[論文レビュー] The Anatomy of a Cryptocurrency Pump-and-Dump Scheme

Jiahua Xu, Benjamin Livshits|arXiv (Cornell University)|Nov 25, 2018

Blockchain Technology Applications and Security参考文献 9被引用数 16

ひとこと要約

本論文は、2018年6月から2019年2月にかけてのTelegramチャネルから得た412件のイベントを対象に、暗号資産市場におけるポンプアンドダンプ工作の分析を行っている。予備のマーケット特徴に基づく機械学習モデルを提案し、AUC > 0.9の精度で標的コインを予測可能であり、11週間で最大60％のリターンをもたらすトレーディング戦略を実現した。これにより、市場操作の広がりと、その検出および戦略的利用の可能性が示された。

ABSTRACT

While pump-and-dump schemes have attracted the attention of cryptocurrency observers and regulators alike, this paper represents the first detailed empirical query of pump-and-dump activities in cryptocurrency markets. We present a case study of a recent pump-and-dump event, investigate 412 pump-and-dump activities organized in Telegram channels from June 17, 2018 to February 26, 2019, and discover patterns in crypto-markets associated with pump-and-dump schemes. We then build a model that predicts the pump likelihood of all coins listed in a crypto-exchange prior to a pump. The model exhibits high precision as well as robustness, and can be used to create a simple, yet very effective trading strategy, which we empirically demonstrate can generate a return as high as 60% on small retail investments within a span of two and half months. The study provides a proof of concept for strategic crypto-trading and sheds light on the application of machine learning for crime detection.

研究の動機と目的

• 本研究は、実世界のデータを用いて、暗号資産市場におけるポンプアンドダンプ工作の構造と頻度を実証的に調査することを目的としている。
• ポンプイベントの前触れとなる市場特徴を同定し、どのコインが標的とされるかを予測できるかを明らかにすることを目的としている。
• ポンプ発生の前段階で、高い正確性でポンプの可能性を予測できる機械学習モデルの開発を目的としている。
• 現実の制約下でも、予測モデルに基づく収益性のあるトレーディング戦略の実現可能性を評価することを目的としている。
• 市場操作の認識を高め、そのような乱用を検出するための規制技術の開発を促進することを目的としている。

提案手法

• 本研究は、2018年6月17日から2019年2月26日までの間、ポンプアンドダンプイベントを実施している300以上のTelegramチャネルのメッセージ履歴を収集・分析した。
• 4つの暗号資産取引所を対象に、412件のポンプイベントのデータセットを構築し、価格変動、取引量、ボラティリティなどのポンプ前市場特徴を抽出した。
• バランスドランダムフォレストモデルを、これらの特徴に基づいて、コインがポンプ対象となる可能性を予測するように学習させた。ハイパーパramータチューニングには交差検証を用いた。
• モデルの評価にはROC-AUCを用い、インサンプルおよびアウトオブサンプル両テストで0.9を超える成績を達成した。
• シンプルなトレーディング戦略を設計：ポンプ前に予測されたコインを購入し、価格ピーク後に売却する。リスクリターン比に固定しきい値を適用した。
• 11週間にわたりバックテストを実施した結果、小規模な小売投資家向けに、最大60％の累積リターンが安定的に得られた。

実験結果

リサーチクエスチョン

• RQ1 暗号資産市場におけるポンプアンドダンプ工作はどれほど広がっており、その構造的特徴は何か？
• RQ2 ポンプイベントの前触れとなる市場特徴は、どのコインが標的とされるかを予測するためにどのように利用できるか？
• RQ3 ポンプ発生前の市場データのみを用いて、機械学習モデルがポンプの可能性を高い正確性で予測できるか？
• RQ4 このような予測に基づくトレーディング戦略の潜在的金融リターンはどの程度か？
• RQ5 取引所やTelegramのようなソーシャルプラットフォームは、これらの工作に対してどれほど関与しているか、あるいはそれらを助長しているか？

主な発見

• ポンプアンドダンプ工作は極めて広がっており、約100の組織的Telegramチャネルが1日平均2回のポンプを実施。月間で600万ドルの人工取引量を生み出している。
• 予測モデルはインサンプルおよびアウトオブサンプル両方のデータでAUCが0.9を超えることを確認し、優れた汎化性能と予測力を持つことが示された。
• ポンプの前段階における市場の動きには、隠れた情報が含まれており、それを活用することで高精度に標的コインを予測可能である。
• 予測モデルに基づくシンプルなトレーディング戦略は、11週間の間に最大60％の累積リターンを達成した。保守的な仮定のもとでも安定した成果を示した。
• 一部の取引所、例えばYobitはポンプアンドダンプ工作に直接関与しており、高値で保有・売却することで利益を得ていた。
• 本研究は、基本的な機械学習モデルですら市場操作を効果的に検出し、その利用が可能であることを示しており、より良い規制監視ツールの必要性を強調している。