加密货币市场结构：连接情感与经济

在表格中，我们没有包括情绪价格网络的结果，以避免混淆，也因为考虑到网络已经从这两个信号中构建，这些结果不太重要。然而，结果与表2中报告的结果非常一致，相关性在90%到45%之间。5讨论关于这项工作，我们的第一个也是最重要的评论是，数据非常嘈杂。价格数据的信号略强于情绪数据，但在这两种情况下，噪音都占主导地位。尽管如此，我们在相关性和转移熵中观察到了结构组织的存在，并证明了这种结构不是随机的。14托马索·阿斯蒂兹*P-pS P-nS pS nS TESP-P TESP pS TESP-nS3 0.42 0.43 0.58 0.80 0.69 0.574 0.63 0.54 0.72 0.75 0.61 0.495 0.58 0.50 0.68 0.61 0.51 0.416 0.49 0.46 0.60 0.45 0.38 0.32表2价格和情绪信号的依赖性和因果网络中的度中心性之间的斯皮尔曼相关性。行是Z>Z的不同验证阈值级别*. 列是不同网络的度中心度量之间的斯皮尔曼相关系数。具体而言：P是Kendall相关性中价格网络的符号；pS是Kendall相关性中积极情绪网络的符号；nS是Kendall相关性中负面情绪网络的符号；TESP是价格和情绪之间的综合传递熵因果网络的符号。综合传递熵度中心度是传递熵网络中每个顶点进出的所有边的总和。

相关值的统计验证（t检验）得出的p值低于10-45所有这些相关性。关于相关性分析，我们已经看到，价格-价格依赖性具有更大的相关性，但情绪情绪和情绪价格也显示出有效的正相关性。毫不奇怪，我们发现比特币和其他四种主要货币与大量其他货币的价格有着强烈的依赖关系。更令人惊讶的是，我们观察到，相比之下，在情感依赖网络中，这些主要加密货币并没有高度关联。这也反映在封闭性和中心性度量中，即网络中所有主要货币处于非中心位置，但价格网络的封闭性度量除外。情绪-价格关联网络也主要反映了积极的相关性，主要货币的平均或略高于平均水平，但比特币情绪与其他货币价格之间的相关性除外，相反，它们显示出非常强的依赖关系。传输熵的有效链接比例较低。这主要是因为这一度量要求估计三个变量之间的概率分布，这在我们拥有的短时间序列中很难很好地估计。尽管如此，我们观察到相当大一部分有效的因果关系，其中大多数信息都是从每种货币的价格到情绪的，但当考虑到一种货币对另一种货币的交叉影响时，则不是从情绪到价格的。有趣的是，就有效链接的数量而言，我们观察到价格引发情绪的因果关系链接数量比情绪引发价格的因果关系链接数量更多。

这表明，情绪对价格的因果关系携带了大量的信息，但也携带了大量的噪音，因此，只有在较高的传递熵值下才能验证。价格网络中的中心节点与外围节点之间的因果关系比较表明，就价格行为而言，在系统中处于中心地位的货币也是对整个系统中的情绪影响最大的货币。这是一个有趣的发现，也是一个新兴市场结构：将情感与经济联系起来15根据[24]中的结果，揭示了中心顶点和外围顶点在投资绩效和风险方面的巨大差异。请注意，价格关联网络的中心包含五种主要货币，但它们不是因果关系的主要责任。我们已经强调，在这项工作中，我们只调查了有效的依赖关系和因果关系联系，这让我们相信弱噪声联系已经消除。然而，统计数据是不正常的，在我们的系统中，变量之间几乎有400万种可能的关系，其中一些可能被验证为随机波动的影响。我们认为，总的来说，结果是可靠的，而不仅仅报告偶然的虚假关系，这一点必须在网络指标的相似性中进行搜索，这些网络指标是从不同的信号（价格或情绪）中使用不同的方法提取的（肯德尔相关性或传递熵）。

在这方面，表中报告了强相关性。2是一个很好的迹象，表明这些系统有一个一致的结构组织，价格和情绪以巨大的方式相互影响。6结论本研究表明，当前加密货币市场具有复杂的结构。主要的、高度资本化的加密货币和次要的小型资本化的加密货币被联锁在这个复杂的结构中，主要货币仅在价格依赖网络中发挥核心作用。情绪和价格是相互关联的，它们主要表现为不同货币之间的依赖性和因果关系。社会情绪在这一市场中扮演着非常重要的角色，比特币情绪与其他货币价格的相关性甚至超过其自身价格的相关性，经验证的因果测量表明，情绪对价格的影响大于对价格的影响。这项研究的一个意外结果是，小型低资本货币在影响市场情绪方面发挥着非常重要的作用，因此也对高资本货币的价格产生了重大影响。这是与传统市场的根本区别，传统市场的驱动经济因素通常反映在依赖性和因果关系结构中[7,8,9]。然而，经济上不相关的变量可能会对系统的整体结构产生影响，这是复杂系统的一个典型特征，在复杂系统中，无法通过孤立地分析其部分来理解系统[25]。这表明，对加密货币和更广泛的数字经济的研究需要开发工具，而不是使用复杂系统科学中的工具来使用传统方法。加密货币的交易越来越多，并正在成为主流投资选择的一部分。

