論文の概要: Trust Dynamics and Market Behavior in Cryptocurrency: A Comparative Study of Centralized and Decentralized Exchanges
- arxiv url: http://arxiv.org/abs/2404.17227v1
- Date: Fri, 26 Apr 2024 07:58:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-30 20:10:08.331006
- Title: Trust Dynamics and Market Behavior in Cryptocurrency: A Comparative Study of Centralized and Decentralized Exchanges
- Title（参考訳）: 暗号通貨における信頼ダイナミクスと市場行動:中央集権取引所と分権取引所の比較研究
- Authors: Xintong Wu, Wanling Deng, Yuotng Quan, Luyao Zhang,
- Abstract要約: 中央集権的な信頼メカニズムから分散的な信頼メカニズムへの移行は、暗号通貨エコシステムを形成する上で重要な役割を担っている。
本研究は,学際研究,分散システムのブリッジング,行動金融,分散ファイナンス(DeFi)に大きく貢献する。
分散コンピューティングコミュニティ、特にデジタル経済における分散信頼メカニズムの理解と適用に関する貴重な洞察を提供する。
- 参考スコア（独自算出の注目度）: 1.9624273277521183
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the evolving landscape of digital finance, the transition from centralized to decentralized trust mechanisms, primarily driven by blockchain technology, plays a critical role in shaping the cryptocurrency ecosystem. This paradigm shift raises questions about the traditional reliance on centralized trust and introduces a novel, decentralized trust framework built upon distributed networks. Our research delves into the consequences of this shift, particularly focusing on how incidents influence trust within cryptocurrency markets, thereby affecting trade behaviors in centralized (CEXs) and decentralized exchanges (DEXs). We conduct a comprehensive analysis of various events, assessing their effects on market dynamics, including token valuation and trading volumes in both CEXs and DEXs. Our findings highlight the pivotal role of trust in directing user preferences and the fluidity of trust transfer between centralized and decentralized platforms. Despite certain anomalies, the results largely align with our initial hypotheses, revealing the intricate nature of user trust in cryptocurrency markets. This study contributes significantly to interdisciplinary research, bridging distributed systems, behavioral finance, and Decentralized Finance (DeFi). It offers valuable insights for the distributed computing community, particularly in understanding and applying distributed trust mechanisms in digital economies, paving the way for future research that could further explore the socio-economic dimensions and leverage blockchain data in this dynamic domain.
- Abstract（参考訳）: デジタルファイナンスの進化する状況において、中央集権的な信頼メカニズムから分散化された信頼メカニズムへの移行は、主にブロックチェーン技術によって推進され、暗号通貨エコシステムを形成する上で重要な役割を担っている。
このパラダイムシフトは、従来の中央集権的信頼への依存に関する疑問を提起し、分散ネットワーク上に構築された新しい分散型信頼フレームワークを導入する。
特に、インシデントが仮想通貨市場における信頼にどのように影響し、それによって中央集権(CEX)および分散取引所(DEX)における貿易行動に影響を及ぼすかに焦点を当てている。
各種イベントの包括的分析を行い、CEXおよびDEXのトークン評価や取引量など市場ダイナミクスへの影響を評価する。
本研究は,ユーザの嗜好を指示する上での信頼の役割と,集中型プラットフォームと分散型プラットフォーム間の信頼移転の流動性を明らかにするものである。
ある種の異常にもかかわらず、結果は最初の仮説と大きく一致し、暗号通貨市場におけるユーザー信頼の複雑な性質を明らかにした。
本研究は,学際研究,分散システムのブリッジング,行動金融,分散ファイナンス(DeFi)に大きく貢献する。
