全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1071 9
2022-06-10
英文标题:
《Bitcoin Risk Modeling with Blockchain Graphs》
---
作者:
Cuneyt Akcora, Matthew Dixon, Yulia Gel and Murat Kantarcioglu
---
最新提交年份:
2018
---
英文摘要:
  A key challenge for Bitcoin cryptocurrency holders, such as startups using ICOs to raise funding, is managing their FX risk. Specifically, a misinformed decision to convert Bitcoin to fiat currency could, by itself, cost USD millions.   In contrast to financial exchanges, Blockchain based crypto-currencies expose the entire transaction history to the public. By processing all transactions, we model the network with a high fidelity graph so that it is possible to characterize how the flow of information in the network evolves over time. We demonstrate how this data representation permits a new form of microstructure modeling - with the emphasis on the topological network structures to study the role of users, entities and their interactions in formation and dynamics of crypto-currency investment risk. In particular, we identify certain sub-graphs (\'chainlets\') that exhibit predictive influence on Bitcoin price and volatility, and characterize the types of chainlets that signify extreme losses.
---
中文摘要:
比特币加密货币持有者面临的一个关键挑战是如何管理外汇风险,例如利用ICO筹集资金的初创公司。具体而言,将比特币转换为法定货币的错误决策本身可能会导致数百万美元的损失。与金融交易所不同,基于区块链的加密货币向公众公开了整个交易历史。通过处理所有事务,我们用高保真图对网络进行建模,以便能够描述网络中的信息流是如何随时间演化的。我们展示了这种数据表示如何允许一种新形式的微观结构建模,重点是拓扑网络结构,以研究用户、实体及其相互作用在加密货币投资风险形成和动态中的作用。特别是,我们确定了对比特币价格和波动性具有预测影响的某些子图(“小链”),并描述了表示极端损失的小链的类型。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Risk Management        风险管理
分类描述:Measurement and management of financial risks in trading, banking, insurance, corporate and other applications
衡量和管理贸易、银行、保险、企业和其他应用中的金融风险
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-6-10 02:36:28
比特币交易为所有参与者列出,网络上可以立即找到最重要的代理。与封闭式金融系统相比,加密货币交易所中最大的账户被列出,并且可以随着时间的推移进行追踪,通常被称为*达拉斯德克萨斯大学数据安全和隐私实验室博士后研究员+伊利诺伊理工学院斯图亚特商学院金融与统计助理教授德克萨斯大学达拉斯分校数学科学系数学教授。§达拉斯德克萨斯大学计算机科学教授、数据安全和隐私实验室主任。“鲸鱼”。比特币计量经济学寻求新的跨学科研究,以证明充分披露加密货币市场中管理者的行为如何告知价格发现,并最终作为市场过度波动甚至崩溃的预警指标。为了建立一个预测模型,我们因此偏离了利用标准宏观经济变量(如GDPand和通货膨胀)的经典时间序列横截面模型。相反,我们使用比特币的微观结构。通过处理所有财务互动,我们的目标是用一个高精度图对网络进行建模,以便能够描述网络中的信息流是如何随时间演变的。这种新颖的数据表示允许一种全新的金融计量经济学形式——强调拓扑网络结构,而不是历史价格时间序列的协方差。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-10 02:36:31
