[论文解读] Analysis of inter-transaction time fluctuations in the cryptocurrency market

Jarosław Kwapień, Marcin Wątorek+4 more|arXiv (Cornell University)|Jun 15, 2022

Complex Systems and Time Series Analysis参考文献 62被引用 25

一句话总结

本研究利用六家主要加密货币交易所的高频逐笔数据，分析了交易间隔时间（ITTs）、交易笔数、交易量及波动率。通过去趋势波动分析（DFA）与多重分形谱分析，发现ITTs表现出长程幂律自相关性，且奇异谱右偏，表明在市场活跃时期具有更丰富的多重分形特征。拉伸指数模型无法普遍描述ITT与交易量的分布，而幂律拟合在不同平台间表现不一致，揭示了显著的跨平台统计差异——尤其在HitBTC平台表现明显，暗示可能存在市场微观结构或数据质量差异。

ABSTRACT

We analyse tick-by-tick data representing major cryptocurrencies traded on some different cryptocurrency trading platforms. We focus on such quantities like the inter-transaction times, the number of transactions in time unit, the traded volume, and volatility. We show that the inter-transaction times show long-range power-law autocorrelations. These lead to multifractality expressed by the right-side asymmetry of the singularity spectra $f(\alpha)$ indicating that the periods of increased market activity are characterised by richer multifractality compared to the periods of quiet market. We also show that neither the stretched exponential distribution nor the power-law-tail distribution are able to model universally the cumulative distribution functions of the quantities considered in this work. For each quantity, some data sets can be modeled by the former, some data sets by the latter, while both fail in other cases. An interesting, yet difficult to account for, observation is that parallel data sets from different trading platforms can show disparate statistical properties.

研究动机与目标

• 利用高频逐笔数据，研究加密货币市场中交易间隔时间（ITTs）的统计特性。
• 评估拉伸指数（SE）或幂律分布是否能普遍描述ITT、交易笔数、交易量及波动率的分布。
• 检验ITT时间序列中的长程自相关性与多重分形结构。
• 识别不同加密货币交易平台并行数据流之间统计行为的差异。
• 探讨观察到的不一致性对市场微观结构与数据完整性的启示，尤其针对HitBTC等平台。

提出的方法

• 应用去趋势波动分析（DFA）检测ITT时间序列中的长程幂律自相关性。
• 采用多重分形去趋势波动分析（MF-DFA）计算奇异谱f(α)，揭示其不对称性，表明高活跃期具有更强的多重分形性。
• 将ITT、交易笔数、交易量及波动率的累积分布函数（CDF）与拉伸指数（SE）和幂律模型进行对比评估。
• 在六家主要交易所（Binance、Bitfinex、Bitstamp、Coinbase、HitBTC、Kraken）对BTC、ETH、XRP和LTC进行模型拟合比较。
• 使用双对数图评估CDF尾部的幂律标度性，并利用SE参数α与幂律指数β进行模型比较。
• 采用去趋势交叉相关性分析（DCCA）量化交易笔数、交易量与波动率之间的交叉相关性。

实验结果

研究问题

• RQ1 加密货币市场中的交易间隔时间是否表现出长程幂律自相关性？这对市场效率与聚集性有何启示？
• RQ2 拉伸指数或幂律分布在多大程度上能普遍描述不同加密货币与交易所中ITT、交易笔数与交易量的统计行为？
• RQ3 ITT时间序列的多重分形结构如何随市场活跃度变化？这揭示了市场动态的哪些特征？
• RQ4 为何来自不同交易所的并行数据流（如同一加密货币）表现出不同的统计特性，尤其是在分布拟合方面？
• RQ5 统计行为的差异，尤其是在HitBTC等平台上的表现，对市场微观结构、数据质量或潜在操纵行为有何暗示？

主要发现

• 所有主要加密货币与交易所的ITT时间序列均表现出长程幂律自相关性，赫斯特指数H ≈ 0.64–0.94，表明交易存在持续聚集现象。
• 奇异谱f(α)呈现右偏，证实多重分形性主要由短ITT（高市场活跃度）驱动，且在交易活跃期表现出更丰富的多重分形结构。
• 拉伸指数模型无法普遍描述ITT与交易量的CDF；部分平台（如HitBTC）与幂律拟合更吻合，而其他平台（如Coinbase上的XRP）则更倾向于幂律标度。
• 跨平台比较揭示统计行为不一致：例如，同一加密货币（如ETH）在Bitfinex上符合SE模型，而在HitBTC上则符合幂律模型，表明存在平台特异性微观结构效应。
• 交易量CDF在大多数情况下与幂律模型拟合不佳，仅少数平台（如Kraken与Coinbase上的BTC）在尾部显示出可追踪的标度行为。
• HitBTC的数据在ITT与交易量分布上始终显著偏离SE与幂律模型，表明其具有独特的数据特征或潜在市场行为。