全部版块 我的主页
论坛 经济学人 二区 外文文献专区
989 24
2022-06-10
英文标题:
《Topological recognition of critical transitions in time series of
  cryptocurrencies》
---
作者:
Marian Gidea, Daniel Goldsmith, Yuri Katz, Pablo Roldan, Yonah Shmalo
---
最新提交年份:
2018
---
英文摘要:
  We analyze the time series of four major cryptocurrencies (Bitcoin, Ethereum, Litecoin, and Ripple) before the digital market crash at the end of 2017 - beginning 2018. We introduce a methodology that combines topological data analysis with a machine learning technique -- $k$-means clustering -- in order to automatically recognize the emerging chaotic regime in a complex system approaching a critical transition. We first test our methodology on the complex system dynamics of a Lorenz-type attractor, and then we apply it to the four major cryptocurrencies. We find early warning signals for critical transitions in the cryptocurrency markets, even though the relevant time series exhibit a highly erratic behavior.
---
中文摘要:
我们分析了2017年底至2018年初数字市场崩溃之前四种主要加密货币(比特币、以太坊、莱特币和Ripple)的时间序列。我们介绍了一种将拓扑数据分析与机器学习技术相结合的方法——$k$表示聚类——以便自动识别接近临界过渡的复杂系统中出现的混沌区域。我们首先在洛伦兹型吸引子的复杂系统动力学上测试我们的方法,然后将其应用于四种主要的加密货币。我们发现了加密货币市场关键转变的早期预警信号,尽管相关时间序列表现出高度不稳定的行为。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Mathematical Finance        数学金融学
分类描述:Mathematical and analytical methods of finance, including stochastic, probabilistic and functional analysis, algebraic, geometric and other methods
金融的数学和分析方法,包括随机、概率和泛函分析、代数、几何和其他方法
--
一级分类:Mathematics        数学
二级分类:Dynamical Systems        动力系统
分类描述:Dynamics of differential equations and flows, mechanics, classical few-body problems, iterations, complex dynamics, delayed differential equations
微分方程和流动的动力学,力学,经典的少体问题,迭代,复杂动力学,延迟微分方程
--
一级分类:Physics        物理学
二级分类:Physics and Society        物理学与社会
分类描述:Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体(人类或其他)的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统(如能源网、运输网络)的物理和工程。
--

---
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 14:53:33
CryptocurrenceMarian GIDEA、DANIEL GOLDSMITH、YURI KATZ、PABLO ROLDAN和YONAH Shmalloabstract时间序列中临界转换的拓扑识别。我们分析了2017年底至2018年初数字市场崩溃之前四种主要加密货币(比特币、以太坊、莱特币和Ripple)的时间序列。我们引入了一种将拓扑数据分析与机器学习技术相结合的方法——k-均值聚类,以自动识别接近临界过渡的复杂系统中出现的混沌状态。我们首先在Lorenz型吸引子的复杂系统动力学上测试我们的方法,然后将其应用于四种主要的加密货币。尽管相关时间序列表现出高度不稳定的行为,但我们发现了加密货币市场关键转型的预警信号。1、引言在许多复杂系统中,包括气候、生态系统和金融市场中,都观察到了临界转变——由小扰动引发的系统状态突变;参见,例如,【41,42】及其参考文献。在确定性系统中,临界转变通常以灾难性分岔的形式出现(参见,例如,[27,16,31]),而在噪声系统中,它们与系统状态分布的剧烈变化有关(参见,例如,[24])。一般来说,从实际数据中识别即将到来的关键过渡是相当具有挑战性的,因为在达到关键阈值之前,系统的状态可能几乎没有变化,并且仅在较短的时间间隔内,相对于观察期而言。在金融时间序列中,检测即将到来的临界转变的早期信号尤其困难,因为数据本身非常嘈杂,并且往往表现出非平稳性(参见,例如[32,36])。
