mti wa chini wa kuunganisha unaotegemea q baada ya detrending (q-dependent detrended minimum spanning tree, qMST), ni mtandao wa minimum spanning tree unaotumia masafa yanayotokana na mgawo wa q-dependent detrended cross-correlation ili kuchunguza kwa uteuzi uhusiano mtambuka katika mfululizo wa muda wa vigezo vingi usio tuli kulingana na amplitude ya mabadiliko. Utafiti unatumia data za bei za dakika 1 za sarafu-fiche 140 zinazouzwa kwa USDT kwenye Binance kuchunguza jinsi muundo wa uhusiano wa soko la sarafu-fiche unavyobadilika kwa muda na kulingana na ukubwa wa mabadiliko yanayochunguzwa.
Data zinahusu kipindi cha 1 Januari 2021 hadi 30 Septemba 2024. Bei zilibadilishwa kuwa marejesho ya logarithmic, na muundo wa uhusiano mtambuka ukahesabiwa katika madirisha yanayosogea ya siku 7 yenye uchunguzi 10.080, kwa kusogeza uchunguzi 1.440 kila siku. Hali kuu mbili za ulinganisho wa kimajaribio ni q=1 na q=4. Katika q=1 hakuna uongezaji wa ziada wa amplitude kwa kiwango cha jamaa na mabadiliko ya ukubwa wa wastani/kati huwa na nafasi kuu, ilhali q=4 huongeza kwa kiwango cha jamaa mchango wa mabadiliko makubwa.
Ugunduzi mkuu ni kwamba muundo wa qMST wa soko la sarafu-fiche hubadilika kwa kiasi kikubwa kadiri muda unavyopita. Kuanzia 2021 hadi majira ya kuchipua ya 2022, katika mtandao wa q=1 Bitcoin (BTC) huonekana kama nodi kuu yenye nguvu katika madirisha mengi; kuanzia Mei 2022 mtandao umekuwa usio na kitovu kimoja zaidi, na mali mbalimbali kama ADA, DOT, ETH, LINK, MANA, SAND na VET zimekuwa nodi zenye miunganisho mingi katika vipindi tofauti. Kwa mfano, katika dirisha la 25 Aprili 2022 kiwango cha nodi cha BTC kilikuwa k=112, ilhali katika mfano wa 18 Mei 2022 kiwango cha juu zaidi kiliripotiwa kuwa k=33 kwa ONT.
Matokeo ya pili muhimu ni kwamba muundo wa uhusiano unategemea amplitude ya mabadiliko. Katika sehemu kubwa ya kipindi kilichochunguzwa, uhusiano mtambuka kati ya harakati za ukubwa wa wastani/kati zinazosisitizwa na q=1 huwa na nguvu zaidi kuliko uhusiano kati ya harakati kubwa zinazosisitizwa na q=4. Hata hivyo, katika baadhi ya madirisha yenye kuporomoka kwa soko kwa kiwango kikubwa, uhusiano wa q=4 uliimarika ghafla na muundo wa q=4 qMST ukakaribia hali isiyo na kitovu kabisa. Uhusiano huu si modeli ya kutabiri bei wala mkakati wa uwekezaji uliothibitishwa; utafiti unachanganua uhusiano na muundo wa mtandao katika data za kihistoria.
Tatizo kuu la utafiti
Masoko ya fedha ni mifumo changamano inayojengwa na harakati za wakati mmoja za mali nyingi. Ingawa kila sarafu-fiche ina mfululizo wake wa muda, harakati za bei si huru kabisa kutoka kwa nyingine. Mshtuko mmoja wa soko, hali ya ukwasi, tabia ya wawekezaji au harakati ya jumla ya soko inaweza kusababisha mali nyingi kusogea kwa wakati mmoja.
Uchanganuzi wa kawaida wa uhusiano mara nyingi hutathmini mabadiliko yote kwa namna ileile. Hata hivyo, muundo wa miunganisho ndani ya soko kwa harakati ndogo, za kati na kubwa za bei si lazima uwe sawa. Swali kuu la utafiti huu linatokea hapa: Je, mtandao wa uhusiano mtambuka wa soko la sarafu-fiche hubadilika kulingana na ukubwa wa mabadiliko ya bei unaolengwa?
