Multifractality and its sources in the digital currency market
Stanisław Drożdż, Robert Kluszczyński, Jarosław Kwapień and Marcin Wątorek
时间序列分析中的多分差表征了多个缩放指数的存在,表明除了简单的单分形模型之外,异质的时间结构和复杂的动态行为。 在数字货币市场的背景下,多股属性是由于远程时间相关性和重尾回报分布的相互作用而产生的,反映了复杂的市场微观结构和交易者互动。 将多分量分析纳入加密货币价格动态建模,可增强对市场低效率的理解,可以改善波动性预测,并促进关键过渡或制度转变的检测。 基于多分法交叉相关性分析(MFCCA),其空间案例是多分量脱向波动分析(MFDFA),作为量化多分法最常用的实用工具,在目前的贡献中,最近提出的在时间序列中将多分法源解藻的方法应用于数字市场最具代表性的仪器。 它们包括比特币(BTC),以太坊(ETH),去中心化交易所(DEX)和不可替代的代币(NFT)。 结果表明重尾在产生广泛的多分光谱方面的重要作用。 然而,它们也清楚地表明,多分性的主要来源是系列中的时间相关性,如果没有它们,多分性就会消失。 这些时间相关性在很大程度上并不取决于波动分布的尾巴的厚度。 这些观察是在数字货币市场的背景下提出的,为在时间序列中分离多分法来源的拟议方法的有效性提供了进一步有力的论据。
Multifractality in time series analysis characterizes the presence of multiple scaling exponents, indicating heterogeneous temporal structures and complex dynamical behaviors beyond simple monofractal models. In the context of digital currency markets, multifractal properties arise due to the interplay of long-range temporal correlations and heavy-tailed distributions of returns, reflecting intricate market microstructure and trader interactions. Incorporating multifractal analysis into the mode...