比特币的市场操纵：来自挖掘Mt.Gox的证据

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：
《Market Manipulation of Bitcoin: Evidence from Mining the Mt. Gox
  Transaction Network》
---
作者：
Weili Chen, Jun Wu, Zibin Zheng, Chuan Chen, and Yuren Zhou
---
最新提交年份：
2019
---
英文摘要：
  The cryptocurrency market is a very huge market without effective supervision. It is of great importance for investors and regulators to recognize whether there are market manipulation and its manipulation patterns. This paper proposes an approach to mine the transaction networks of exchanges for answering this question.By taking the leaked transaction history of Mt. Gox Bitcoin exchange as a sample,we first divide the accounts into three categories according to its characteristic and then construct the transaction history into three graphs. Many observations and findings are obtained via analyzing the constructed graphs. To evaluate the influence of the accounts\' transaction behavior on the Bitcoin exchange price,the graphs are reconstructed into series and reshaped as matrices. By using singular value decomposition (SVD) on the matrices, we identify many base networks which have a great correlation with the price fluctuation. When further analyzing the most important accounts in the base networks, plenty of market manipulation patterns are found. According to these findings, we conclude that there was serious market manipulation in Mt. Gox exchange and the cryptocurrency market must strengthen the supervision.
---
中文摘要：
加密货币市场是一个非常巨大的市场，没有有效的监管。投资者和监管机构必须认识到是否存在市场操纵及其操纵模式。为了回答这个问题，本文提出了一种挖掘交易所交易网络的方法。以Mt.Gox比特币交易所泄露的交易历史为样本，我们首先根据其特点将账户分为三类，然后将交易历史构建为三张图。通过对构建的图进行分析，获得了许多观察结果和发现。为了评估账户交易行为对比特币交易价格的影响，将这些图重建为序列并重塑为矩阵。通过对矩阵进行奇异值分解（SVD），我们识别出了许多与价格波动有很大相关性的基网络。在进一步分析基础网络中最重要的账户时，发现了大量的市场操纵模式。根据这些发现，我们得出结论，Mt.Gox交易所存在严重的市场操纵行为，加密货币市场必须加强监管。
---
分类信息：

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
--
一级分类：Computer Science        计算机科学
二级分类：Computational Engineering, Finance, and Science        计算工程、金融和科学
分类描述：Covers applications of computer science to the mathematical modeling of complex systems in the fields of science, engineering, and finance. Papers here are interdisciplinary and applications-oriented, focusing on techniques and tools that enable challenging computational simulations to be performed, for which the use of supercomputers or distributed computing platforms is often required. Includes material in ACM Subject Classes J.2, J.3, and J.4 (economics).
涵盖了计算机科学在科学、工程和金融领域复杂系统的数学建模中的应用。这里的论文是跨学科和面向应用的，集中在技术和工具，使挑战性的计算模拟能够执行，其中往往需要使用超级计算机或分布式计算平台。包括ACM学科课程J.2、J.3和J.4（经济学）中的材料。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Trading and Market Microstructure        交易与市场微观结构
分类描述：Market microstructure, liquidity, exchange and auction design, automated trading, agent-based modeling and market-making
市场微观结构，流动性，交易和拍卖设计，自动化交易，基于代理的建模和做市
--

---
PDF下载：
--> Market_Manipulation_of_Bitcoin:_Evidence_from_Mining_the_Mt._Gox_Transaction_Network.pdf (5.05 MB)

2022-6-11 14:53:12 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 manipulation Quantitative Applications Mathematical