Ili kujibu swali hili, utafiti unaunganisha mbinu ya detrended fluctuation/cross-correlation na kichujio cha minimum spanning tree. Hivyo si kiwango cha jumla cha uhusiano pekee kinachoweza kulinganishwa, bali pia topolojia ya mtandao inayoundwa na amplitude tofauti za mabadiliko.
Mgawo wa q-Dependent Detrended Cross-Correlation ρq(s) ni Nini?
Mgawo wa q-dependent detrended cross-correlation \(\rho_q(s)\) ni kipimo cha uhusiano kinachopima uhusiano mtambuka wa detrended kati ya mfululizo miwili ya muda katika kipimo maalum cha muda \(s\), huku kigezo \(q\) kikibadilisha mchango wa jamaa wa mabadiliko ya ndani yenye amplitude tofauti; q=2 hulingana na hali ya kawaida yenye uzani sawa, huku q=1 na q=4 zikilinganishwa katika uchanganuzi wa kimajaribio wa utafiti.
Kwa nini detrending inahitajika?
Mfululizo wa muda wa bei na fedha mara nyingi si tuli. Mitindo ya muda mrefu, trend za ndani au tabia ya wastani inayobadilika katika vipindi tofauti inaweza kufanya tafsiri ya uhusiano wa kawaida wa Pearson kuwa ngumu. Mbinu ya detrended kwanza hujaribu kuondoa trend za ndani, kisha kupima harakati ya pamoja ya mabadiliko yaliyosafishwa kutoka kwenye trend.
Mlinganyo 1: Profaili zilizojumlishwa
Chanzo kinafafanua mfululizo miwili ya muda inayotokea kwa wakati mmoja kama:
\[ U=\{u(i)\}_{i=1}^{T}, \qquad V=\{v(i)\}_{i=1}^{T} \]
Katika hatua ya kwanza, kila mfululizo hubadilishwa kuwa profaili ya jumla ya mkusanyiko:
\[ \widetilde{u}(i)=\sum_{j=1}^{i}u(j), \qquad \widetilde{v}(i)=\sum_{j=1}^{i}v(j). \tag{1} \]
Formula inahesabu nini? Hutoa jumla ya mkusanyiko hadi kila nukta \(i\). Profaili hizi ndiyo ingizo la hatua inayofuata ya detrending ya ndani.
Vigezo: \(T\) ni urefu wa mfululizo wa muda, \(i\) ni faharasa ya muda, na \(u(j)\) pamoja na \(v(j)\) ni uchunguzi wa awali.
Kizio: Kwa mbinu ya jumla, kizio hutegemea kizio cha kigezo kinachochunguzwa. Katika matumizi ya sarafu-fiche ya utafiti, uchanganuzi unaofuata hufanywa kwenye marejesho ya logarithmic; marejesho ya logarithmic hayana kizio.
Mlinganyo 2: Kuondoa trend ya ndani
Profaili hugawanywa katika segmenti zenye urefu \(s\). Ili kupunguza upotevu wa data, ugawaji wa segmenti hufanywa kutoka mwanzo na mwisho wa mfululizo, na jumla ya segmenti \(2M_s\) hupatikana.
Katika kila segmenti, trend ya polynomial ya daraja \(m\) huondolewa:
\[ x(\nu s+k) = \widetilde{u}(\nu s+k) - P_{X,\nu}^{(m)}(k), \]
\[ y(\nu s+k) = \widetilde{v}(\nu s+k) - P_{Y,\nu}^{(m)}(k), \tag{2} \]
ambapo:
- \(k=1,\ldots,s\),
- \(\nu=0,\ldots,2M_s-1\),
- \(P_{X,\nu}^{(m)}\) na \(P_{Y,\nu}^{(m)}\) ni trend za polynomial za daraja \(m\) zilizokadiriwa katika segmenti husika.
