高频加密货币价格动态分析

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：
《An analysis of high-frequency cryptocurrencies prices dynamics using
  permutation-information-theory quantifiers》
---
作者：
Aurelio F. Bariviera, Luciano Zunino, Osvaldo A. Rosso
---
最新提交年份：
2018
---
英文摘要：
  This paper discusses the dynamics of intraday prices of twelve cryptocurrencies during last months\' boom and bust. The importance of this study lies on the extended coverage of the cryptoworld, accounting for more than 90\\% of the total daily turnover. By using the complexity-entropy causality plane, we could discriminate three different dynamics in the data set. Whereas most of the cryptocurrencies follow a similar pattern, there are two currencies (ETC and ETH) that exhibit a more persistent stochastic dynamics, and two other currencies (DASH and XEM) whose behavior is closer to a random walk. Consequently, similar financial assets, using blockchain technology, are differentiated by market participants.
---
中文摘要：
本文讨论了12种加密货币在过去几个月的繁荣与萧条期间的日内价格动态。这项研究的重要性在于加密世界的覆盖范围扩大，占每日总营业额的90%以上。通过使用复杂性熵因果平面，我们可以区分数据集中的三种不同动态。虽然大多数加密货币遵循类似的模式，但有两种货币（ETC和ETH）表现出更持久的随机动态，还有两种货币（DASH和XEM）的行为更接近随机游动。因此，使用区块链技术的类似金融资产因市场参与者而异。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--
一级分类：Physics        物理学
二级分类：Chaotic Dynamics        混沌动力学
分类描述：Dynamical systems, chaos, quantum chaos, topological dynamics, cycle expansions, turbulence, propagation
动力系统，混沌，量子混沌，拓扑动力学，循环展开，湍流，传播
--
一级分类：Quantitative Finance        数量金融学
二级分类：Risk Management        风险管理
分类描述：Measurement and management of financial risks in trading, banking, insurance, corporate and other applications
衡量和管理贸易、银行、保险、企业和其他应用中的金融风险
--

---
PDF下载：
--> An_analysis_of_high-frequency_cryptocurrencies_prices_dynamics_using_permutation.pdf (566.41 KB)

2022-6-10 09:17:57 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：动态分析 Applications Quantitative Participants Econophysics

利用置换信息理论对高频加密货币价格动态进行分析Quantifiersaurelio F.BarivieraUniversitat Rovira i Virgili，商务部。Av。143204西班牙国立大学太平洋分校（Universitat 1，43204 Reus SpainUniversidad del Pacifico）。利马，佩鲁埃利奥。fernandez@urv.catLucianoZuninoCentro de Investigaciones’Opticas（CONICET La Plata-CIC）C.C.3，1897 Gonnet，ArgentinaDepartamento de Ciencias B’asicas，Facultad de Ingenier，aUniversidad National de La Plata（UNLP），1900 La Plata，Argentinalucianoz@ciop.unlp.edu.arOsvaldoA.RossoDepartamento de Inform\'atica en Salud，意大利布宜诺斯艾利斯和科尼塞特医院，C1199ABB阿根廷布宜诺斯艾利斯奥诺马市。阿拉戈斯联邦大学西卡学院。Lourival Melo Mota，s/n，57072-970 Macei\'o，AL，BrazilComplex Systems Group，Facultad de Ingenier'a y Ciencias Aplicadas，Las Condes安第斯大学，邮编：12455 Santiago，Chileoarosso@gmail.comAugust本文讨论了在过去几个月的繁荣与萧条期间，十二种加密货币的日内价格动态。这项研究的重要性在于加密世界的覆盖范围扩大，占每日总营业额的90%以上。通过使用复杂性熵因果平面，我们可以区分数据集中的三种不同动力学。虽然大多数加密货币遵循类似的模式，但有两种货币（ETC和ETH）表现出更持久的随机动力学，还有两种货币（DASH和XEM）的行为更接近随机游动。

因此，市场参与者会区分使用区块链技术的类似金融资产。关键词：加密货币；置换熵；置换统计复杂性；复杂性熵因果平面；信息效率1简介根据传统定义，货币有三个主要属性：（i）作为交换媒介，（ii）作为记账单位，（iii）允许存储价值。传统货币由中央银行代表民族国家发行，其价值与中央银行政策以及这些货币所基于的经济的信心有关。几年前，出现了一种新型的可交易资产，称为广义加密货币。比特币（BTC）是世界上第一个也是最为知名的货币。它是在一位笔名为“Nakamoto”的无名作者的手稿发表之后创建的。与标准货币相反，其创造既不受任何中央银行和/或ZF的约束，也不受任何中央银行和/或ZF的支持。这是虚拟货币的完全私人创造，其价值本质上并不基于任何贵金属或任何其他基础资产。因此，其固有值为零[11]。加密货币基于一种称为区块链的新技术。其主要创新在于，交易由多个市场参与者完成，而不是由中央机构或清算所验证，他们通过解决复杂的密码算法来竞争验证。反过来，此验证任务的获胜者将获得他/她正在验证的某种加密货币的奖励。

