本报告通过希尔伯特谱识别2017-20年间三次加密货币市场崩盘,采用部分相关构建复合网络。在崩盘期间,网络度密度与聚类系数显著上升,平均路径长度降低,表明信息快速流动及市场恐慌同步抛售的发生。2019-20年崩盘网络变化不显著,暗示动态差异。此研究有助于投资者理解崩盘中的市场结构变化,辅助决策
| 时间阶段 | 2017-18 ρD | 2017-18 cc̄ | 2017-18 l̄ | 2018-19 ρD | 2018-19 cc̄ | 2018-19 l̄ | 2019-20 ρD | 2019-20 cc̄ | 2019-20 l̄ |
|---|---|---|---|---|---|---|---|---|---|
| Pre-crash | 0.097 | 0.226 | 2.792 | 0.115 | 0.174 | 2.742 | 0.118 | 0.241 | 2.578 |
| Crash | 0.884 | 0.956 | 1.116 | 0.970 | 0.977 | 1.030 | 0.250 | 0.316 | 1.820 |
| Post-crash | 0.181 | 0.282 | 2.236 | 0.235 | 0.338 | 1.961 | 0.096 | 0.167 | 2.901 |
报告标题: Complex network analysis of cryptocurrency market during crashes
作者: Kundan Mukhiaa, Anish Raia, S R Luwanga, Md Nurujjamana, Sushovan Majhib, Chittaranjan Hensc
发布机构及所属单位: 印度National Institute of Technology(物理系)、美国乔治华盛顿大学、印度国际信息技术研究所
发布时间: 未明确具体日期,但数据引用至2024年初
主题: 利用复杂网络分析方法,研究2017年至2020年加密货币市场中的三次市场崩盘及其前后阶段的动态行为。
核心论点与评级: 本文未提供明确的投资评级或目标价格,而是侧重于学术分析。作者运用复杂网络分析,结合Hilbert谱和偏相关矩阵,识别并分段三个崩盘周期为前崩盘、崩盘和后崩盘阶段。通过研究网络的密度(degree density, (\rho_D))、平均路径长度(average path length, (\bar{l}))及平均聚类系数(average clustering coefficient, (\overline{cc})),揭示市场在崩盘期间的紧密联动与信息传播速度,表明崩盘期间为同步性恐慌抛售行为。特别指出,2017-18和2018-19年崩盘后的市场尝试回归稳定,但2019-20年的崩盘动态弱化,变化不明显。该研究为投资者提供理解崩盘期间市场行为的新视角,1,8].
摘要指出,2017-2020年期间检出三次加密货币市场崩盘,通过将时间序列分为三个阶段,应用偏相关性构建复杂网络,提取(\rho_D)、(\bar{l})和(\overline{cc})指标,发现崩盘期间网络密度和聚类系数急剧上升,路径长度下降,显示信息快速传播和密集连通,暗示市场在崩盘时有同步性恐慌性卖盘。
引言部分回顾了加密货币的兴起(预计全球超过23000种,加总市值约2.5万亿美元),强调其去中心化、透明度和低交易成本使其成为快速增长的资产类别,伴随极大价格波动和高投机性。文献回顾显示,对传统金融市场的连通性有较深入研究,但加密货币市场崩盘动态仍较少被研究。此前研究多运用向量自回归模型、波动传播框架等揭示市场间的动态联系,但缺乏对不同崩盘阶段的网络动态比较分析,1].
作者采用经验模态分解(EMD)将非线性、非平稳时间序列分解为若干固有模态函数(IMFs),再用Hilbert变换获得IMFs的瞬时频率和Hilbert谱 (H(t,\omega))。定义即刻能量为( \overline{E}(t) = \int H^2(t,\omega) d\omega ),通过寻找高能量集中特征识别市场崩盘区间。该方法敏锐捕捉到时间序列中的突变,是技术分析中识别崩盘的创新手段,2,4]。
基于每日收盘价计算对数收益率(R_p(t)),使用Pearson相关构造相关矩阵(C_{pq}),进一步求逆矩阵得到指标偏相关矩阵(C^*_{pq}):
Cpq∗=−(C−1)pp(C−1)qq(C−1)pq偏相关捕捉在排除其他变量影响后两资产间纯净关系,范围[-1,1],1表明强正相关,-1为强负相关,0无相关.
选用2017-18、2018-19、2019-20三次崩盘期间市值较大的加密货币收盘价数据,分别涉及49、35、46个币种,数据来自Coinmarketcap及Yahoo Finance。考虑到数据完整性和市场活跃度,币种抽样有所变化.
| 崩盘阶段 | 2017-18 (\rho_D) | 2018-19 (\rho_D) | 2019-20 (\rho_D) | 2017-18 (\overline{cc}) | 2018-19 (\overline{cc}) | 2019-20 (\overline{cc}) | 2017-18 (\bar{l}) | 2018-19 (\bar{l}) | 2019-20 (\bar{l}) |
|---|---|---|---|---|---|---|---|---|---|
| 预崩盘 | 0.097 | 0.115 | 0.118 | 0.226 | 0.174 | 0.241 | 2.792 | 2.742 | 2.578 |
| 崩盘 | 0.884 | 0.97 | 0.25 | 0.956 | 0.977 | 0.316 | 1.116 | 1.03 | 1.82 |
| 后崩盘 | 0.181 | 0.235 | 0.096 | 0.282 | 0.338 | 0.167 | 2.236 | 1.961 | 2.901 |
本文研究非传统估值,聚焦网络结构和市场联动性指标,并未涉及具体加密货币的估值计算或价格预测,主要说明网络特征与市场状态间的关系,侧重系统性风险与同步性行为的理解,9]。
本文明确揭示市场崩盘期间的风险性质:
报告并无具体风险缓解策略,但通过揭示崩盘期网络结构演化,为投资者提供警示和决策依据。
本研究利用复杂网络分析方法,基于Hilbert谱识别2017-2020年加密货币市场三次崩盘,细分为崩盘前、中、后三阶段,计算偏相关指标构建网络,并估算度密度、平均路径长度与平均聚类系数。结果显示:
通过清晰量化加密货币市场在不同崩盘阶段的网络拓扑变化,本文为理解市场系统性风险、信息传播机制和投资者行为,尤其是恐慌性同步行为提供了新视角。这有助于投资者在未来面对类似市场极端事件时,评估风险和调整投资策略,推动市场理解与风险管理的理论与实践发展.
本文以科学严谨的网络分析方法,结合先进的EMD-Hilbert谱技术,系统划分加密货币市场崩盘时期,深入揭示崩盘对市场结构和信息流的深刻影响。三个重要网络指标的变化为细致描述崩盘市场同期币种间联动及其演变提供了强有力的量化证据。分析表明崩盘期间市场网络由稀疏转为极其密集,且信息传播路径缩短,反映出恐慌性卖盘的同步传播。恢复阶段网络指标未完全回落,显示市场回稳延缓。研究结果对理解加密货币市场风险特征和战略决策具有重要参考价值。
,1,2,3,4,5,6,7,8,9]
如需对报告中具体图表或方法细节的进一步解析,欢迎随时提出。
2405.05642.pdf