Katika hatua hii \(x\) na \(y\) ni mabadiliko yaliyosafishwa kutoka kwenye trend ya ndani. Kwa hiyo, hesabu ya uhusiano inayofuata inalenga kutathmini mabadiliko karibu na trend badala ya trend ghafi ya bei.
Mlinganyo 3: Kovariansia na variansia ndani ya segmenti
\[ f_{XY}^{2}(s,\nu) = \frac{1}{s} \sum_{k=1}^{s} x(\nu s+k)y(\nu s+k), \]
\[ f_{XX}^{2}(s,\nu) = \frac{1}{s} \sum_{k=1}^{s} x^{2}(\nu s+k), \]
\[ f_{YY}^{2}(s,\nu) = \frac{1}{s} \sum_{k=1}^{s} y^{2}(\nu s+k). \tag{3} \]
\(f_{XY}^{2}\) inawakilisha mabadiliko ya pamoja ya mfululizo miwili ya detrended ndani ya segmenti; \(f_{XX}^{2}\) na \(f_{YY}^{2}\) zinawakilisha ukubwa wa mabadiliko ya ndani kwa kila mfululizo kando.
\(s\) hapa ni kipimo cha muda kinachochunguzwa. Katika matumizi makuu ya kimajaribio ya utafiti, \(s=10\) dakika ilitumika.
Mlinganyo 4: Funksia za mabadiliko za daraja q
Mchango wa segmenti hupimwa upya kwa \(q\):
\[ F_{XY}^{q}(s) = \left\{ \frac{1}{2M_s} \sum_{\nu=0}^{2M_s-1} \operatorname{sign} \left[f_{XY}^{2}(s,\nu)\right] \left|f_{XY}^{2}(s,\nu)\right|^{q/2} \right\}^{1/q}, \]
\[ F_{XX}^{q}(s) = \left\{ \frac{1}{2M_s} \sum_{\nu=0}^{2M_s-1} \left[f_{XX}^{2}(s,\nu)\right]^{q/2} \right\}^{1/q}, \]
\[ F_{YY}^{q}(s) = \left\{ \frac{1}{2M_s} \sum_{\nu=0}^{2M_s-1} \left[f_{YY}^{2}(s,\nu)\right]^{q/2} \right\}^{1/q}. \tag{4} \]
Funksia ya \(\operatorname{sign}\) inayotumiwa katika usemi wa kwanza husaidia kuhifadhi taarifa ya alama wakati kovariansia mtambuka ni hasi na kusaidia funksia ya mabadiliko kubaki na thamani halisi kwa viwango tofauti vya \(q\).
Jukumu kuu la kigezo q: Kadiri \(q\) inavyoongezeka, athari ya jamaa ya mabadiliko makubwa ndani ya segmenti huimarika. Kwa hiyo q=4 huweka uzani mkubwa zaidi kwa harakati kubwa kuliko q=1.
Mlinganyo 5: Uwekaji mizani wa kigezo kimoja
Kwa mfululizo wa muda wa fractal:
\[ F_{XX}^{q}(s)\sim s^{h_X(q)}, \qquad F_{YY}^{q}(s)\sim s^{h_Y(q)}. \tag{5} \]
\(h_X(q)\) na \(h_Y(q)\) ni vipeo vya Hurst vilivyopanuliwa. Kwa q=2 vinahusiana na kipeo cha kawaida cha Hurst.
Kwa mujibu wa ufafanuzi wa chanzo, ikiwa \(h(q)\) ni thabiti kuna uwekaji mizani wa monofractal; ikiwa hubadilika kwa utaratibu kadiri \(q\) inavyoongezeka kuna uwekaji mizani wa multifractal.
Mlinganyo 6: Uwekaji mizani mtambuka wa vigezo viwili
\[ F_{XY}^{q}(s) \sim s^{\lambda_{XY}(q)}. \tag{6} \]
\(\lambda_{XY}(q)\) inaeleza tabia ya uwekaji mizani ya uhusiano mtambuka kati ya mfululizo miwili. Ikiwa \(\lambda_{XY}(q)\) haitegemei q kuna uhusiano mtambuka wa monofractal; ikiwa inategemea q kuna tabia ya uhusiano mtambuka wa multifractal.