分散コンピューティングコミュニティ、特にデジタルエコノミーにおける分散信頼メカニズムの理解と適用に関する貴重な洞察を提供し、社会経済的側面をさらに探求し、このダイナミックドメインにおけるブロックチェーンデータを活用するための将来の研究の道を開く。
関連論文リスト
- STORM: A Spatio-Temporal Factor Model Based on Dual Vector Quantized Variational Autoencoders for Financial Trading [55.02735046724146]
金融取引では、ファクターモデルが資産の価格設定や過大なリターンの獲得に広く利用されている。
双対ベクトル量子化変分オートエンコーダを用いた時空間ファクトラーモデルSTORMを提案する。
ストームは時間的および空間的な視点からストックの特徴を抽出し、これらの特徴を微細で意味的なレベルで融合し整列させ、その要素を多次元の埋め込みとして表現する。
論文 参考訳（メタデータ） (2024-12-12T17:15:49Z) - Cryptocurrency Price Forecasting Using XGBoost Regressor and Technical Indicators [2.038893829552158]
本研究では,暗号通貨の価格を予測するための機械学習手法を提案する。
我々は、XGBoost回帰モデルの訓練および供給のために、EMA(Exponential moving Avergence)やMACD( moving Avergence Divergence)といった重要な技術指標を活用している。
モデルの性能を様々なシミュレーションにより評価し,有望な結果を示す。
論文 参考訳（メタデータ） (2024-07-16T14:41:27Z) - 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) - DAM: A Universal Dual Attention Mechanism for Multimodal Timeseries Cryptocurrency Trend Forecasting [3.8965079384103865]
本稿では,マルチモーダル時系列データを用いた暗号通貨のトレンド予測のための新しいデュアルアテンションメカニズム(DAM)を提案する。
われわれのアプローチは、重要な暗号通貨メトリクスと、CryptoBERTを通じて分析されたニュースやソーシャルメディアからの感情データを統合する。
本手法は,分散システム,自然言語処理,財務予測といった要素を組み合わせることで,LSTMやTransformerといった従来のモデルよりも最大20%高い精度で性能を向上する。
論文 参考訳（メタデータ） (2024-05-01T13:58:01Z) - Exchange-of-Thought: Enhancing Large Language Model Capabilities through
Cross-Model Communication [76.04373033082948]
大規模言語モデル(LLM)は、最近、Chain-of-Thoughtテクニックによる複雑な推論タスクにおいて大きな進歩を遂げました。
本稿では,問題解決時のクロスモデル通信を可能にする新しいフレームワークであるExchange-of-Thought (EoT)を提案する。
論文 参考訳（メタデータ） (2023-12-04T11:53:56Z) - Deep Learning and NLP in Cryptocurrency Forecasting: Integrating Financial, Blockchain, and Social Media Data [3.6390165502400875]
本稿では,機械学習(ML)と自然言語処理(NLP)技術を活用した暗号通貨価格予測の新しい手法を提案する。
ニュースやソーシャルメディアのコンテンツを分析することで、仮想通貨市場に対する大衆の感情の影響を評価する。
論文 参考訳（メタデータ） (2023-11-23T16:14:44Z) - Decoding Social Sentiment in DAO: A Comparative Analysis of Blockchain Governance Communities [1.9624273277521183]
本稿では、主要なDeFiプロジェクトの公開フォーラムにおける言論と感情のダイナミクスの進化を深く掘り下げる。
分散化コミュニティの参加者は、Discordの議論において、概して肯定的な感情を表現している。
議論の強度と感情のダイナミクスの間には潜在的な相互作用があり、より高い議論のボリュームは、コード分析によるより安定した感情に寄与する可能性がある。
論文 参考訳（メタデータ） (2023-10-31T08:23:47Z) - Causal Fairness Analysis [68.12191782657437]
意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。
我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。
本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
論文 参考訳（メタデータ） (2022-07-23T01:06:34Z) - Beyond Trading Data: The Hidden Influence of Public Awareness and Interest on Cryptocurrency Volatility [7.091344537490436]
本研究はビットコイン・ドル取引レートのボラティリティに影響を及ぼす様々な独立した要因について検討する。
我々は,AdaBoost-LSTMアンサンブルモデルであるCoMForEを提案する。
先進的なモデルでは、全体的な暗号通貨価値分布の変動を予測し、投資決定に対する価値を高めることで、さらに一歩進んでいます。
論文 参考訳（メタデータ） (2022-02-12T21:39:29Z) - Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。
IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
論文 参考訳（メタデータ） (2021-07-26T10:40:59Z) - 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。