比特币的市场操纵：来自挖掘Mt.Gox的证据

多边形模式是一种更复杂的事务模式，其中许多帐户形成一个类似多边形的组，每个边有多个事务。图8e显示了2013年9月19日的四合院模式，账户282004似乎通过“过桥账户”488195和231将比特币发送给账户527332，进行了200多笔交易明星明星模式有一个核心账户，可以向许多账户购买或销售比特币。图8f显示了一个典型的Star，其中账户282004向账户488195、490089、527332和231出售比特币。一般来说，transactionnetwork形成特殊结构并不奇怪，因为事务是随机的。然而，在我们的情况下，这是不可能的，因为每个边缘在一天内代表多个交易。因此，这些账户很可能由某个集团控制，并且这些交易有特殊目的。根据研究结果，我们将研究结果总结如下：o发现4。选定的EHG和ELG基础网络的每日波动与比特币交换价格有很强的相关性。相反，NMG基础网络的日常变化与比特币交换价格没有关系。这表明异常账户的交易行为会影响比特币交换价格的波动发现5。比特币交换价格的趋势可以通过EHG和ELG选定的基础网络捕捉到。这意味着价格趋势可以通过异常账户之间的交易来预测调查结果6。异常账户之间存在许多异常交易模式（例如，自循环、双向、星形）。这些模式意味着这些账户由同一集团控制，是价格操纵的有力证据。五、

相关工作区块链技术是一项新技术，它有许多研究方向，吸引了来自各个领域的研究人员的兴趣【12】、【13】。我们的研究与前两个领域的工作相关。第一个相关领域是了解比特币价格的巨大波动的研究。如上所述，发现了许多价格驱动因素。由于所有相关数据都是时间序列，分析中最常用的方法是基于时间序列的模型，如向量空间模型【14】、向量误差校正模型【15】、ARDL边界测试方法【16】、小波分析【5】和向量自回归【15】。另一个相关领域是研究不同主题的区块链数据（即交易分类账）。由于区块链数据的公开可访问性以及用户在系统中的匿名性，一个常见的话题是挖掘区块链数据以揭示用户的隐私【17】–【19】。由于相对无漏洞，区块链已成为一个充满各种骗局的领域。因此，挖掘区块链数据以检测欺诈也是一个关键话题。最近，有很多关于这个主题的研究，例如基于比特币的诈骗[20]，基于智能合约的庞氏骗局[21]，[22]，洗钱[23]，攻击[24]。有关此主题的全面调查，请参见[25]。六、 结论和未来工作我们通过图形分析对泄露的Mt.Gox交易数据进行了系统研究。通过将交易数据的交易价格与披露的每日价格进行比较，发现了许多异常交易，并将账户分为三类。基于这一分类，我们构建了三个图（即EHG、ELG和NMG），并通过各种度量分析这些图，获得了许多结果。这些发现让我们相信，交易所存在许多市场操纵行为。

为了揭示这些行为与比特币价格之间的关系，将这些图重建为每日图序列，并重塑为矩阵。通过选择SVD矩阵，识别出一些非常重要的基础网络。通过检查基础网络，我们发现异常基础网络的日变化与比特币价格和许多市场操纵模式密切相关。基于这些发现，并考虑到比特币在市场上的主导地位，我们建议加强对该市场的监管。未来，我们将对数据进行更深入的研究，以揭示市场受到影响的程度，并讨论投资者在极端波动价格下的行为变化。致谢本文所述工作得到了国家重点研究开发项目（2016YFB1000101）、国家自然科学基金（6172221411801595）、广州珠江科技创新项目（201710010046）和广东引进创新创业团队项目（2016ZT06D211）的支持。参考文献[1]S.Nakamoto，“比特币：点对点电子现金系统”，2008年。[在线]。可用：https://bitcoin.org/bitcoin.pdf[2] C.Burniske和A.White，《比特币：敲响新资产类别的钟声》，2017年。[在线]。可用：https://research.ark-invest.com/hubfs/1下载文件ARK Invest/白皮书/Bitcoin-Ringing-The-Bell-For-A-New-Asset-Class。pdf[3]A.Feder、N.Gandal、J.Hamrick和T.Moore，“DDoS和其他安全冲击对比特币货币交易的影响：来自Mt.gox的证据”，《网络安全杂志》，第3卷，第2期，第137-144页，2018年。[4] M.Buchholz、J.Delaney、J.Warren和J.Parker，“比特币和赌注、信息、价格波动和比特币需求”，《经济学》，2012年第312卷。[5] L。