Mlinganyo 7: Mgawo wa q-dependent detrended cross-correlation
\[ \rho_q(s) = \frac{ F_{XY}^{q}(s) }{ \sqrt{ F_{XX}^{q}(s) F_{YY}^{q}(s) } }. \tag{7} \]
Huu ndiyo mlinganyo mkuu kwa utafiti huu.
Formula inahesabu nini? Inahesabu uhusiano mtambuka uliosanifishwa wa mfululizo miwili ya muda ya detrended chini ya kipimo maalum cha muda \(s\) na uzani wa amplitude \(q\).
Kwa q≥0:
\[ -1\leq \rho_q(s)\leq 1. \]
Chanzo kinaeleza kuwa katika q<0 mpaka huu huenda usihifadhiwe na kinaweka uchanganuzi wa sasa kwenye q≥0.
\(\rho_q(s)\) ni linganifu chini ya ubadilishaji \(X\leftrightarrow Y\). Chanzo pia kinaeleza kuwa si lazima funksia za mabadiliko zionyeshe power-law scaling kamili ili mgawo huu utumike.
qMST ni Nini na Thamani ya q Hubadilishaje Muundo wa Mtandao?
qMST ni minimum spanning tree ambayo, baada ya kubadilisha thamani ya \(\rho_q(s)\) ya kila jozi ya sarafu-fiche kuwa masafa, huchagua miunganisho \(N-1\) inayopunguza jumla ya uzito wa kingo; katika utafiti q=1 inawakilisha zaidi mabadiliko ya ukubwa wa wastani/kati, huku q=4 ikiimarisha mabadiliko makubwa, hivyo soko lilelile huonyesha topolojia tofauti za mtandao katika viwango tofauti vya amplitude.
Matriksi kamili ya uhusiano
Kunapokuwa na mifululizo N ya muda inayotokea kwa wakati mmoja, kwa kila mchanganyiko wa \(q,s\):
\[ \frac{N(N-1)}{2} \]
thamani ya \(\rho_q(s)\) huhesabiwa kwa jozi tofauti.
Kwa kuwa katika utafiti \(N=140\), kwa kila dirisha na kila mchanganyiko wa \(q,s\), kinadharia kuna:
\[ \frac{140\times139}{2}=9730 \]
jozi za kipekee za sarafu-fiche. Idadi hii ni matumizi ya moja kwa moja ya kihisabati ya uhusiano wa jumla \(N(N-1)/2\) uliotolewa na chanzo kwa \(N=140\); si matokeo mapya ya jaribio.
Thamani hizi:
\[ C_{ij}(q,s)\equiv\rho_{q}^{ij}(s) \]
vipengele hivyo hupangwa ndani ya matriksi ya q-dependent detrended cross-correlation yenye ukubwa \(N\times N\), yaani \(C(q,s)\).
Mlinganyo 8: Utenganishaji wa spektra wa matriksi ya uhusiano
\[ C(q,s)v_i(q,s) = \lambda_i(q,s)v_i(q,s). \tag{8} \]
Ambapo:
- \(\lambda_i\) ni thamani eigen ya matriksi ya uhusiano.
- \(v_i\) ni eigenvector husika.
- \(\lambda_1\) ni thamani eigen kubwa zaidi.
Katika utafiti \(\lambda_1\) hutumiwa kama kiashiria muhimu cha harakati ya pamoja ya soko kwa ujumla. \(\lambda_1\) kubwa inaonyesha kuwa mali nyingi zinashiriki kwa nguvu zaidi katika sehemu ya pamoja ya soko.