它是第一种也是最著名的去中心化数字货币[1]，由密码学保护（因此，我们称之为加密货币）。与通常由金融机构发行的比特币不同，比特币的发行和运营没有集中的组织或国家控制。此外，由于分散化，比特币系统中的用户是匿名的。自2009年比特币诞生以来，这两个特点（即分散化和匿名性）使得比特币吸引了大量用户。据估计，比特币系统中有1000多万用户[2]。自2010年5月22日著名的“比特币披萨日”以来，比特币开始与其他货币兑换，当时一名程序员用10000 BTC购买了两个披萨。不久之后，aBitcoin exchange，Mt.Gox启动。截至2013年，在2014年2月申请破产保护之前，Mt.Gox是最大的比特币中介机构和全球领先的比特币交易所[3]。目前，受比特币启发的加密货币有1700多种，据coinmarketcap统计，每日交易量超过1500亿美元。com在写这篇论文的时候。*郑子彬和陈川都是通讯作者。加密货币交易价格的巨大波动是吸引投资者参与的重要原因。图1显示了2012年12月至2015年6月期间比特币的价格（即本文中比特币与美元之间的汇率）。在此期间，比特币价格从约10美元/比特币大幅上涨至1000美元/比特币以上，然后回落至200美元/比特币以下。这种极端的价格波动也吸引了大量研究人员去寻找比特币价格的决定因素。

讨论了四类因素，包括1）经济因素（如比特币的供求）[4]；2） 技术因素（例如哈希率和差异）[5]；3） 利益因素（通过代理变量，如谷歌趋势）[6]；和4）其他金融资产（如黄金、股票）。此外，通过使用主成分分析方法（类似于SVD），论文[7]表明比特币价格与区块链分类账上的交易具有很强的相关性。2012-12 2013-05 2013-11 2014-5 2014-11 2015-05日期0200400060080010001200USD/BTC汇率汇率汇率图。1、比特邮票交易所的比特币美元兑换价格，研究期间用阴影表示。然而，这些因素是根据交易所以外的数据进行讨论的。由于缺乏监管，一种自然的猜测是，这种极端的波动可能与交易所的市场操纵有关。这一推测很难验证，因为很难从交易平台获得详细的交易数据。令人惊讶的是，从2011年4月到2013年11月，曾经著名的比特币交易所Mt.Gox的许多交易记录都以CSV文件的形式泄露。这些数据为回答这个猜想提供了一个绝佳的机会。验证是否存在市场操纵，并确定可能的操纵模式是迫切而重要的，因为许多梦想一夜暴富的投资者都被市场所吸引。这个问题的答案将帮助投资者认识到潜在的风险，并有助于监管立法。根据泄露的数据，最近的一篇论文[8]指出，Mt.Gox交易所通过建立回归模型来确定一些可疑账户的活动对比特币价格的影响，从而操纵了比特币价格。

我们采用了与之完全不同的方法，并获得了更多的结果，包括虚假数量、价格操纵和操纵模式。图2显示了我们的分析概述。我们首先验证泄漏的数据并删除许多不合理的记录。然后，将交易价格与quandl中披露的Mt.Gox价格进行比较。com，我们发现了许多异常交易。通过使用这些交易，我们将账户分为三类：极端高账户（EHA）、极端低账户（ELA）和正常账户（NMA）。接下来，我们通过将账户视为节点，将事务视为边，构建了极高图（EHG）、极低图（ELG）和正态图（NMG）。我们对EHG、ELG和NMG进行各种图形结构分析，例如节点和边分类、测量图形簇和度分布。此类调查导致了新的观察和发现。例如，异常账户（即EHA andELA）可能由交易所控制，用于为交易所提供流动性和虚假交易量。最后，通过将图划分为每日快照并在矩阵中重建，我们通过奇异值分解（SVD）提取了一些基本图。通过这样做，我们发现异常账户的交易与比特币价格密切相关。此外，我们在异常账户中发现了许多奇怪的交易模式（如自循环、双向、三角形等）。这些模式被认为是交易所操纵市场的证据。图2：。我们的分析概述。总之，我们做出了以下主要贡献：据我们所知，这是首次通过图分析和奇异值分解对加密货币的市场操纵进行研究。此外，我们还将该方法应用于泄漏的机器翻译中，证明了该方法的有效性。

