基于网络的比特币泡沫指标

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：
《Network-based indicators of Bitcoin bubbles》
---
作者：
Alexandre Bovet, Carlo Campajola, Jorge F. Lazo, Francesco Mottes,
  Iacopo Pozzana, Valerio Restocchi, Pietro Saggese, Nicol\\\'o Vallarano,
  Tiziano Squartini, Claudio J. Tessone
---
最新提交年份：
2018
---
英文摘要：
  The functioning of the cryptocurrency Bitcoin relies on the open availability of the entire history of its transactions. This makes it a particularly interesting socio-economic system to analyse from the point of view of network science. Here we analyse the evolution of the network of Bitcoin transactions between users. We achieve this by using the complete transaction history from December 5th 2011 to December 23rd 2013. This period includes three bubbles experienced by the Bitcoin price. In particular, we focus on the global and local structural properties of the user network and their variation in relation to the different period of price surge and decline. By analysing the temporal variation of the heterogeneity of the connectivity patterns we gain insights on the different mechanisms that take place during bubbles, and find that hubs (i.e., the most connected nodes) had a fundamental role in triggering the burst of the second bubble. Finally, we examine the local topological structures of interactions between users, we discover that the relative frequency of triadic interactions experiences a strong change before, during and after a bubble, and suggest that the importance of the hubs grows during the bubble. These results provide further evidence that the behaviour of the hubs during bubbles significantly increases the systemic risk of the Bitcoin network, and discuss the implications on public policy interventions.
---
中文摘要：
加密货币比特币的功能取决于其整个交易历史的公开可用性。这使得从网络科学的角度进行分析成为一个特别有趣的社会经济系统。在此，我们分析了用户之间比特币交易网络的演变。我们通过使用2011年12月5日至2013年12月23日的完整交易历史记录来实现这一目标。这一时期包括比特币价格经历的三次泡沫。特别是，我们关注用户网络的全局和局部结构特性，以及它们在不同价格波动和下跌时期的变化。通过分析连接模式异质性的时间变化，我们深入了解了泡沫期间发生的不同机制，并发现集线器（即连接最紧密的节点）在触发第二个泡沫破裂方面起着根本作用。最后，我们研究了用户之间交互的局部拓扑结构，我们发现三元交互的相对频率在泡沫之前、期间和之后都经历了强烈的变化，并表明在泡沫期间，集线器的重要性增加。这些结果进一步证明，泡沫期间中心的行为显著增加了比特币网络的系统性风险，并讨论了对公共政策干预的影响。
---
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：
--> Network-based_indicators_of_Bitcoin_bubbles.pdf (533.63 KB)

2022-6-10 02:34:51 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0 回帖

关键词：比特币 Applications Quantitative Transactions interactions

比特币泡沫的网络指标Alexandre Bovet1,2，Carlo Campajola，Jorge F.Lazo，Francesco Mottes，IacopoPozzana，Valerio Restocchi，Pietro Saggese，Nicol\'o Vallarano，Tiziano Squartini8*，和Claudio J.Tessoneaxys，纳穆尔大学，Rempart de la Vierge 8，B-5000 Namur，BelgiumICTEAM，卢万天主教大学，George Lema^itre 4大道，B-1348 Louvain la Neuve，Belgiumsculola Normale Superiore，I-56126 Pisa，ItalyLund大学，教授Satan 1，Lund，SwedenUniversit\'a di Torino，Via Pietro Giuria 1，I-10125 Torino，ItalyBirkbeck-伦敦大学，Malet Street，WC1E 7HX London，UKECS，南安普敦大学，SO17 1BJ南安普敦，UKIMT高等研究学院卢卡，I-55100卢卡，Italyurp社交网络，苏黎世大学，瑞士兹里希CH-8050*蒂齐亚诺。squartini@imtlucca.itABSTRACTa从网络科学的角度来分析特别有趣的社会经济系统。这里我们分析了用户之间比特币交易网络的演变。我们通过使用2011年12月5日至2013年12月23日的完整交易历史记录来实现这一目标。这一时期包括比特币价格经历的三次泡沫。在价格上涨和下跌期间。通过分析连接模式异质性的时间变化，我们发现了泡沫期间发生的不同机制，并发现集线器（即连接最紧密的节点）有两个用户，我们发现三元交互的相对频率在泡沫之前、期间和之后都经历了强烈的变化，并指出，中心的重要性在泡沫期间增长。

这些结果进一步证明，泡沫期间中心的行为显著增加了比特币网络的系统性风险，并讨论了其对公共政策干预的影响。简介以中本聪（Satoshi Nakamoto）的笔名设计，并于2008年由一篇颠覆性的论文介绍当世界受到金融危机后果的挑战时，比特币本质上是一系列解决双重消费问题的密码协议，即防止同一数字令牌被多次使用，在没有第三方验证和保证交易有效性的情况下。更详细地说，比特币包括一个分散的对等网络，由在其中交易比特币的用户组成；一旦根据区块链账本2-4由矿工网络验证。自发布之日起几年后，这种数字货币已经显示出能够吸引越来越多的用户，这既是因为投机的原因5-7，也是因为早期采用者对这种创新技术潜力的信任8，9。事实上，比特币网络中的用户数量和交易数量都出现了显著的激增，这也导致了比特币在市场上的价值增加，从而导致了一些价格泡沫和相应的崩溃10-12；另一方面，比特币协议引入的新奇之处允许进行大量创新分析，并使比特币网络成为一个特别有趣的研究案例。事实上，比特币系统所依赖的交易验证机制的一个显著特征是，自货币创建以来的交易历史是可以公开访问的。