Mlinganyo 9: Kubadilisha uhusiano kuwa masafa
Mgawo wa uhusiano si metrika moja kwa moja; hautimizi kutokuwa sawa kwa pembetatu. Kwa hiyo chanzo hubadilisha uhusiano kuwa masafa yafuatayo:
\[ D_{ij}(q,s) = \sqrt{ 2\left[1-C_{ij}(q,s)\right] }. \tag{9} \]
Chanzo kinaeleza kwamba kwa \(q\geq1\), masafa haya yanatimiza sharti linalohitajika la kutokuwa sawa kwa pembetatu.
Tabia ya kihisabati: Kadiri \(C_{ij}\) inavyoongezeka, \(D_{ij}\) hupungua. Kwa maneno mengine, sarafu-fiche mbili zenye uhusiano chanya wenye nguvu zaidi huchukuliwa kuwa “karibu” zaidi kwenye qMST.
Kwa mfano, ikiwa \(C_{ij}=1\):
\[ D_{ij}=0. \]
Hii ni hali ya mpaka wa kihisabati wa Mlinganyo 9 pekee; si matokeo mapya yaliyopimwa kwa mali mbili maalum katika seti ya data ya chanzo.
Minimum spanning tree huchaguliwaje?
Baada ya matriksi ya masafa kupatikana, algoritimu ya Prim au Kruskal hutumika. Minimum spanning tree yenye nodi \(N\) huwa na:
\[ E=N-1 \]
kingo. Hivyo qMST yenye nodi 140 ina kingo 139.
Chanzo kinaeleza kuwa algoritimu ya Prim ina ugumu wa \(O(E+N\log N)\) katika mitandao minene, huku algoritimu ya Kruskal ikiwa na \(O(E\log N)\), na kwamba MST hutumiwa sana katika mitandao ya uhusiano wa kifedha ili kufanya mitandao kamili mikubwa sana iwe rahisi kusomeka.
q=1, q=2 na q=4 si kitu kimoja
| Thamani ya q | Jukumu lililotolewa katika chanzo | Matumizi katika utafiti huu |
|---|---|---|
| q=1 | Hakuna uongezaji wa ziada wa jamaa kwa mabadiliko; jukumu la harakati za ukubwa wa wastani/kati linaonekana wazi. | Hali kuu ya q ya chini katika ulinganisho wa kimajaribio wa qMST. |
| q=2 | Hali ya kawaida yenye uzani sawa wa mabadiliko; \(\rho_q\) inahusiana na hali maalum ya kawaida ya mbinu ya detrended cross-correlation. | Si kigezo cha ulinganisho wa grafu kuu za q=1/q=4. |
| q=4 | Mchango wa jamaa wa mabadiliko makubwa huongezwa ikilinganishwa na mabadiliko madogo. | Hutumika kuchunguza muundo wa qMST unaohisi harakati kubwa za bei. |
Chanzo kinaeleza kwamba kwa q>4, momenti za daraja la juu zinaweza kuwa na hatari ya kutokukusanyika kutokana na tabia ya takribani inverse-cubic tail ya marejesho makubwa ya kifedha. Kwa hiyo q=4 imechaguliwa katika matumizi haya kama kiwango cha juu cha uwakilishi kinachoimarisha mabadiliko makubwa.
Data za sarafu-fiche ziliandaliwaje?
Seti ya data ina viwango vya sarafu-fiche 140 zenye ujazo mkubwa wa biashara kwenye Binance, zikielezwa kwa USDT. Stablecoin ziliondolewa kwenye uchanganuzi kwa sababu zinaonyesha volatili ndogo sana dhidi ya USDT.
Kila mfululizo wa bei ulisampuliwa kwa marudio ya dakika 1. Bei \(p_i(t_m)\) ilibadilishwa kuwa marejesho ya logarithmic:
\[ R_i(t_m) = \ln p_i(t_{m+1}) - \ln p_i(t_m) \]
kwa namna hiyo.