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 14:53:36
此外,由于在金融市场中,关键的转变可能在几乎没有警告的情况下发生,因此从少于100个数据点的短期窗口中提取信息非常重要。一个基本问题是如何从这些经验数据中提取有用的信息,这将导致金融市场“预警系统”的构建。关键词和短语。数字加密货币;关键过渡;复杂系统动力学;拓扑数据分析;金融时间序列;k-均值聚类。2 M.GIDEA、D.GOLDSMITH、Y.KATZ、P.ROLDAN和Y.Shmaloth拓扑数据分析的几何方法(TDA)位于本文的核心,不受任何统计假设的影响,并且能够检测复杂系统中的临界跃迁(参见,例如,[2,3,22])。该方法的输入是一个点云(数据的快照图像),该点云与几何“形状”相关联,并提取该形状的拓扑信息。该方法的输出是一个持久性图或持久性景观,它表示数据显示的所有拓扑特征的摘要,按“分辨率级别”排序。该方法具有鲁棒性,即,添加到数据中的小噪声扰动会导致持久性环境中的小变化。对于经历分岔的不确定性系统,TDA能够识别潜在吸引子拓扑中的变化。点云数据的旋转形状反映了这种变化。该形状的特征可通过持久同源性计算,而形状的变化可通过持久性景观的形态来衡量。在过去几年中,使用TDA识别底层复杂系统的不同行为模式受到了广泛关注。
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 14:53:39
因此,既有坚实的理论基础,又有大量的实验结果;例如,参见[2、3、38、39、28、29、43、34、30]。然而,TDA在金融市场的应用尚处于早期发展阶段;参见,例如[21,22,47]。在本文中,我们采用基于TDA的方法,调查了2017年底至2018年初发生崩溃之前,资本化程度最高的加密货币(比特币、以太坊、莱特币和Ripple)的行为。加密货币的市值从2017年2月的约190亿美元激增至2017年12月的约8000亿美元,目前市场上有1000多种加密货币。尽管最近的经济低迷抹去了5500多亿美元的价值,但预计2018年加密货币的总市场估值将达到1万亿美元(参见[44])。加密货币的交易活动似乎受到新闻和社交媒体、投机性泡沫、欺诈、监管和政策干预所驱动的人气的严重影响(参见,例如,[33])。相应时间序列的野生统计特性反映了这一点:观察到缺乏平稳性、强长期记忆、杠杆效应和波动聚类;请参阅下面提到的相关工作。
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 14:53:42
这些特性使加密货币成为TDA应用的理想测试用例,TDA不受统计假设的影响。我们的方法包括以下步骤:“我们使用延时坐标嵌入来获得时间序列的多维表示;”我们应用滑动窗口扫描获得的多维时间序列;“”对于每个滑动窗口,我们关联一个点云并应用simplicialcomplex过滤;关键过渡的拓扑识别3“我们以区域值函数的形式从该过滤中提取拓扑信息–持久性景观;”对于每个窗口,我们计算持久性环境的范数;“”我们将导出的持久性景观规范时间序列与观测到的日志返回时间序列进行比较,以确定指示关键过渡的模式。我们基于TDA的方法表明,在关键过渡之前,持久性景观的规范会发生重大变化,即使使用短滑动窗口也可以检测到这种变化。当资产价值发生关键转变,即从一种制度突然转变为显著不同的制度时,数据的形状会发生显著变化,这可以通过基于TDA的方法进行确认。为了捕捉每个资产的价格/回报时间序列与崩盘前持久性景观的L-范数之间的关系,我们使用了一种利用非参数、基于几何的DK均值聚类的无监督机器学习技术。之所以选择这种方法,是因为与TDA类似,它也不需要对数据进行统计假设,并且部分基于几何结构。
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 14:53:46
k均值聚类应用于由每项资产的标准化对数价格、对数回报率和持久性景观的L-范数组成的数据,产生了在每项资产崩溃之前自动识别拓扑不同区域合并的结果。我们现在提到一些相关的工作。[19]介绍了一种利用多尺度分析和k均值聚类检测加密货币(尤其是比特币)价格动态中泡沫的方法。在[9]中,货币时间序列的可预测性是通过点预测和密度预测中的几个可选的单变量和多变量模型来研究的。在[13]中,开发了加密货币市场的一般均衡一般模型,该模型将加密货币的价值以及潜在的交易和采矿活动内生化。文献[10]提出了价格形成的动态模型。[6]研究了比特币时间序列的统计特性。文献[11]探讨了货币的统计特性,其中广泛的参数分布适用于数据。在[14]中,十二个GARCH模型分别适用于七种最流行的加密货币。本文的结构如下。在第2节中,我们提供了该方法的背景。在第3节中,我们将在分岔下的动力系统(具有小加性噪声)生成的混沌时间序列上测试这种方法。我们的实验表明,TDA能够检测到时间序列中的临界过渡,因为当系统从较低湍流状态过渡到较湍流状态时,L-范数呈增加趋势。这种行为的其他例子可以在[22,2,3]中找到。由于对这些时间序列进行了模拟,因此很容易将标准的变化与驱动系统的参数M.GIDEA、D.GOLDSMITH、Y.KATZ、P.ROLDAN和Y.Shmaloth中的变化进行匹配。
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…
相关推荐
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