論文の概要: Crypto Wash Trading: Direct vs. Indirect Estimation
- arxiv url: http://arxiv.org/abs/2311.18717v1
- Date: Thu, 30 Nov 2023 17:19:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 13:35:06.040067
- Title: Crypto Wash Trading: Direct vs. Indirect Estimation
- Title（参考訳）: 暗号ウォッシュ取引 - 直接対間接推定
- Authors: Brett Hemenway Falk, Gerry Tsoukalas, Niuniu Zhang,
- Abstract要約: 近年の研究では、中央集権暗号取引所のような取引価値の約70%が、洗浄取引として特徴づけられると推定されている。
トランザクション透過性により,より正確な直接推定が可能となる。
NFTボリュームの約30%と取引された価値の45-95%は、洗剤取引に関係している。
- 参考スコア（独自算出の注目度）: 1.4678959818041633
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Recent studies using indirect statistical methods estimate that around 70% of traded value on centralized crypto exchanges like Binance, can be characterized as wash trading. This paper turns to NFT markets, where transaction transparency, including analysis of roundtrip trades and common wallet activities, allows for more accurate direct estimation methods to be applied. We find roughly 30% of NFT volume and between 45-95% of traded value, involve wash trading. More importantly, our approach enables a critical evaluation of common indirect estimation methods used in the literature. We find major differences in their effectiveness; some failing entirely. Roundedness filters, like those used in Cong et al. (2023), emerge as the most accurate. In fact, the two approaches can be closely aligned via hyper-parameter optimization if direct data is available.
- Abstract（参考訳）: 間接統計手法を用いた最近の研究は、Binanceのような中央集権的な暗号通貨取引所における取引価値の約70%が、洗浄取引として特徴づけられると見積もっている。
この論文は、ラウンドトリップ取引や一般的なウォレット活動の分析を含むトランザクションの透明性が、より正確な直接推定方法を適用できるNTT市場へと転換する。
NFTボリュームの約30%と取引された価値の45-95%は、洗剤取引に関係している。
さらに,本手法は,文献で用いられる一般的な間接的推定手法の批判的評価を可能にする。
その効果には大きな違いがあり、一部は完全に失敗しています。
Cong et al (2023) で使用されるようなラウンドドネスフィルタは、最も正確である。
実際、2つのアプローチは、直接データが利用可能であれば、ハイパーパラメータ最適化によって密に一致させることができる。
関連論文リスト
- A Random Forest approach to detect and identify Unlawful Insider Trading [0.0]
本研究では、不正なインサイダー取引を検出するために、エンドツーエンドの自動ステート・オブ・アーティファクト手法を実装した。
我々の最高の業績モデルは96.43パーセントの取引を正確に分類した。
分類タスクに加え、モデル生成したGini Impurityベースの特徴ランキングでは、置換値に基づくオーナシップとガバナンス関連の特徴が重要な役割を担っている。
論文 参考訳（メタデータ） (2024-11-09T18:01:19Z) - 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 Gaps between Pre-train and Downstream Settings in Bias Evaluation
and Debiasing [74.7319697510621]
In-Context Learning (ICL)は、FTベースのデバイアス法と比較して、PLMの変更を小さくする。
ICL-based debiasing method is a higher correlation between intrinsic and extrinsic bias scores than FT-based method。
論文 参考訳（メタデータ） (2024-01-16T17:15:08Z) - 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) - Improved Stock Price Movement Classification Using News Articles Based
on Embeddings and Label Smoothing [1.8920934738244022]
本稿では,ディープラーニングの正規化と最適化手法を取り入れて,ニュース記事を用いた株価変動の分類を改善することを提案する。
さらに、トレーニングモデルの一般化を改善するため、重量減衰、バッチ正規化、ドロップアウト、ラベル平滑化を取り入れた。
一般的に使用されるデータセットに対する実験結果から,テストセットの平均精度は80.7%に達し,大幅な改善が得られた。
論文 参考訳（メタデータ） (2023-01-25T08:33:45Z) - 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) - Quantum computational finance: martingale asset pricing for incomplete
markets [69.73491758935712]
金融の価格問題に様々な量子技術を適用することができることを示す。
従来の研究と異なる3つの方法について議論する。
論文 参考訳（メタデータ） (2022-09-19T09:22:01Z) - Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics
in Limit-Order Book Markets [84.90242084523565]
伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。
最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。
予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
論文 参考訳（メタデータ） (2022-03-07T18:59:54Z) - A Stock Trading System for a Medium Volatile Asset using Multi Layer
Perceptron [0.6882042556551609]
今後30日間の公開市場における価格予測のために,フィードフォワードディープニューラルネットワーク(DNN)のコアとなるストックトレーディングシステムを提案する。
結果は、非常に控えめな100ドルの予算からわずか1ヶ月で3.2%の総利益率をもたらすことを約束していた。
論文 参考訳（メタデータ） (2022-01-17T16:08:40Z) - Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。
本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。
本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
論文 参考訳（メタデータ） (2022-01-11T23:01:12Z) - A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。
ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。
我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
論文 参考訳（メタデータ） (2020-12-10T01:15:48Z)
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。