这种分散和加密的交易账本，根据支持这种技术的人的意见，比集中式方案更可靠。加密货币的生态系统一直在以越来越快的速度增长，现在大约有1000种使用区块链或类似协议的活跃和可交易的加密货币。日常交易价值数百万美元，近年来，越来越多的文献致力于研究这种新资产的不同方面。本文的目的是利用高频数据研究十二种最重要的加密货币的信息效率。所有加密货币都依赖于类似的区块链技术，从技术角度来看，这使得它们非常相似。然而，它们都没有任何实物或有形资产来定价。因此，对比分析旨在测试这些工具是否具有不同的潜在（不可观察的）动力学结构。本文从三个重要方面对该文献作出了贡献。首先，我们扩展了分析这种新资产类型的实证研究。其次，我们比较了十二种主要加密货币的动态行为。第三，我们使用高频数据描述了信息效率的时间演变。本文的其余部分组织如下：第2节描述了最近出现的有关比特币和其他加密货币的文献，第3节和第4节介绍了本文使用的方法，第5节介绍了数据集并讨论了我们的实证分析结果，最后，第6节得出了主要结论。2.简要文献综述对加密技术的研究有不同的分支，涵盖法律、计算机科学和经济学。

中本（Nakamoto）论文中的重大创新【29】可能不是创建BTC，而是开发了一个开源、分散的在线支付系统。换言之，通过使用已建立的国际银行系统，可以以非常低的费用实现金融交易。此外，由于加密，各方需要披露其真实身份。这一特性可能会引起法律界对BTC用于非法目的的担忧。计算机科学文献关注区块链技术的技术设计、加密协议的安全性、漏洞、能源消耗等。最后，金融和货币经济学主要关注TC价格的经济决定因素及其信息效率。我们将关注后一个方面。根据Fama[15]的经典定义，如果价格传达了所有相关信息，那么市场就是信息充分的。换句话说，将信息集限制在某一固定资产的一系列价格上，我们可以说，如果当前价格包含了过去价格的信息，那么该资产组合的市场就是充分的。作为这种定义的必然结果，将过去价格用于未来价格预测是徒劳的。萨缪尔森（Samuelson）[35]认为，任何给定投机资产的价格时间序列应表现为随机游走（RW）。金融经济学的实证文献发现了与RW假设的一些偏差。事实上，Bariviera及其合著者已经证明泰国股市存在时变的长期依赖性[5]，研究了2008年金融危机对欧洲主权债券信息效率的影响[10]，他们还发现欧洲公司和主权债券的避险特征中存在不对称反应[9]。

其他作者研究了可预测性政治危机和市场崩溃之间的关系[20]。关于加密货币市场，大多数文献集中于BTC分析。然而，加密货币生态系统被数百名BTC的竞争对手所取代。Conmarketcap[12]收集了大约1000种不同活跃货币的信息。从这个意义上讲，我们的论文通过分析经典BTC之外的其他11种加密货币，给出了这个虚拟市场更广阔的前景。Cheah和Fry发现BTC市场存在投机泡沫。厄克哈特[39]报告了2013年至2016年B-T-C市场的信息效率。同样，Nadarajah和C hu【28】发现BTCI的时间序列行为与有效市场假说（E MH）不一致，Bariviera【6】显示2013-2016年间长期记忆效应降低。最后，Bariviera等人[7]发现，BTC时间序列的长期记忆在不同的时间尺度上相似。据报道，价格以整数（00位小数）聚集【40】。3信息论数量经济学中许多实证研究的分界点是一个时间序列。金融市场，更确切地说是不断增长的加密货币市场，提供了大量的处理材料。考虑到每个事务都是以电子方式记录的，并且每小时有数千个事务，研究人员可以选择不同粒度的数据。丰富的数据允许引入更先进的技术，主要来自于omeconophysics，以便阐明经济现象。信息理论衍生的量化器对于揭示金融时间序列传递的信息非常有帮助。

金融文献中熵量化器的使用可以追溯到20世纪60年代，Theiland Leenders【38】、Fama【14】和Dryden【13】发表了论文。这些论文可以被视为使用这项技术的相关例子，这项技术是最近才被经济物理学发现的。在这方面，Martina等人[26]和Ortiz等人[30]将熵和多尺度熵分析应用于ass Ess原油价格效率。Alvarez Ram'irez等人[2]也使用熵方法来量化过去70年来美国股市信息效率的动态。香农熵是衡量系统无序程度的一种非常自然和常用的方法。根据Shannon和Weaver[36]，给出了不可信概率分布P={pi∈ R圆周率≥ 0; i=1，M} ，当pmi=1pi=1时，香农熵定义为：S【P】=-MXi=1磅/平方英寸。（1） 如果模式是完全确定的，并且在均匀分布下达到其最大值，则该质量等于零。然而，仅用香农熵分析时间序列可能会有不足之处。

