[논문 리뷰] Exploring the Interconnectedness of Cryptocurrencies using Correlation Networks

Andrew Burnie|arXiv (Cornell University)|2018. 06. 18.

Complex Systems and Time Series AnalysisEconomics, Econometrics and Finance인용 수 19

한 줄 요약

이 연구는 2016년 9월부터 2018년 3월까지 14개의 주요 암호화폐 간 가격 동행성을 분석하기 위해 상관관계 네트워크를 사용한다. 분석 결과, 특히 비트코인과 비트코인 캐시와 같은 파생 토큰 간에 통계적으로 유의미한 양의 상관관계가 확인되었으며, 이더리움과 카르다노와 관련된 명확한 군집이 드러났다. 연구 결과는 단순한 투기적 요인을 초월해 기술적 유산과 네트워크 효과가 가격 동향에 상당한 영향을 미친다는 것을 시사한다.

ABSTRACT

Correlation networks were used to detect characteristics which, although fixed over time, have an important influence on the evolution of prices over time. Potentially important features were identified using the websites and whitepapers of cryptocurrencies with the largest userbases. These were assessed using two datasets to enhance robustness: one with fourteen cryptocurrencies beginning from 9 November 2017, and a subset with nine cryptocurrencies starting 9 September 2016, both ending 6 March 2018. Separately analysing the subset of cryptocurrencies raised the number of data points from 115 to 537, and improved robustness to changes in relationships over time. Excluding USD Tether, the results showed a positive association between different cryptocurrencies that was statistically significant. Robust, strong positive associations were observed for six cryptocurrencies where one was a fork of the other; Bitcoin / Bitcoin Cash was an exception. There was evidence for the existence of a group of cryptocurrencies particularly associated with Cardano, and a separate group correlated with Ethereum. The data was not consistent with a token's functionality or creation mechanism being the dominant determinants of the evolution of prices over time but did suggest that factors other than speculation contributed to the price.

연구 동기 및 목표

• 상관관계 네트워크를 활용하여 주요 암호화폐 간 가격 동행성의 정도와 구조를 조사한다.
• 암호화폐의 기능성 또는 생성 메커니즘이 가격 변화의 주요 원인인지를 평가한다.
• 다양한 시간대와 암호화폐 서브셋에서 관찰된 상관관계의 탄력성과 신뢰성을 평가한다.
• 공통된 가격 행동을 보이는 암호화폐의 구조적 군집 또는 그룹을 식별한다.
• 가격 역학을 형성하는 데 있어 투기적 행동보다 네트워크 효과나 기술적 유산(예: 파생)이 더 중요한 역할을 하는지 확인한다.

제안 방법

• 2017년 11월부터 2018년 3월까지 14개 주요 암호화폐의 일일 수익률을 사용하여 상관관계 네트워크를 구축하였다.
• 더 많은 데이터 포인트를 확보하고 시간적 탄력성을 높이기 위해 2016년 9월부터 시작된 9개 암호화폐 서브셋을 활용하였다.
• 관찰된 상관관계의 유의미성을 검증하기 위해 통계적 방법을 적용하였으며, 주로 양의 상관관계에 집중하였다.
• 네트워크 분석 기법을 사용하여 상관관계 네트워크 내에서 높은 상관관계를 보이는 자산 그룹을 식별하였다.
• 기술적 유산(예: 파생)의 역할을 평가하기 위해 부모 및 자식 암호화폐 간 상관관계 패턴을 비교하였다.
• 프로젝트 문서를 참조하여 토큰의 기능성과 화이트페이퍼 설계가 외부 요인으로서 미치는 영향을 평가하였다.

실험 결과

연구 질문

• RQ1 주요 암호화폐 간에 시간에 따라 통계적으로 유의미한 양의 상관관계가 존재하는가?
• RQ2 서로 기술적 파생 관계를 가진 암호화폐 쌍은 비파생 관계의 쌍보다 더 강한 가격 동행성을 보이는가?
• RQ3 특정 프로젝트(예: 이더리움 또는 카르다노)와 연관된 명확한 상관관계 군집이 나타나는가?
• RQ4 투기적 요인을 초월해 네트워크 효과나 기술적 유산 같은 요소가 가격 변화에 얼마나 큰 영향을 미치는가?
• RQ5 2016년부터 시작된 이전 데이터를 포함할 경우, 상관관계 기반의 연구 결과의 탄력성과 신뢰도는 어떻게 영향을 받는가?

주요 결과

• USDT를 제외한 14개 암호화폐 중 다수 간에 통계적으로 유의미한 양의 상관관계가 발견되었다.
• 파생 관계를 가진 6개의 암호화폐 쌍은 강력하고 탄탄한 양의 상관관계를 보였으며, 비트코인과 비트코인 캐시는 주목할 만한 예외였다.
• 카르다노와 주로 연관된 강력한 상관관계를 보이는 암호화폐 군집이 명확히 식별되었다.
• 다른 독립된 군집이 나타났으며, 주로 이더리움 생태계 토큰 간의 강한 가격 동행성을 반영하고 있었다.
• 결과는 토큰의 기능성이나 생성 메커니즘이 가격 변화의 주요 원인라는 것을 지지하지 않았다.
• 결과는 비투기적 요인, 즉 기술적 유산과 네트워크 효과가 암호화폐 시장의 가격 역학에 상당한 기여를 한다고 시사한다.