完整交易历史的可用性允许调查比特币用户网络的结构属性，并检查其与不同增长阶段的关系。比特币用户网络的结构和动态直到最近才开始被调查。通过观察地址之间的交易网络，Kondor等人表明，节点的程度分布，即节点的未来交易数量，与节点财富分布有关。Parino等人调查了国际比特币流网络，以确定推动各国采用比特币的社会经济因素。气泡开始结束日期2012-05-25 2012-08-182 2013-01-03 2013-04-113 2013-10-07 2013-11-23表1。2012年5月至2014年1月期间发生的三个比特币泡沫的时间间隔。16、17作为度分布的变异系数，最大的强连接和弱连接组件的大小以及定义为统计重复子图，显示了实现简单功能，有助于实现真实网络的复杂范围。特别是，某些三元基序的丰富已被确定为银行间网络拓扑崩溃的预警信号。结果全球网络测度的进化为了能够检测不同时间尺度上发生的模式，我们构建了两个网络时间序列，分别使用一天和一周的积分时间。我们参考Wheatley等人，2018年。确定所考虑的各种项目的开始和结束日期。我们探讨了几个网络属性的演变，这些网络属性可能与突出可能与市场中代理人的过度活跃或流动性失衡等危机触发现象有关的事件有关。

确定了以下措施：o关键期结束。o最大强连接和弱连接组件的大小。o连接最紧密的节点和连接第二紧密的节点的（总、输入/输出）度数之间的比率，称为“度数GapRatio”。o连接最紧密的节点的输入和输出度数之间的比率，称为“集线器输入/输出度数比率”。由羊群反馈机制解释，在这种机制下，最初的价格上涨之后，市场的受欢迎程度增加）进一步推动了价格的增长，最终以不可持续的速度增长并崩溃，要么是因为增长放缓引发投机者抛售，要么是在一些负面消息发布后导致恐慌性抛售。交易网络是否与价格涨跌相关。为此，我们计算最大的强连接组件（SCC）和弱连接组件（WCC）的大小，即最大的顶点集，这些顶点在SCC的两个方向上都有路径，在WCC的至少一个方向上都有路径。我们对1b，1c进行了分析。我们看到绝大多数用户总是连接到网络，因为最大的WCC几乎包括所有节点。然而，第一个枢纽的重要性在我们所考虑的整个时间段内发生变化，在时间上有所下降，尤其是在第一个泡沫期间。我们看到，第一个气泡消除了第二个重要的集线器（WCCm1），这可能是图1的2/10。比特币网络和价格演变。每周对重建的网络进行测量。网络，作为时间（蓝色）和比特币美元价格（绿色）的函数。b） 最高阶节点（WCCm1，橙色）的最大弱连接组件的大小以及移除两个最高阶节点（WCCm2，绿色）的大小。

c） 与b）中的度量类似，但使用最大的强连通分量而不是最大的弱连通分量。仅通过it与市场相连。关于第一个枢纽中心地位的类似结论来自SCC和SCCm1之间的差距，这再次接近网络中总节点的20%。随着时间的推移，网络中的货币流通量不断增加，在泡沫破灭之后，第一个枢纽虽然非常中心，但不再是唯一的通道点。这是一个信号，较小的节点开始注意到这不会以牺牲第一个枢纽的重要性为代价，而第一个枢纽确实在增加其中心地位，也不会通过形成第二个枢纽，因为第二大节点与SCC和WCC的大小无关。然而，我们在这些全球衡量指标中没有发现持续的泡沫爆发或破裂信号。这可能与市场的发展性质有关，市场在不断演变，这些全球特征发生了巨大的变化，甚至很难在时间框架之间进行比较。因此，我们转向更微观的测量，并在下一节中揭示结果。异质性度量在本节中，我们研究了三种分布的几种异质性度量，即in degree、out degree和totalV=σ′xσ3/10图2。两个最大枢纽的学位差距比率。三个气泡由阴影区域表示（从开始到burstlargest hub.4/102011-122012-032012-062012-092012-122013-032013-062013-092013-12Date2.55.07.510.012.515.0变异系数（V=/x）Indeg。Outdeg。总计。度图3。度分布的异质性演化。每日网络的入度（蓝色）、出度（橙色）和总度（绿色）分布的变异系数。

