[论文解读] Exploring the Interconnectedness of Cryptocurrencies using Correlation Networks

Andrew Burnie|arXiv (Cornell University)|Jun 18, 2018

Complex Systems and Time Series AnalysisEconomics, Econometrics and Finance被引用 19

一句话总结

本研究利用相关性网络分析2016年9月至2018年3月期间14种主要加密货币之间的价格联动性，发现存在统计上显著的正相关性，尤其在比特币和比特币现金等分叉代币之间更为明显，并识别出与以太坊和Cardano相关的显著聚类。研究结果表明，除投机行为外，技术渊源和网络效应等因素对价格动态具有显著影响。

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.

研究动机与目标

• 利用相关性网络研究主要加密货币之间价格联动的程度与结构。
• 评估加密货币的功能性或创建机制是否为价格演变的主要驱动力。
• 评估在不同时间段和加密货币子集下观察到的相关性之稳健性。
• 识别具有共同价格行为的加密货币结构性聚类或群体。
• 确定网络效应或技术渊源（例如分叉）在塑造价格动态方面是否比投机行为具有更重要的作用。

提出的方法

• 基于2017年11月至2018年3月期间14种主要加密货币的日价格收益率构建相关性网络。
• 为增加数据点并提高时间稳健性，采用2016年9月至2018年3月期间的九种加密货币子集。
• 运用统计方法检验观察到的相关性的显著性，重点关注正相关性。
• 使用网络分析技术在相关性网络中识别聚类，以检测高度相关的资产群体。
• 通过比较母代币与子代币之间的相关性模式，考察技术渊源（如分叉）的作用。
• 通过与项目文档交叉比对，评估外部因素（如代币功能性和白皮书设计）的影响。

实验结果

研究问题

• RQ1 在时间维度上，主要加密货币之间是否存在统计上显著的正相关性？
• RQ2 彼此为技术分叉关系的加密货币是否表现出强于非分叉配对的价格联动性？
• RQ3 是否会形成具有相关性的加密货币聚类，且这些聚类是否与以太坊或Cardano等特定项目相关？
• RQ4 除投机行为外，网络效应或技术渊源等因素在多大程度上影响价格演变？
• RQ5 包含更早数据（从2016年开始）如何影响基于相关性的研究发现的稳健性与可靠性？

主要发现

• 在排除美元稳定币（USD Tether）后，14种主要加密货币中的大多数表现出统计上显著的正相关性。
• 涉及分叉关系的六对加密货币表现出稳健且强烈的正相关性，其中比特币与比特币现金为显著例外。
• 识别出一个具有强相互关联性的加密货币聚类，主要与Cardano相关。
• 另一个独立聚类浮现，主要与以太坊相关，表明其生态系统代币之间存在强烈的价格联动性。
• 数据不支持代币功能或创建机制是价格演变主要驱动力的观点。
• 结果表明，非投机性因素如技术渊源和网络效应在加密货币市场中显著影响价格动态。