利用相关性探索加密货币的互联性

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：
《Exploring the Interconnectedness of Cryptocurrencies using Correlation
  Networks》
---
作者：
Andrew Burnie
---
最新提交年份：
2018
---
英文摘要：
  Correlation networks were used to detect characteristics which, although fixed over time, have an important influence on the evolution of prices over time. Potentially important features were identified using the websites and whitepapers of cryptocurrencies with the largest userbases. These were assessed using two datasets to enhance robustness: one with fourteen cryptocurrencies beginning from 9 November 2017, and a subset with nine cryptocurrencies starting 9 September 2016, both ending 6 March 2018. Separately analysing the subset of cryptocurrencies raised the number of data points from 115 to 537, and improved robustness to changes in relationships over time. Excluding USD Tether, the results showed a positive association between different cryptocurrencies that was statistically significant. Robust, strong positive associations were observed for six cryptocurrencies where one was a fork of the other; Bitcoin / Bitcoin Cash was an exception. There was evidence for the existence of a group of cryptocurrencies particularly associated with Cardano, and a separate group correlated with Ethereum. The data was not consistent with a token\'s functionality or creation mechanism being the dominant determinants of the evolution of prices over time but did suggest that factors other than speculation contributed to the price.
---
中文摘要：
相关网络用于检测特征，这些特征虽然随时间固定，但对价格随时间的演变具有重要影响。使用拥有最大用户群的加密货币网站和白皮书确定了潜在的重要功能。使用两个数据集对其进行评估，以增强稳健性：一个数据集从2017年11月9日开始使用十四种加密货币，另一个数据集从2016年9月9日开始使用九种加密货币，这两个数据集都从2018年3月6日结束。单独分析加密货币子集将数据点的数量从115个增加到537个，并提高了对关系随时间变化的鲁棒性。排除美元系链，结果显示不同加密货币之间存在显著的正相关性，具有统计学意义。六种加密货币之间存在着强大的正相关关系，其中一种是另一种的分支；比特币/比特币现金是个例外。有证据表明存在一组与Cardano特别相关的加密货币，另一组与以太坊相关。这些数据与代币的功能或创造机制不一致，代币的功能或创造机制是价格随时间演变的主要决定因素，但确实表明，投机以外的因素对价格有贡献。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Computational Finance        计算金融学
分类描述：Computational methods, including Monte Carlo, PDE, lattice and other numerical methods with applications to financial modeling
计算方法，包括蒙特卡罗，偏微分方程，格子和其他数值方法，并应用于金融建模
--
一级分类：Computer Science        计算机科学
二级分类：Cryptography and Security        密码学与安全
分类描述：Covers all areas of cryptography and security including authentication, public key cryptosytems, proof-carrying code, etc. Roughly includes material in ACM Subject Classes D.4.6 and E.3.
涵盖密码学和安全的所有领域，包括认证、公钥密码系统、携带证明的代码等。大致包括ACM主题课程D.4.6和E.3中的材料。
--

---
PDF下载：
--> Exploring_the_Interconnectedness_of_Cryptocurrencies_using_Correlation_Networks.pdf (702.21 KB)

2022-6-10 04:15:45 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：货币的 相关性 Cryptography Quantitative Determinants

1利用相关网络探索加密货币的互联性安德鲁·伯尼（Andrew Burnie UCL）是艾伦·图灵研究所的计算机科学博士生aburnie@turing.ac.uk2018年5月24日在英国剑桥安格利亚·罗斯金大学阿什克罗夫特勋爵国际商学院金融研究中心举行的加密货币研究会议上发表的会议论文。摘要相关网络用于检测特征，这些特征虽然随时间固定，但对价格随时间的演变具有重要影响。使用拥有最大用户群的加密货币网站和白皮书确定了潜在的重要功能。使用两个数据集对其进行评估，以增强稳健性：一个数据集从2017年11月9日开始使用十四种加密货币，另一个数据集从2016年9月9日开始使用九种加密货币，这两个数据集都从2018年3月6日结束。单独分析加密货币子集将数据点的数量从115个增加到537个，并提高了对关系随时间变化的鲁棒性。排除美元系链，结果显示不同加密货币之间存在显著的正相关性，具有统计学意义。六种加密货币之间存在着强大的正相关关系，其中一种是另一种的分支；比特币/比特币现金是个例外。有证据表明存在一组与Cardano特别相关的加密货币，另一组与以太坊相关。这些数据与代币的功能或创造机制不一致，代币的功能或创造机制是价格随时间演变的主要决定因素，但确实表明，投机以外的因素对价格有贡献。关键词：相关网络；互联性；传染病推测2 1。