气泡由粉红色阴影区域表示（从开始到破裂日）。(R)X分别为经验分布的标准偏差和平均值。由于所有分布都显示出重尾，这种异质性度量可能取决于网络的大小。为了考虑每个时间点上网络的变化大小，我们只考虑每个日常网络的样本=1784个节点，其中样本是最小网络拥有的节点数，并测量每个分布的100个随机样本的平均值。我们的结果（如图3所示）表明，在2013年1月3日至2013年4月11日发生的第二次泡沫期间，内度分布变得比泡沫之前均匀得多，而外度分布呈现出激增的异质性。图2显示了最大和第二大轮毂的相对度数，以及动力与最大轮毂的度数之比，但程度更大。事实上，这些结果表明，在第二次泡沫期间，值得注意的是，这纯粹是一种结构性变化，因为最大的枢纽在这一期间保持着零贸易平衡。这些结构变化与程度内和程度外分布的异质性变化一致，并表明有两个中心通过向网络中进入市场交易的大多数交易者出售比特币来集中市场，如果其中一个在任何时候失败，整个网络可能崩溃。这正是泡沫的爆发。三元基序分析三元基序，即。

所有连接三个顶点的可能定向模式都是定向聚类系数的自然概括，也是理解社区中复杂网络自组织的起点。可以识别和分类十三个非同构的三元定向模式（如图6所示）。给定一个实的二元定向矩阵a，可以按照表2.5/10Motif m Nm所示写出基序出现次数Nm∑i6=j6=k（1- ai j）ajiajk（1- ak j）（1- aik）（1- aki）∑i6=j6=kai j（1- aji）ajk（1- ak j）（1- aik）（1- aki）∑i6=j6=kai jajiajk（1- ak j）（1- aik）（1- aki）∑i6=j6=k（1- ai j）（1- aji）ajk（1- ak j）aik（1- aki）∑i6=j6=k（1- ai j）ajiajk（1- ak j）aik（1- aki）∑i6=j6=kai jajiajk（1- ak j）aik（1- aki）∑i6=j6=kai jaji（1- ajk）ak j（1- aik）（1- aki）∑i6=j6=kai jajiajkak j（1- aik）（1- aki）∑i6=j6=k（1- ai j）aji（1- ajk）ak jaik（1- aki）∑i6=j6=k（1- Aij）ajiajkak jaik（1- aki）∑i6=j6=kai j（1- aji）ajkak jaik（1- aki）∑i6=j6=kai jajiajkak jaik（1- aki）∑i6=j6=kai jajiajkak jaikakiTable 2。三元基序丰度的分类和定义。图4：。13个三元基序的频率演变。6/10图4的三个上部面板显示了三个时期内13个三元基序的密度，这三个时期是为了监测2011年12月5日至2012年12月5日期间泡沫发生之前、期间和之后的系统。通过目视检查三个上部面板，很明显，气泡的特征确实是不同于前一时期和后一时期的图案。显然，相同的主题（即。

2012年25日：这一证据导致我们假设，监控集线器连接可能有助于检测即将到来的关键活动。这些结构变化与程度内和程度外分布的异质性变化一致，并表明有两个中心通过向网络中进入市场交易的大多数交易者出售比特币来集中市场，如果其中一个在任何时候失败，整个网络可能崩溃。结论在本文中，我们分析了比特币交易网络的结构特性对度分布的产生和崩溃以及连接模式（即基序）的频率的影响。我们发现，在价格泡沫期间，这些房地产发生了重大变化。一项更详细的分析揭示，在第一次泡沫期间，主题的频率表明了他们在成为流动性提供者方面的作用。这些结果在第二个泡沫中得到证实：通过分析入度、出度和总度分布的异质性，我们发现度（入度）分布有显著的加宽（缩小），而总度并没有显著改变其分布。泡沫的形成很可能是由集线器作为流动性提供者所扮演的集中角色造成的。交易网络中集线器的属性是理解泡沫潜在机制的关键。此外，至少在前三个比特币泡沫中，中心的行为显著增加了比特币经济的系统性风险，最终导致系统性失败和价格暴跌。这些结果还表明，比特币泡沫很难预测，但可以通过引入旨在降低网络中大型集线器重要性的政策来防止或至少缓解比特币泡沫。

在未来的工作中，我们计划通过引入新的结构性措施和涵盖迄今为止发生的所有泡沫来扩展我们的分析。MethodsUser网络重构比特币协议的一个要素是，它试图以一种更好地定义为虚假的方式保持用户的匿名性：交易发生时不需要第三方，用户不能直接与真实用户或身份联系。因此，交易不会以任何方式识别付款人或收款人。然而，通过利用协议的属性，例如事务历史是公开的，可以跟踪和集群同一用户拥有的地址，从而将地址网络分解为用户网络。我们在这里描述的驱动我们前进的原则。基于输入的启发式方法：第一种也是最安全的方法利用了这样一个事实：原则上，如果两个地址是同一用户的同一地址的输入。一次性更改地址：第二次检测出现在事务输出中的地址，这些地址可以分配给输入的所有者。只有在可以安全地假设一次性更改地址属于输入所有者的情况下，才使用第二种启发式。7/10图5。网络构造的示例。与用户相对应的节点通过观察窗口中传输的比特币数量进行连接。21–24 Cazabet等人提出的另一种方法基于基于输入的启发式和Louvaincommunity检测算法的组合，以检测可能属于同一用户的地址。为什么我们没有使用相同的用户，就像他们被一个实体控制一样，即。