Feldman和Crutch field【16】以及Feldman等人【17】提出，熵度量不能量化过程中存在的结构或模式的程度，必须在分析中引入统计复杂性度量，以表征系统的组织属性。Mart'n et al.[24]和L amberti et al.[22]引入了一种基于L'opez Ruiz et al.[23]开发的函数形式的统计复杂性度量，定义如下：CJ S[P，Pe]=HS[P]QJ[P，Pe]（2），其中HS[P]=S[P]/Smaxis非标准化香农熵，P是与分析时间序列相关的离散概率分布，Pe是均匀分布，QJ[P，Pe]是所谓的不平衡：QJ[P，Pe]=Q{S[（P+Pe）/2]- S【P】/2- S[Pe]/2}，Qa normalizationconstant。这种不平衡通过Jensen-Shanno n散度来定义，该散度量化了两个概率空间之间的差异。Martin等人。【25】证明了广义统计复杂性度量（如CJ S）的上下界的存在。此外，正如Soriano等人【37】所强调的，统计复杂性不是熵的一个平凡函数，因为它基于两个概率分布。经济物理学文献中引入了这两个量化器的平面表示，称为复杂性熵平面，用于表征几个市场的信息效率。

例如，提高股票市场的效率[43，45]；在商品市场中排名靠前【44】；将信息效率与主权债券评级联系起来[42]；评估欧洲主权债券时间序列中建立共同货币和深度广泛金融危机的影响【10】；并检测Libormanipulation[8，4]。4 Bandt-Pompe时间序列象征性地遇到许多经济现象，产生可观测的量级，这些量级在均匀分布的时间上记录。这些观察结果，即时间序列，是定量分析用来建模和审查复杂现象的原始材料。这一研究领域被广泛称为时间序列分析。其目标之一是描述生成过程的性质。我们可以安全地假设，这项任务的一个直接出发点是找到与时间序列相关的适当概率密度函数（PDF）。PDF估计有几种相互竞争的方法。除了传统的直方图技术之外，我们还可以引用：二进制符号动力学[27]、傅立叶分析[31]、小波变换[32]和有序模式[3]。每种方法的适用性取决于数据本身的特点。时间序列离散化的符号分析方法，并将其转换为一系列符号。这些方法非常强大，因为它们很少受到观测噪声的影响。这一特性在经济时间序列分析中特别重要，因为噪声是传统特征。在基于符号的PDF估计技术中，Bandt和Pompe（BP）方法具有在估计时考虑时间因果关系的优势。

这种符号方法对（观测）噪声的存在具有鲁棒性，除弱平稳性外，需要noa先验模型假设。该方法的出发点是考虑D的顺序结构-时间序列的维度分区。“划分”是通过比较相邻相对值的顺序来设计的，而不是根据不同的级别来分配振幅。让我们考虑一个时间序列S（t）={xt；t=1，…，N}，嵌入维数（模式长度）D>1（D∈ N） ，以及嵌入延迟（采样频率）τ（τ∈ N） ，由S 7生成的D阶BP模式→xs型-（D）-1） τ，xs-（D）-2)τ, . . . , xs型-τ、 xs型, （3） 是需要考虑的。对于每个时间s，BP方法分配一个D维向量，该向量用于评估时间s的时间序列-（D）-1） τ，s-（D）- 2)τ, . . . , s- τ、 很明显，D的值越高，More“时间因果关系”就被纳入到随后的向量中。通过与时间s相关的顺序D的顺序模式，BP表示排列π=（r，r，…，rD-1） of（0，1，…，D- 1） 由XS定义-研发部-1τ≤ xs型-研发部-2τ≤ · · · ≤ xs型-rτ≤ xs型-rτ。（4） 通过这种方式，等式（3）定义的向量被转换为定义符号olπ。为了得到统一的结果，BP认为ri<ri-1if xs-riτ=xs-国际扶轮社-1τ.如果XT的值具有连续分布，因此等值非常不寻常，则可证明这一点。为了所有的D！可能的顺序（排列）πi当嵌入维数为D时，可以根据在时间序列中发现该特定顺序序列的次数除以序列总数p（πi），自然计算其相关的相对频率={s | s≤ N- （D）- 1)τ; （s） 具有πi}N型- （D）- 1)τ. （5） 在最后一个表达式中，符号 代表“数字”。因此，有序模式概率分布P={P（πi），i=1。