[论文解读] The evolving liaisons between the transaction networks of Bitcoin and its price dynamics

Alexandre Bovet, Carlo Campajola+5 more|arXiv (Cornell University)|Jul 8, 2019

Blockchain Technology Applications and Security被引用 8

一句话总结

本研究利用九年间每日与每周频率的四种网络表征——地址网络与用户网络——探究比特币交易网络拓扑结构与其价格动态之间的因果关系。研究发现，价格下跌前通常伴随交易活动异质性的增加，表明存在羊群行为，且网络结构对价格变动具有显著的格兰杰因果关系，尤其在Mt. Gox事件后更为明显。

ABSTRACT

Cryptocurrencies are distributed systems that allow exchanges of native tokens among participants, or the exchange of such tokens for fiat currencies in markets external to these public ledgers. The availability of their complete historical bookkeeping opens up the possibility of understanding the relationship between aggregated users' behaviour and the cryptocurrency pricing in exchange markets. This paper analyses the properties of the transaction network of Bitcoin. We consider four different representations of it, over a period of nine years since the Bitcoin creation and involving 16 million users and 283 million transactions. By analysing these networks, we show the existence of causal relationships between Bitcoin price movements and changes of its transaction network topology. Our results reveal the interplay between structural quantities, indicative of the collective behaviour of Bitcoin users, and price movements, showing that, during price drops, the system is characterised by a larger heterogeneity of nodes activity.

研究动机与目标

• 理解比特币交易网络结构随时间的变化如何与价格变动相关联。
• 识别网络拓扑度量与比特币价格动态之间的因果关系。
• 分析重大事件（尤其是Mt. Gox破产）对网络与价格演化的影响。
• 探究网络异质性是否可作为市场波动期间集体用户行为（如羊群行为）的信号。
• 比较四种不同的网络表征（地址/用户，每日/每周）在检测结构-价格关联性方面的稳健性。

提出的方法

• 构建四种网络表征：基于比特币完整交易历史，分别构建每日与每周时间尺度下的地址网络（AN）和用户网络（UN）。
• 通过出度分布矩来分析网络拓扑，量化用户交易活动的异质性。
• 应用格兰杰因果关系检验，检测网络度量与价格之间的方向性关系，包括标准、滞后及尾部事件变体。
• 尾部事件格兰杰因果关系使用滚动窗口计算的条件分位数（第10和第90百分位数），并采用非参数估计法（Davis方法）检测极端事件之间的依赖关系。
• 在基于谱密度的检验统计量中使用带宽为M的Daniell核，以评估不同时间尺度下的因果关系。
• 在因果关系分析中，采用5%显著性水平的False Discovery Rate（FDR）校正，以控制多重假设检验带来的误差。

实验结果

研究问题

• RQ1 比特币交易网络的结构演化是否对价格变动具有因果影响？
• RQ2 出度分布矩所衡量的网络异质性变化与价格下跌或上涨之间存在何种关系？
• RQ3 是否存在可检测到的极端网络事件（如高活动峰值）与极端价格变动之间的因果联系？
• RQ4 2014年Mt. Gox破产事件如何改变了网络结构与价格之间因果关系的性质？
• RQ5 不同的网络表征（地址与用户，每日与每周）是否产生一致的因果模式？

主要发现

• 网络结构对比特币价格存在显著的因果影响，尤其在价格下跌期间，表明结构变化在前且可能驱动价格变动。
• 交易网络中出度分布的矩在价格下跌期间表现出更高的异质性，暗示用户间存在羊群行为。
• Mt. Gox事件后，系统经历了明显的制度转变，网络拓扑与价格动态之间的因果联系更强且更持久。
• 尾部事件格兰杰因果关系显示，极端网络活动（如高出度事件）可预测极端价格变动，尤其在下行方向上。
• 每日网络表征的因果信号强于每周表征，可能是因为更高的时间分辨率能够捕捉到短期反馈回路。
• 用户网络表征揭示的因果关系比地址网络更稳健，表明推断出的用户级行为更能反映集体经济决策行为。