Gox交易数据。o我们通过描述不同账户的活动（即静态网络分析）和在每日的图表快照上采用SVD（即时间网络分析），获得了许多新的观察结果和发现。这些发现让我们确信，交易所存在许多市场操纵行为我们发现了许多在这一领域从未报道过的市场操纵模式。这些模式是市场操纵的有力证据，可以帮助投资者和监管机构认识到市场的黑暗面及其严重性。论文的其余部分组织如下。在介绍了第二节中的数据集之后，我们详细介绍了第三节中的静态网络分析和第四节中的时态网络分析。最后，我们在第五节中提供了一些相关工作，并在第六节中总结了本文。2014年初，Mt.Gox 2011年4月至2013年10月的交易历史以CSV文件的形式泄露。表一报告了2013年10月1日记录的部分泄漏数据。具有相同交易Id的两行表示完成从卖方（类型=销售）到买方（类型=购买）的交易。交易量以比特币记录，交易额以货币记录，因此比特币在交易时刻的实时价格为货币/比特币。每个用户都有一个唯一的身份（UserId），其中包含国家（用户国家）和州（用户国家）字段中记录的FIP位置代码。还有一些其他属性（如交易费用）未包含在表中，因为它们未用于本研究。数据清理。由于泄漏数据中有许多重复条目，我们采用了与之前研究类似的数据清理方法【3】、【8】。

具体而言，我们使用四个关键领域的组合：日期、用户ID、类型和比特币来删除重复条目（第[3]中的重复数据消除策略2]）。在此步骤之后，我们删除所有单行事务，以确保每个事务都有相应的买方和卖方（即完成的事务）。然后，我们移除所有重复的完整事务。通过这样做，数据从大约1800万行缩小到1350万行（即670万个已完成的事务）。这种方法比[8]中的方法更严格，因为具有相同交易id的完整交易被视为重复交易。我们采用了更严格的方法，希望提供更可靠的结果。优势。泄露的Mt.Gox数据在理解加密货币的交易行为及其对价格的影响方面有很多优势。首先，在此期间，Mt.Gox是主要的交易所，比特币一直是主要的加密货币，因此基于此数据集分析加密货币市场更为可靠和具有代表性。其次，这些数据比泄漏数据的表IA段粒度要细得多。交易Id日期用户Id类型货币比特币货币用户国家/地区用户状态138058738975940 2013/10/1 0:28:58 125439购买美元0.5 71.69169美国NC138058338975940 2013/10/1 0:28:58 295701出售美元0.5 71.69169 CA QC13807396428444790 2013/10/2 18:47:22 609336购买美元0.26177217 33.96631美国PA13807396642844790 2013/10/2 18:47:22 36865出售美元0.2617721733.96631美国从区块链中提取的CAdata因为大多数交易活动只在交易所记录。此外，用户可以通过泄漏数据中的帐户进行识别，而区块链由于其匿名机制很难识别用户。三、 静态网络分析a。在深入研究机器翻译之前，先对客户进行分类。

Gox泄露数据后，我们检查每笔交易的比特币兑换价格（即货币/比特币），以检查其是否在同一天披露价格的最高和最低兑换价格之间。为此，我们首先从quandl下载Mt.Gox上的所有比特币兑换率（BTC vs.USD）。com（我们称之为参考价格）。然后，我们将每笔交易的交换价格与参考价格进行比较。令人惊讶的是，我们发现有一些异常交易的交换价格非常高或很低。例如，2013年8月30日，一笔交易（交易ID=1377875127221631）的交换价格为49338.4美元/BTC，另一笔交易（交易ID=1377876535345547）的交换价格仅为0.81美元/BTC，而同一天，下载数据中的最高和最低交换价格分别为142.76美元/BTC和128.56美元/BTC。这些交易是不正常的，因为交易价格明显超出了合理范围。为了区分不同账户的交易行为及其对价格的影响，我们将所有账户分为三类：极高账户（EHA）、极低账户（ELA）和正常账户（NMA）。作为第一步，我们应用simpleapproach来识别异常交易。因此，假设t日的最高和最低参考价格为HTL和Lt，我们将实时价格大于1.5×HTL的交易视为极高价格交易（EHT），而实时价格小于0.5×LTL的交易视为极低价格交易（ELT）。这两种交易都被称为异常交易（ABT）。