从风险管理和投资的角度来看，本次调查揭示了总体市场动态由噪音、大波动和大失败率主导。因此，这是一个高达16托马索星号的领域，其中大多数传统的风险管理和资产配置工具可能无效。复杂系统科学（Complex system science）[25]引导我们开发新的工具，用于建模、管理风险，并为这些市场和新的数字经济设计投资策略。本文首次尝试探索非常广阔而复杂的加密货币市场领域。我们的工作主要致力于使用创新工具，如网络测量、依赖性和因果关系的非线性量化以及非参数验证技术，对整个市场进行严格的统计调查。尽管在一个非常大的多元系统中，从短时间序列推断非线性关系的任务非常艰巨，但结果是可靠的。这些都是非常动态的系统，不断变化。我们的分析仅限于短时间内，系统在分析系统和发表本文之间已经发生了变化。这在这些系统中是一个不可避免的现实，本文的贡献主要不是关于调查期间加密货币市场的实际特定属性，而是一些一般事实，例如小型货币对整个系统的影响，这些事实很可能在未来仍然存在，也是其他系统的特征。此外，本文的一个重要贡献是引入了一套严格创新的方法，用于研究由一组非常大的变量组成的系统，这些变量具有非线性相互作用，并且具有少量的可用观测。

这是大多数社会经济和复杂系统共同面临的一个非常普遍的挑战，在这些系统中，本文介绍的方法可以在将来方便地采用。今后必须做更多的工作。例如，在研究价格和情绪之间的相互作用时，为了简单起见，我们忽略了消极情绪。然而，很明显，这起到了非常重要的作用，这似乎与积极的作用关系不大。我们也做出了许多选择，从Z统计验证阈值开始，或者使用存储量的对数变化，或者选择考虑所有货币，而不仅仅是考虑相关市场份额。不同的选择产生不同的结果。在我们的调查中，我们验证了总体报告结果是稳健的，并且通过采用不同的选择检索到了类似的结果。然而，有必要进行更广泛和系统的研究。感谢PsychSignal团队提供的情绪数据。我们要感谢龙玉清精心准备的数据。还要感谢ZacKeskin在并行工作中研究了这些系统中的传递熵，这也有助于澄清其中的几个问题。非常感谢UCL-FCA小组在讨论和校对方面提供的帮助。最后，我们感谢EPSRC资助BARAC项目（EP/P031730/1），感谢欧盟资助FinTech项目（H2020-ICT-2018-2 825215）。加密货币市场结构：连接情感和经济17参考文献1。https://coinmarketcap.com/.2.Konstantinos Gkillas、Stelios Bekiros和Costas Siriopoulos。货币市场的极端相关性。2018.3. Beata Szetela、Grzegorz Mentel和Stanis law Gedek。比特币和选定的全球货币之间的相关性分析。动态计量经济模型，16（1）：133–1442016.4。

Young Bin Kim、Jun Gi Kim、Wook Kim、Jae Ho Im、Tae Hyeong Kim、Shin Jin Kang和Chang Hun Kim。基于用户评论和回复预测加密货币交易中的波动。PloS one，11（8）：E01611972016.5。杰曼·卡明斯基。用推特信号预测比特币市场。arXiv预印本XIV:1406.75772014.6。https://stocktwits.com/.7.Tomaso Aste、W Shaw和Tiziana Di Matteo。不相关市场的相关结构和动态。《新物理杂志》，12（8）：0850092010.8。Won Min Song、T Di Matteo和Tomaso Aste。利用拓扑嵌入图进行层次信息聚类。PLoS One，7（3）：E31929292012.9。Nicol\'o Musmeci、Tomaso Aste和Tiziana di Matteo。金融市场数据的聚类和层次：dbht的优势。CoRR，2014.10。https://www.cryptocompare.com/.11. https://www.psychsignal.com，2015年10月12日。莫里斯·G·肯德尔。一种新的秩相关度量。Biometrika，30（1/2）：81–931938.13。托马斯·施雷伯。测量信息传输。物理审查函，85（2）：4612000.14。萨查彭·东松、法比奥·卡奇奥利和托马索·阿斯特。全球银行体系中区域不确定性溢出之间的关系。arXiv预印本arXiv:1702.059442017.15。John Y Campbell、Andrew W Lo、Archie Craig MacKinlay等，《金融市场的计量经济学》，第2卷。普林斯顿大学出版社，新泽西州普林斯顿，1997.16。F火山灰、T Aste、G Rotundo和T Di MATETO。金融系统中的动态相关性【6802-54】。《国际光学工程学会会刊》，第6802卷，第6802页。国际光学工程学会；1999, 2008.17. 弗朗西斯科·波齐、蒂齐亚纳·迪马特奥和托马索·阿斯特。动态财务相关性过滤图的中心性和外围性。《复杂系统的进展》，11（06）：927–950，2008.18。塞缪尔·S·威尔克斯。

方差分析中的某些推广。Biometrika，第471-4941932.19页。莫里斯·乔治·肯德尔等《统计学高级理论》。先进的统计学理论。，（第二版），1946.20。马克·纽曼。网络的数学。《新帕尔格雷夫经济百科全书》，2（2008）：1-12008.21。克莱夫·格兰杰。通过计量经济学模型和交叉谱方法研究因果关系。《计量经济学》，37（3）：424–381969.22。克莱夫·WJ·格兰杰。因果关系检验：个人观点。《经济动力学与控制杂志》，2:329–3521980.23。莱昂内尔·巴内特、亚当·B·巴雷特和安尼尔·K·赛斯。对于高斯变量，格兰杰因果关系和转移熵是等价的。物理。修订版。Lett。，103:2387012009年12月24日。弗朗西斯科·波齐、蒂齐亚纳·迪马特奥和托马索·阿斯特。金融市场的风险分散：最好投资周边地区。《科学报告》，2013年3月25日。Tomaso Aste和Tiziana Di Matteo。复杂和经济物理系统导论：导航地图。《复杂物理、生物物理和经济物理系统》，第1-35页。2010