18撅嘴（kout）~ K-2.06分。10 100 1000 10000 100000 1e+0601/09 01/10 01/11 01/12 01/13 0.01 0.1 10 100#地址价格[USD/BTC]时间每周活动地址具有非零余额交换价格的地址图1。比特币网络的增长。根据最大的比特币交易网站toMtGox（蓝色），余额非零的地址数（绿色）、每一周至少参与一次交易的地址数（红色）以及比特币的美元交易价格（蓝色）。黑线是限制网络规模增长的指数函数；特征时间分别为188天和386天。1e-06 0.0001 0.01 1100 10000 1e+06 1e+08 110 100 1000 10000 1e+06标准化的2010年1月2011年7月2012年5月图2。不均匀分布的演化。自2011年初以来，分布的形状没有显著变化。黑线显示了最终网络的完善电力法；指数为2.18。为了便于目视检查，对数据进行了记录，幂律在原始数据[19]上进行了拟合。1e-06 0.0001 0.01 1100 10000 1e+06 1e+08 110 100 1000 10000 1e+06 2013年5月2010年1月2011年7月2012年7月2013年5月图3。程度分布的演化。黑线表示最终网络的固定幂律；指数为2.06。

在第二阶段，系数迅速收敛到Gin≈ 0.629和痛风≈ 0.521，表明正常贸易的特征是高度异质的内外度分布。为了描述度相关性，我们测量了连接节点对的输出和独立度的皮尔逊相关系数：r=Pe（焦耳）- 焦距- kin）Lσoutσin。（2） 这里Jouti是链接e开始处节点的向外度，kiniis是链接e结束处节点的指数。总和Pe·运行于所有链接上，kin=Pekine/L和σin=Pe（kine-kin）/L。我们近似地计算σ和焦耳-0.3-0.2-0.1 0.1 0.2 0.301/01/09 01/01/01/10 01/01/11 01/01/12 01/01/01/13时间度相关聚类图5。聚类系数和非度相关系数的演化。在初始阶段之后，两个测量值都达到一个稳定值。101010010010000001E+06 101010010010000001E+06avg。图6显示了邻居的等级。邻域在外度kinnn（kout）函数中的平均指数。在没有度关联的网络中，连接节点的度并不相互依赖，因此对于这样的网络，我们期望kinnn（kout）是常数。在比特币网络的情况下，我们观察到了一种明显的去分化行为：kinnn（kout）是一个递减函数，表明高出度的节点连接到低入度的节点。我们发现，相关系数为负，除了初始阶段的一小段时间。2010年年中之后，度相关系数保持在-0.01和-0.05，达到r值≈ -到2013年为0.014，表明该网络是非分支的（图5）。然而，r的小值很难解释：研究表明，对于大型纯无标度网络，r随着网络大小的增加而消失[21]。

因此，我们计算最终网络的平均最近邻度函数kinnn（kout）；kinnn（kout）度量出度为kout的节点的邻居的平均指数。我们发现了明确的非歧视行为（图6）。我们还测量了平均聚类系数=NXvvdv（dv- 1） /2，（3）测量网络中三角形的密度。这里sumPv运行在所有节点上vis包含要计算的节点v的三角形数v0。7 0.9 1.1 1.30.050.35误差α图7。用于创建新链接的排名函数。指数0.7、0.85、1、1.1、1.2和1.35的R值的累积分布函数（见等式5）。插图显示了这些指数的科尔莫戈罗夫-斯米尔诺夫误差。我们忽略了链接的方向性；DV是无向网络中节点v的阶数。在初始阶段，C值较高，在0左右波动。15（见图5），这可能是由于一些比特币爱好者通过在他们自己的地址之间转移资金来尝试比特币系统的地址之间发生交易的结果。在交易阶段，聚集系数在C左右达到一个稳定值≈ 0.05，仍然高于具有相同度序列的随机网络的聚类系数（Crand≈ 0.0037(9)).为了解释观察到的广度分布，我们转向链接形成的微观统计。大多数复杂网络的分布可以用幂律近似。优先附加物是一种可能的机制，用来解释这种属性的普遍性[22]。事实上，直接测量证实，优先依恋支配着许多真实系统的进化，例如科学引文网络[23-25]、协作网络[26]、社交网络[27,28]或语言使用[29]。

在其原始形式中，优先连接描述了形成新链路的可能性与目标节点的角度成正比的过程[30]。在过去十年中，人们提出了对原始模型的几次一般化和修改，旨在进一步再现真实系统的结构特征[31–34]。这里，我们研究了非线性优先连接模型[31]，其中新链路连接到nodev的概率为π（kv）=kαvPwkαw，（4）其中kv是节点v的指数，α>0。新链路连接到任何k度节点的概率为∏（k）~ nk（t）π（k），其中nk（t）是链路形成时具有k度的节点数。我们不能直接测试我们的假设，因为∏（k）随时间而变化。为了继续，我们通过计算秩函数1e-14 1e-12 1e-10 1e-08 1e-06 0.0001 0.01 1 110 1000 10000 1e+06 1e+07 1e+08概率延迟[s]将∏（k）转换为均匀分布图8。从单个比特币地址发起的交易之间的时间延迟分布。我们观察到一个幂律分布，接近被广泛观察到的p（T）~ T-1.指数切割与比特币系统的固定时间相对应。对于给定π（k）和nk（t）的每个新链路，R（k，t）：R（k，t）=Pkj=0nj（t）jαPkmaxj=0nj（t）jα=Pkv<kkαvPvkαv。（5）如果等式4成立，R（k，t）在区间[0，1]中均匀分布，与t无关。因此，如果我们绘制累积分布函数，我们得到正确指数α的直线。

为了确定最佳指数，我们通过计算两个分布之间的Kolmogorov-Smirno ff距离，比较了不同指数的Rv值的经验分布和均匀分布。通过评估我们的比特币网络独立分布方法，我们发现经验数据和假设的条件概率函数之间有良好的对应关系；给出最佳fit的指数是α≈ 1（图7）。这表明，总体增长统计数据与优先依恋过程非常吻合。当然，优先依恋本身无法解释网络中观察到的分离度相关性和高聚集性。我们认为，优先依恋是影响程度分布的一个关键因素，然而，有必要对生长过程进行更详细的研究，以解释更高阶的相关性。B.交易动态在本节中，我们分析了交易网络上资金流动的详细动态。人类行为的数字痕迹的日益可用性表明，各种人类活动，例如移动模式、电话或电子邮件通信，往往具有异质性[35–38]。在这里，我们表明货币的处理也不例外：我们发现平衡分布和时间模式都存在异质性。我们还研究了微观统计的交易。1e-20 1e-15 1e-10 1e-05 1 1e-08 1e-06 0.0001 0.01 1 100 10000 1e+06概率（任意单位）平衡【BTC】2010年1月2011年1月2012年7月2012年7月2013年5月图9。单个比特币地址余额分布的演变。沿垂直轴的分布被任意因素改变，以提高分离线的可用性。黑线是上一次经验分布的延伸指数和幂律函数。