Kwa kuwa marejesho ya logarithmic yako katika umbo la uwiano, hayana kizio. Thamani chanya inaonyesha ongezeko la bei la dakika moja, na thamani hasi inaonyesha kupungua kwa bei; hata hivyo ukubwa wake si mabadiliko ya asilimia moja kwa moja.
| Kipengee | Thamani iliyotumiwa katika chanzo |
|---|---|
| Idadi ya mali | 140 |
| Nukuu | USDT |
| Soko la kubadilishana | Binance |
| Kipindi sahihi cha data | 1 Januari 2021 – 30 Septemba 2024 |
| Usampulishaji | dakika 1 |
| Dirisha linalosogea | siku 7 = nukta za data 10.080 |
| Hatua ya dirisha | siku 1 = nukta za data 1.440 |
| Kipimo kikuu cha muda | s = dakika 10 |
| Thamani za q za kimajaribio | q=1 na q=4 |
| Jumla ya madirisha yanayosogea | K=1357 |
| Kundi lililoondolewa | Stablecoin |
Ni metrika gani za mtandao na spektra zilizohesabiwa?
Katika kila dirisha linalosogea, vipengele kadhaa vya nyongeza vilitolewa kutoka qMST na matriksi ya uhusiano.
Daraja la nodi \(k_j\): Ni idadi ya kingo za MST zilizounganishwa moja kwa moja na nodi ya sarafu-fiche. Daraja kubwa linaonyesha kuwa mali husika iko katika nafasi ya hub ndani ya qMST.
Daraja la juu zaidi \(k_{\max}\): Ni daraja la juu zaidi la nodi katika dirisha. \(k_{\max}\) kubwa sana inaendana na muundo uliotawaliwa na kitovu unaofanana na nyota.
Urefu wa wastani wa njia:
\[ \langle L\rangle = \frac{1}{N(N-1)} \sum_{i=1}^{N} \sum_{j=i+1}^{N} L_{ij}, \]
ambapo \(L_{ij}\) ni urefu wa njia ya mti kati ya nodi i na j. Katika chanzo, muundo wenye kitovu zaidi ulihusishwa na thamani ndogo na muundo uliotawanyika zaidi na thamani kubwa ya \(\langle L\rangle\).
Thamani eigen kubwa zaidi \(\lambda_1\): Hutumiwa kufuatilia sehemu ya uhusiano ya pamoja ya soko, yaani mchango wa “market factor”.
Vipengele vya mraba vya eigenvector ya kwanza \(v_{1,j}^{2}\): Huonyesha mchango wa sarafu-fiche maalum katika modi ya pamoja ya soko inayohusiana na thamani eigen kubwa zaidi.
Entropia ya Shannon:
\[ H(v_1^2) = - \sum_{j=1}^{N} v_{1,j}^{2} \ln v_{1,j}^{2}. \]
Entropia kubwa zaidi hulingana na usambazaji ulio sawa zaidi wa vipengele vya eigenvector ya kwanza; entropia ndogo zaidi hulingana na mchango kujilimbikiza katika idadi ndogo ya mali.
Kwa Nini Market Factor Ilichujwa?
Uchujaji wa market factor ulifanywa ili kuondoa kwa regression sehemu ya harakati ya pamoja ya soko lote inayowakilishwa na thamani eigen kubwa zaidi \(\lambda_1\), na kisha kuchunguza muundo wa uhusiano mtambuka wa mabaki na wa kipekee zaidi kwa mali ambao unaweza kufichwa chini ya mwelekeo wa jumla wa soko.
Mlinganyo 12: Regression ya market factor
Chanzo hutumia kwa kila sarafu-fiche:
\[ c_{\Delta t}^{(i)}(k) = a^{(i)} + b^{(i)}Z_1(k) + \epsilon^{(i)}(k), \]
na kwa market factor:
\[ Z_1(k) = \sum_{m=1}^{N} v_{1m} c_{\Delta t}^{(m)}(k) \tag{12} \]
misemo hiyo.
\(Z_1(k)\) inawakilisha mchango wa jumla wa variansia unaohusiana na thamani eigen kubwa zaidi \(\lambda_1\). Kwa kutumia mfululizo wa mabaki ya regression \(\epsilon^{(i)}(k)\), matriksi mpya iliyochujwa ya uhusiano \(C'\) huundwa.