请注意，我们使用（0.5×Lt，1.5×Ht）而不是（Lt，Ht）来识别异常交易，因为同时有许多交易所（因此有许多参考价格），我们无法确保参考价格是交易所的真实价格。但是，参数0.5和1.5足以排除任何正常事务。最后，如果账户至少有一笔极高价交易，则该账户为EHA；如果账户至少有一笔极低价交易，则该账户为ELA。EHAs和ELAS都被称为异常账户（ABA）。请注意，如果异常账户同时涉及EHT和ELT，则它可能同时是EHA和ELA。NMA是一个涉及重要账户和交易统计的账户。类别#账户#Tx#ABT#EHT#ELTEHA 10702 1406850 179701 138743 40958ELA 5835 2486807 85784 29737 56047ABA 14916 3025992 194790 138743 56047NMA 104427 812865 0 0 0所有119343 6775117 194790 138743 56047异常交易，也就是说，所有涉及的交易都是正常交易（NMT）。表二显示了各类账户的账户数量和各种交易。

从表中可以得出四个观察结果：1）共有14916个异常账户，占所有账户的12.5%（14916/119343）（请注意，由于两类账户都存在，ABA的数量不是EHA和ELA数量的总和）；2） 异常交易（ABT）在ABA中的比例为2.8%(≈194790/6775117); 3） ABA之间的正常交易数量（3025992-194790=2831202）超过所有交易的41%（2831202/6775117）；4）ABA和NMA之间的交易数量（#Tx）之和远远小于所有交易的数量，因此ABA和NMA之间发生了许多交易。根据这些观察结果，可以确认异常交易不是偶然发生的（观察结果2），并且异常账户在大多数时间表现正常（观察结果3）。因此，异常账户的存在必然有一定的特殊目的。最可能的目的之一是提供流动性（观察4，第III-C节）。考虑到最近一位交易员和投资者对加密货币市场（cryptocurrencymarket）的分析，该市场报告称，在一些交易所中，他们披露的交易量大多是虚假的[9]，这些账户的另一个可能目的是伪造交易量。此外，价格操纵也是一个可能的目的（第四节）。事实上，我们发现异常交易与比特币交易价格有很大的相关性，交易中存在许多异常模式。B、 图构造由于每笔交易都包含一个买方和一个卖方，我们可以通过将每个帐户视为一个节点，轻松地从记录中构造一个有向图。具体而言，我们对构建图G的定义如下。图表定义。

G=（V，E，w），其中V是一组节点，表示泄漏数据中的用户（由用户ID表示），E是一组边，每个边表示一对有序的节点，w是将每条边与权重关联的函数。每一对表示整个数据集中用户u（卖方）和v（买方）之间至少有一个交易。w：E→ R+用权重映射每条边缘，权重是一个或多个交易沿着边缘传输的比特币总量。在本文的其余部分中，我们交替使用术语account、user和node。为了更好地比较网络特征，我们根据节点的类别构建了三个图，如下：oEHG。所有节点都是EHA的图ELG公司。所有节点都是弹性的图NMG。所有节点都是NMA的图。为了构建图，我们采用以下步骤。由于每个完整的交易在数据验证后都有买卖记录（具有相同的交易ID），我们首先从每个completetransaction构造一组元组（S、B、v、t、l），其中S和B代表卖方和买方（由用户ID表示），v是比特币中相应的交易金额，t是交易时间，l是指示交易类别的标签（即EHT、ELT或MT）。我们将此集合称为事务元组，因为每个元组对应一个唯一的事务。基于transactiontuple，上述图很容易构建。例如，为了构造EHG，我们选择所有卖方和买方都是EHA的元组，并将ventry按S和B分组求和。然后，生成的新元组（S、B、v）就是EHG。通过根据节点的类别选择不同的元组，其他图被构造为sameexcept。C、 图分析本小节研究从图分析中的各种度量构建的图。图3显示了三个图。