简介2017年，加密货币开始快速多样化。推出了800多种新的加密货币（BitInfoCharts，2018），同时比特币的市场主导地位也在下降。虽然2017年初比特币占总市值的85%以上，但截至年底，这一比例已降至不到40%（CoinMarketCap，2018）。加密货币的多样性反映了各种潜在用途。从提供新型货币（如比特币现金）或分散存储网络（如Filecoin）的基础，到提供应用程序开发工具（如EOS和Qtum）的通用货币，这些货币种类繁多。然而，这种多样性也使从估值角度理解加密货币变得复杂。目前尚不清楚，在了解相关代币是低估还是高估时，应重点关注给定加密货币的哪些异质特征，或者在加密货币的外部环境中应关注哪些特征。在宏观层面上，一些思想领袖甚至认为加密货币不能为参与者提供真正的价值来源（Bercetche，2017；Imbert，2017），因此被高估了。这表明投资者的动机仅仅是对价格上涨的非理性反应，即投机（Shiller，2003）。由于缺乏对推动个人加密货币估值的明确性，无法评估投机的真实影响。以前，文献倾向于从特定特征的变化是否与加密货币价格的后续变化相关的角度来理解哪些特征是重要的。

通常，这涉及使用计量经济学模型（Boouiyour&Selmi，2015；Ciian，Rajcaniova，&Kancs，2016；Garcia&Schweitzer，2015；Garcia，Tessone，Mavrodiev，&Perony，2014；Kristoufek，2013；Wijk，2013）或小波相干分析（Kristoufek，2015）比较各种候选价值驱动因素。对比特币以外的加密货币的考虑仅限于几个例子，如Ripple和Ethereum（Kim等人，2016）。这种方法的局限性在于无法检测到特征，这些特征虽然随时间固定，但对价格随时间的演变具有重要影响。以太坊的智能合约技术就是一个可能的例子。以太坊自推出以来就签订了智能合约；该特性是时不变的。智能合约是否改变了乙醚价格随时间的演变，因此无法仅从乙醚的价格数据来确定。应用的技术需要包括与其他加密货币的比较。本文旨在比较加密货币，以推断影响价格随时间变化的重要时不变特征。首先就这些特征可能是什么提出了理论建议；然后使用相关网络图对隐含分组进行实证检验。如果两种加密货币具有共同的重要特征，这很可能表现为强正相关。3检查加密货币之间的相关性有助于我们进一步了解一种加密货币（尤其是比特币）的结果可以推广到其他加密货币的程度。这也将有助于揭示哪些加密货币对传染效应特别敏感，其中一种加密货币的下跌会影响到其他加密货币。

最后，它将帮助投资者设计加密货币投资组合，投资于不相关的加密货币，从而分散其总体风险。本文改进了之前的相关工作：将各种不同的加密货币相互比较，而不仅仅是将比特币与其他货币进行比较（Ciian、Rajcaniova和Kancs，2018；Gandal和Halaburda，2016）；包括具有智能合约功能的加密货币（Gandal&Halaburda，2016；Osterrieder，Lorenz和Strika，2017）；更广泛地评估加密货币是否相互关联，而不是专门测试线性关系（Ciaian et al.，2018）。本文还明确分析了是否有证据支持值相关、时不变特征的存在，以及是否有证据支持或拒绝潜在候选人。2、方法2.1加密货币的基本原理选定的加密货币相对于其他加密货币具有较大的用户基础。如果加密货币的用户基数很小，那么在任何给定的时间点，买家和卖家的数量可能会更少。因此，加密货币的买家可能需要进一步提高价格以吸引足够的供应；卖方需要进一步降低价格，以鼓励充足的需求。这表明较小加密货币的价格将更加波动，这种波动将由随机噪声驱动。较小的加密货币也可能在较少的交易所上市。随着每次买卖的代币越来越少，交易所上市特定加密货币的动机也越来越少。

因此，较小的加密货币更容易遇到特定交易所面临的困难，例如交易所被黑客入侵（Rosic，2017年）、因技术原因停止交易（Greene，2017年）或破产（Meyer，2017年）。因此，避免使用用户基数较小的加密货币，因为它们的价格序列更有可能受到特殊噪声的驱动。这将削弱加密货币与数据集中其他货币的相关性，从而增加得出结论的风险，即加密货币对没有重要的共同特征，而事实上它们确实有。为了确保在整个过程中使用相同的价格数据，数据来自coingecko。com将于2018年3月6日确定用户基数最大的加密货币。用户群的两个财务指标可用：市值和流动性。市值衡量代币价格乘以可用供应量，从而直接衡量每种加密货币的持有量（CoinGecko，2018）。现有市值指标的一个限制是如何解释因所有者无法使用钱包或囤积而导致的无法访问代币（Torpey，2016）。这种情况可能导致市值对特定加密货币的投资金额产生误导性印象。因此，我们还考虑了流动性，流动性在这里衡量交易所之间的交易活动（CoinGecko，2018）。可供出售的代币越少，特定市值的可能交易量越低。对市值或流动性排名前十的加密货币进行了分析。2.2用于划分加密货币的问题考虑的方法是使用监管机构提出的框架进行分组。