Kristoufek，“比特币价格的主要驱动因素是什么？来自小波相干分析的证据”，《公共科学图书馆·综合》，第10卷，第4期，第E01239232015页。[6] -，“比特币符合谷歌趋势和维基百科：量化互联网时代现象之间的关系”，科学报告，第3卷，第3415页，2013年。[7] D.Kondor、I.Csabai、J.Sz¨ule、M.P'osfai和G.Vattay，“推断比特币中网络结构和市场效应之间的相互作用”，《新物理杂志》，第16卷，第12期，第125003页，2014年。[8] N.Gandal、J.Hamrick、T.Moore和T.Oberman，“比特币生态系统中的价格操纵”，《货币经济学杂志》，第95卷，第86-962018页。[9] S.Ribes，“追踪假卷：加密瘟疫”，2018年3月。[在线]。可用：https://medium.com/@sylvainartplayribes/chasing-fake-volume-a-crypto-Peast-ea1a3c1e0b5e【10】R核心团队，《R：统计计算的语言和环境》，R统计计算基金会，奥地利维也纳，2016年。[在线]。可用：https://www.R-project.org/[11] C.S.Gillespie，“拟合重尾分布：poweRlawpackage”，《统计软件杂志》，第64卷，第2期，第1-162015页。[在线]。可用：http://www.jstatsoft.org/v64/i02/[12] Z.Zheng、S.Xie、H.Dai、X.Chen和H.Wang，“区块链挑战与机遇：调查”，《国际网络与网格服务杂志》，第14卷，352-375页，2018年。[13] ——，“区块链技术概述：架构、共识和未来趋势”，2017年IEEE国际大数据大会（BigData Congress）。IEEE，2017，第557–564页。[14] I.Georgoula、D.Pournarakis、C.Bilanakos、D.Sotiropoulos和M.G.Giaglis，“使用时间序列和情绪分析来检测比特币价格的决定因素”，可从atSSRN获得：https://ssrn.com/abstract=2607167, 2015.[15] P.Ciian、M.Rajcaniova和d。

Kancs，“比特币价格形成的经济学”，《应用经济学》，第48卷，第19期，第1799-18152016页。[16] J.Boouiyour、R.Selmi等人，“比特币是什么样子的？”《经济和金融年鉴》，第16卷，第2期，第449-4922015页。[17] F.Reid和M.Harrigan，《比特币系统中的匿名性分析》，《社交网络中的安全和隐私》。Springer，2013年，第197-223页。[18] E.Androulaki、G.O.Karame、M.Roeschlin、T.Scherer和S.Capkun，“评估比特币中的用户隐私”，金融加密和数据安全国际会议。Springer，2013年，第34-51页。[19] S.Athey、I.Parashkevov、V.Sarukkai和J.Xia，“比特币定价、采用和使用：理论和证据”，atSSRN提供：https://ssrn.com/abstract=2826674, 2016.[20] M.Vasek和T.Moore，“即使使用比特币，也没有免费的午餐：追踪虚拟货币诈骗的流行度和利润”，在国际金融加密和数据安全会议上。Springer，2015，第44-61页。【21】M.Bartoletti、S.Carta、T.Cimoli和R.Saia，“剖析以太坊上的庞氏骗局：识别、分析和影响”，arXiv预印本arXiv:1703.037792017。【22】W.Chen、Z.Zheng、J.Cui、E.Ngai、P.Zheng和Y.Zhou，“检测以太坊上的庞氏骗局：迈向更健康的区块链技术”，摘自2018年万维网会议记录。ACM，2018年，第1409-1418页。【23】M.Moser、R.Bohme和D.Breuker，《比特币生态系统中洗钱工具的调查》，载于2013年ECRIM研究者峰会（eCRS）。IEEE，2013，第1-14页。[24]T.Chen、Y.Zhu、Z.Li、J.Chen、X.Li、X.Luo、X.Lin和X.Zhange，“通过图形分析了解以太坊”，IEEE INFOCOM 2018IEEE计算机通信会议。IEEE，2018年，第1484–1492页。[25]W.Chen和Z。

郑，“区块链数据分析：现状、趋势和挑战回顾”，《计算机研究与开发杂志》，第55卷，第9期，第1853-1870页，2018年。