論文の概要: Abnormal Trading Detection in the NFT Market
- arxiv url: http://arxiv.org/abs/2306.04643v1
- Date: Thu, 25 May 2023 15:12:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-11 13:26:40.701816
- Title: Abnormal Trading Detection in the NFT Market
- Title（参考訳）: NFT市場における異常取引検出
- Authors: Mingxiao Song and Yunsong Liu and Agam Shah and Sudheer Chava
- Abstract要約: NFT最大のマーケットプレースであるOpenSeaの取引額は2023年2月に3470億ドルに達した。
NFT市場はほとんど規制がなく、マネーロンダリング、詐欺、洗浄取引に関して大きな懸念がある。
本稿は,他のトレーダーを誤解させる可能性のある洗剤取引など,一般的な不正行為を明らかにする試みである。
- 参考スコア（独自算出の注目度）: 1.7205106391379026
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Non-Fungible-Token (NFT) market has experienced explosive growth in
recent years. According to DappRadar, the total transaction volume on OpenSea,
the largest NFT marketplace, reached 34.7 billion dollars in February 2023.
However, the NFT market is mostly unregulated and there are significant
concerns about money laundering, fraud and wash trading. Amateur traders and
retail investors comprise a significant fraction of the NFT market. Hence it is
important that researchers highlight the relevant risks involved in NFT
trading. In this paper, we attempt to uncover common fraudulent behaviors such
as wash trading that could mislead other traders. Using market data, we design
quantitative features from the network, monetary, and temporal perspectives
that are fed into K-means clustering unsupervised learning algorithm to sort
traders into groups. Lastly, we discuss the clustering results' significance
and how regulations can reduce undesired behaviors. Our work can potentially
help regulators narrow down their search space for bad actors in the market as
well as provide insights for amateur traders to protect themselves from
unforeseen frauds.
- Abstract（参考訳）: 非Fungible-Token(NFT)市場は近年爆発的な成長を遂げている。
DappRadarによると、世界最大のNTTマーケットプレースであるOpenSeaの取引額は2023年2月に3470億ドルに達した。
しかし、NFT市場はほとんどが規制されておらず、マネーロンダリング、詐欺、洗浄取引に関して大きな懸念がある。
アマチュアトレーダーと小売投資家はNTT市場のかなりの割合を占めている。
したがって、NFT取引に関わるリスクを研究者が強調することが重要である。
本稿では,他の取引業者を誤解させるおそれのあるウォッシュトレーディングなどの一般的な不正行為を明らかにする。
市場データを用いて,k-meansクラスタリング非教師付き学習アルゴリズムに供給され,トレーダーをグループに分類するネットワーク,金融,時間的視点から定量的な特徴を設計する。
最後に、クラスタリング結果の意義と規制が望ましくない振る舞いを減らす方法について論じる。
我々の取り組みは、規制当局が市場の悪役の検索スペースを狭めるだけでなく、アマチュアトレーダーが予期せぬ詐欺から身を守るための洞察を提供するのに役立つかもしれない。
関連論文リスト
- When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。
StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。
AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
論文 参考訳（メタデータ） (2024-07-15T06:49:30Z) - Characterizing the Solana NFT Ecosystem [0.8225825738565354]
我々は2つの観点からSolana NFTの特性に関する最初の体系的研究を行う。
利用者の経済活動とNFT所有者情報を調べると、ソラナNFTの上位ユーザーがより高い購入の分布に向かって歪んでいることが分かる。
我々は,2,175台のSolana NFT上での洗剤取引監査を行うために,ローカル・アウトレイヤ・ファクターアルゴリズムを用いる。
論文 参考訳（メタデータ） (2024-03-16T10:16:49Z) - Unveiling Wash Trading in Popular NFT Markets [0.7529855084362796]
4つの非偽造トークン(NFT)市場における2500万以上のトランザクションを分析します。
本稿では,トランザクションのネットワーク特性を行動解析と統合するアルゴリズムを提案する。
以上の結果から, インセンティブのあるNFT市場は, 洗剤取引量の割合が高いことが示唆された。
論文 参考訳（メタデータ） (2024-03-15T14:52:52Z) - The Dark Side of NFTs: A Large-Scale Empirical Study of Wash Trading [28.20696034160891]
我々は,2,701,883 NFTから8,717,031の転送イベントと3,830,141のセールイベントを分析した。
NFTの3種類の洗剤取引を識別し,識別アルゴリズムを提案する。
また,マーケットプレース設計,収益性,NFTプロジェクト設計,支払トークン,ユーザ行動,NTTエコシステムといった6つの側面からの洞察も提供する。
論文 参考訳（メタデータ） (2023-12-19T19:29:24Z) - Identifying key players in dark web marketplaces [58.720142291102135]
この論文は、暗黒市場に関連するBitcoin取引ネットワークのキープレーヤーを特定することを目的としている。
取引量の大部分は、エリート市場参加者の小さなグループに集中していることを示す。
ダークウェブのマーケットプレースにおけるキープレーヤーの行動を理解することは、違法行為を効果的に破壊するために重要であることを示唆している。
論文 参考訳（メタデータ） (2023-06-15T20:30:43Z) - A Game of NFTs: Characterizing NFT Wash Trading in the Ethereum Blockchain [53.8917088220974]
非Fungible Token(NFT)市場は2021年に爆発的に成長し、2022年1月には月間貿易額が60億ドルに達した。
ウォッシュトレーディングの可能性に関する懸念が浮かび上がっており、あるパーティがNFTを取引してそのボリュームを人為的に膨らませる市場操作の形式である。
洗濯物取引は全NFTコレクションの5.66%に影響し、総生産量は3,406,110,774ドルである。
論文 参考訳（メタデータ） (2022-12-02T15:03:35Z) - Macroscopic properties of buyer-seller networks in online marketplaces [55.41644538483948]
2010年から2021年の間にオンラインマーケットプレースで発生した2億2500万トランザクションを含む2つのデータセットを分析した。
オンラインマーケットプレースにおける取引は、言語、生涯、製品、規制、技術に大きな違いがあるにもかかわらず、非常に類似したパターンを示す。
論文 参考訳（メタデータ） (2021-12-16T18:00:47Z) - Protecting Retail Investors from Order Book Spoofing using a GRU-based
Detection Model [0.0]
本稿では,不正行為を検知し,詐欺未遂を投資家に知らせる手法を提案する。
我々のフレームワークは、高度に拡張可能なGRU(Gated Recurrent Unit)モデルに基づいています。
論文 参考訳（メタデータ） (2021-10-08T14:23:41Z) - Adversarial trading [91.3755431537592]
取引環境では敵のサンプルを実装でき、特定の市場参加者に悪影響を及ぼすことを示す。
これは、取引または規制の観点から、金融市場にはるかに影響する可能性があります。
論文 参考訳（メタデータ） (2020-12-16T16:08:22Z) - Taking Over the Stock Market: Adversarial Perturbations Against
Algorithmic Traders [47.32228513808444]
本稿では,敵対的学習手法を用いて,攻撃者がアルゴリズム取引システムに影響を与える現実的なシナリオを提案する。
入力ストリームに追加されると、我々の摂動は将来目に見えないデータポイントのトレーディングアルゴリズムを騙すことができることを示す。
論文 参考訳（メタデータ） (2020-10-19T06:28:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。