监管机构往往不愿提供具体指导（金融行为管理局，2017；新加坡金融管理局，2017）；例外情况是美国证券交易委员会（SEC）、商品期货交易委员会（CFTC）和瑞士金融市场监管局（FINMA）。SEC建议根据代币是否为证券来区分代币，包括“合理预期其他人的创业或管理努力将产生的利润”（美国证券交易委员会，2017年）。FINMA证实了这种方法，即在公用事业代币和资产代币之间进一步分割安全代币，并将支付代币描述为受反洗钱监管，但不受安全监管（瑞士金融市场监管局（FINMA），2018）。证券和非证券之间的这种分割很难在实践中应用（Bennington，2017），而CFTC却主张区分商品和衍生品，这两种商品和衍生品都受其监管（Higgins，2017），这使这种分割更加复杂。上述监管机构讨论的一个基本主题是关注代币的功能（Burnie、Henderson和Burnie，2018），其中代币是加密货币系统中价值的数字表示。本文将拓宽考虑的特征，以包括代币生命周期的不同阶段（图1）。每个阶段都与代币的供应或需求相关，因此可能会影响价格随时间的演变。5图1：代币寿命不同阶段的相关问题图1中的问题应用于所选加密货币子集（第2.1节），使用其网站和白皮书提供答案。

这确定了可能导致类似加密货币之间存在强相关性的共同特征。在解释价格序列时，将生成的加密货币组与两种备选方案进行了比较。首先，所有加密货币都有共同的固定特征，这些特征推动着价格随时间的演变。第二，所有加密货币都是不相关和不同的。2.3选择从coingecko收集的数据集每日定价数据（美元）。2018年3月6日，针对所考虑的每种加密货币。首选此来源，因为它涵盖了各种加密货币，并支持以CSV格式下载数据。该来源在某些日期的数据缺失方面受到限制：2018年2月22日，11种加密货币的数据缺失；NEO缺少2017年8月8日至10日的数据。数据集最早从2013年4月28日开始。计算每种加密货币的每日价格变化百分比，而不是比较原始价格序列。这提供了一个更接近投资者在某一天持有特定加密货币时所获得回报的代理。由于该计算涉及第一次差分，如果数据集中存在非平稳性问题，它也会更加稳健（Stock&Watson，2012）。随着不同年份推出不同的加密货币，数据可用性也有所不同。因此，我们创建了两个数据集。在第一个数据集中，我们考虑了所有加密货币，这要求从2017年11月9日开始计算时间序列。

在第二个数据集中，我们如何创建令牌？如何分发新令牌？代币的目标市场是什么？代币的用途是什么？如何验证交易？6考虑了加密货币的子集，其中有更多的数据，使我们能够从2016年9月9日开始计算时间序列。考虑到不同的时间段，可确保对随时间变化的相关值的不稳定性具有更大的稳健性（Gandal&Halaburda，2016；Osterrieder等人，2017）。2.4应用相关网络2.4.1相关度量如果两种加密货币的每日收益序列受相同的共同特征影响，则这些收益应具有强关联性。为了测试这种关联，需要一个相关度量。特别流行的相关指标有：皮尔逊积差相关系数（PMCC）；斯皮尔曼氏rho（SR）；和Kendall的tau（KT）（Mari&Kotz，2001）。应用PMCC假设加密货币回报遵循正态分布（Xu、Hou、Hung和Zou，2013），之前的研究表明这是一个不合理的假设（Chan、Chu、Nadarajah和Osterrieder，2017；Osterrieder等人，2017）。PMCC在测量线性关系方面受到进一步限制（Xu等人，2013年）。有证据表明，当样本量很小且真实的总体相关性很弱时，SR是变量间关联（均方误差）的更准确度量。相反，当真实总体相关性较强和/或在大样本情况下，KT更准确（Xu et al.，2013）。

Osterrieder、Lorenz和Strika（2017）发现加密货币之间的相关性通常很小（比特币和Litecoin之间的相关性除外），并且数据集大小有限（第2.3节），因此本文主要使用SR方法，并使用KT检查稳健性。序列x和y之间的SR公式如下：    式中，Ranki表示变量i不同值的秩。通过除以x和y的秩版本的标准偏差，将x和y的秩版本之间的协方差标准化。7通过使用KT检查稳健性；公式如下：   其中：onconcordant是序列x中的顺序与序列y中的顺序匹配的值对数量的计数；ondiscordant是排序不匹配的对数；o在上述计数中忽略成对的并列值；oni是系列i中未连接的数据点对的总数。上述公式与Kendall的Tau-b有关（Kendall，1945）。如果没有连接，则nx=ny=可能的对总数。然后，上述方程式等效于以下等式（Kendall，1938）：      2.4.2相关网络网络由环形节点组成，这些节点由称为边的线连接。在本文的相关网络中，节点代表不同加密货币的每日收益，而每条边都有一个权重，即链接加密货币收益之间的相关性。从图表上看，两种加密货币的收益之间的关联越强，连接其节点的线就越宽（Epskamp、Cramer、Waldorp、Schmittmann和Borsboom，2012）。