用户、实体及其相互作用在加密货币风险投资的信息和动态、金融预测分析以及更普遍的重塑现代金融世界中的作用是一个新的研究领域【11、6、7、8、12】。2方法:小链和数据处理如图1所示,比特币图由三个主要组件组成:地址、交易和块(有关区块链图的aprimer,请参见[1])。了解交易如何与市场价格相关的一种方法是引入k链的新概念[2]。k-chainlet是k的比特币子图≥ 1交易及其对应的输入和输出地址对应于不同的账户,不一定是auser独有的。在最简单的情况下,单个事务创建一个具有一个或多个输入和一个输出的1-chainlet。例如,在图1中,交易t2导致比特币从地址a3、a4、a5转移到地址a8。这样的一个transaction创建了一个具有三个输入和一个输出的1-chainlet。我们将此子图表示为c3类型的小链图→1,其中3和1分别是输入和输出地址的数量。1-chainlet是比特币图的最小构建块;chainlet的输入和输出一次确定,并且对事务进行数字签名。无法修改此signedinformation,但可以组合多个1-Chainlet来扩展图形。为了简单起见,在本工作的剩余部分中,我们使用术语chainlet来指代1-chainlet。1arXiv:1805.04698v1【q-fin.RM】2018年5月12日A6T1T2T4T3A2A1A7A4A3A5A8A9A10A12A13时间图1:比特币网络的交易地址图表示。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-10 02:36:34
地址用圆圈表示,带有矩形和边的反作用表示硬币的转移。在时间上阻止订单交易,而每个交易及其输入和输出节点代表一个不变的决策,该决策在比特币网络上被编码为子图。一些地址,如图中的A6,可能包含未使用的比特币。图形分析使我们能够评估比特币图形随时间变化的局部拓扑结构,并评估小链对比特币价格形成和动态的作用。图2说明了如何通过chainlet矩阵表示网络的活动。在给定的一天,我们统计每个Ci的发生次数→jand把它放在链子里ma trix。然而,链式let的最大输入或输出数量可能很大,有时超过1000。当输入和/或输出的数量超过阈值N时,我们将这些小链称为“极端小链”。在我们对每日快照的历史分析中,我们选择N=20,这对应于所有小链子出现的97.5%。图2:该图说明了如何使用20×20小链矩阵及时表示网络。通过拍摄比特币图的快照并计算Ci的出现次数形成的每个矩阵→ji、 j在给定的一天。colorscale表示小链出现的频率。左端和右端小链分别显示在最下面一行和最右侧一列中。区分“左极限小链”和“右极限小链”很有意义。左端链是子集Cl:={Ci→j | i=N,j∈ {1,…,N}},在图2中的最下面一行显示为灰色。它们代表从大量账户到少数地址的交易。一般来说,左端小链表示比特币投资。右极限小链是Cr的子集:={Ci→j | i∈{1, . . .
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-10 02:36:37
N- 1} ,j=N},如图2中最右列所示。它们代表着大量比特币在整个市场上的销售——卖家将余额分割,并将其发送到数百个比特币地址。我们将datet上的Satoshis的美元金额表示为Altand Art,并将总发生次数分别表示为Olt和Ort。图3显示了时间t时极端小链与总oc电流的比率,表示为Oxt。我们还通过极端小链交易的比特币比率(Axt)来衡量极端小链活动。例如,如果今天的交易量为200万条Satoshis,而200万条Satoshis是通过使用极端小链进行交易的,那么Axt=0.1.0.050.100.150.20 1 40 154 251 360天的2015年比率图3:2015年极端小链的日发生率比率。6月3日(第154天),纽约州政府服务总监宣布了BitLicense:一套管理虚拟货币业务的规则。比特利许可证于9月8日(第251天)生效。加密货币交易所(cryptocurrency Exchange)并没有遵守这些规则,而是要求其客户离开其平台。许多客户通过出售比特币而离开,这一点可以从高度极端的小链活动中得到证明。3预测比特币我们可以从链中构建预测模型的程度已经产生了一些有希望的结果[2](有关对比特币价格和波动性具有预测影响的链的类型和组的规格,请参见[2])。3.1风险建模我们描述了“损失”的不确定性,尤其是估计未来发生极端损失的可能性。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-10 02:36:41
损失定义为log2回报的负值,Lt=-rt,其中rt:=ln(Pt+1/Pt),Pti是t天的比特币价格。比特币价格来源于2012年1月1日至2017年10月7日期间的Coinbase(2107次观察),相应的小链矩阵可通过网站2获得。表1显示了将对数收益率r2t的平方(波动率的代表)与xt(每日极端小链活动的向量)进行回归的结果。估计标准误差t值Pr(>| t |)(截距)0.9995 0.0807 12.385<2e-16***Alt0.7248 0.1063 6.818 1.21e-11***Art0.2959 0.1278 2.316 0.02068*Axt-0.5348 0.1313-4.073 4.82e-05***Olt-0.5699 0.1074-5.304 1.25e-07***Ort-0.4541 0.1644-2.762 0.00579**T0.5043 0.1832 2.753 0.00595**表1:该表显示了r2t上极端小链回归的统计意义,波动性的代表。请注意,响应和回归都已标准化。0.00.20.40.6-2损失密度0.00.20.40.6-2损失密度图4:标准化每日损失的经验密度取决于最低(红色)和最高(绿色)α=0.05个百分点的极端小链活动(顶部)数量(Ax)和(底部)发生次数(Ox)。标准化无条件损耗密度用黑线表示。在价格和我们的分析之间建立格兰杰因果关系的结果(参见[2]中的图3)表明,比特币网络直到2011年末才稳定下来https://github.com/cakcora/CoinWorkschainlets如【2】所示。我们强调,我们在此分析的目的是利用给定极端小链活动的损失分布特性来补充这些结果。图4和表2显示了2012年1月1日至2017年7月10日期间标准化每日比特币损失的无条件损失密度、φ(Lt)(黑色)和条件密度。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群