Matriksi iliyochujwa tena:
\[ C'v'_i = \lambda'_i v'_i \]
huchanganuliwa kwa tatizo la eigenvalue.
Kilichofanywa hapa si kuondoa BTC, ETH au sarafu-fiche nyingine kutoka kwenye seti ya data. Kinachochujwa ni mchango wa variansia wa modi kubwa zaidi ya pamoja ya soko.
Masafa kati ya miundo ya grafu yalipimwaje?
Ili kupima kwa kiasi ni lini qMST za q=1 na q=4 zinatofautiana zaidi, chanzo hutumia metrika mbili za graph-distance:
\[ d_{rp1} \left[ A(q=1,s=10,t), A(q=4,s=10,t) \right], \tag{10} \]
\[ d_{DC0} \left[ A(q=1,s=10,t), A(q=4,s=10,t) \right]. \tag{11} \]
\(d_{rp1}\) ni resistance perturbation distance; \(d_{DC0}\) ni DeltaCon0 graph distance. \(A\) ni adjacency matrix ya qMST husika.
Kadiri thamani hizi mbili zinavyoongezeka, inaonyesha kuwa miundo ya topolojia ya mitandao ya q=1 na q=4 inatofautiana zaidi. Katika chanzo, miruko mikubwa zaidi ya masafa haya ilionekana katika madirisha yale yale na matukio fulani ya soko ambapo sarafu-fiche nyingi zilishuka kwa kasi pamoja ndani ya dakika chache.
Mlinganyo 13: Autokorrelasheni ya masafa marefu ya metrika za mtandao na spektra
Utafiti huchunguza udumishaji wa mfululizo wa metrika \(x(k)\) unaotokana na madirisha yanayosogea kwa muda kwa kutumia funksia ifuatayo ya autokorrelasheni:
\[ A(x,\Delta k) = \frac{ \frac{1}{K} \sum_{k=1}^{K} \left[x(k)-\langle x(k)\rangle_i\right] \left[x(k+\Delta k)-\langle x(k)\rangle_k\right] }{ \sigma_x^2 }. \tag{13} \]
Hapa \(\sigma_x\) ni mkengeuko sanifu uliokadiriwa wa mfululizo \(x(k)\); \(\langle\cdot\rangle\) ni wastani uliokadiriwa katika maelezo ya chanzo; na \(\Delta k\) ni ucheleweshaji kwa vipimo vya dirisha linalosogea.
Kumbuka: Katika Mlinganyo 13 faharasa za chini za alama za wastani zimechapishwa kwa namna hii katika chanzo, lakini hakuna ufafanuzi wa ziada uliotolewa kuhusu majukumu yao tofauti ya kihisabati. Verianla haitoi ufafanuzi mpya kimyakimya.
Mbinu na Matokeo ya Utafiti
Ni nini kilibadilika katika muundo wa mtandao Mei 2022?
Kwa q=1 na s=10 dakika, muundo wa qMST kati ya 2021 na majira ya kuchipua ya 2022 ulikuwa na kitovu kikubwa. BTC ilikuwa nodi yenye daraja la juu zaidi katika madirisha mengi yanayosogea.
Mifano miwili iliyotolewa katika chanzo:
| Mwisho wa dirisha linalosogea | Nodi yenye daraja la juu zaidi | Daraja la nodi | Tafsiri ya chanzo |
|---|---|---|---|
| 25 Aprili 2022 | BTC | k=112 | Muundo wenye kitovu kikubwa |
| 18 Mei 2022 | ONT | k=33 | Mpito kuelekea muundo usio na kitovu zaidi |
Baada ya Mei 2022, \(\langle L\rangle\) mara nyingi ilibaki juu ya 3 na daraja la juu zaidi la nodi halikuzidi 90. Nafasi ya BTC kama hub kuu ya kudumu ilitoweka; katika nyakati tofauti mali kama ADA, DOT, ETH, LINK, MANA, SAND na VET zilikuwa nodi zenye daraja la juu zaidi.
Uhusiano na kuporomoka kwa Terra/Luna unapaswa kutafsiriwaje?
Chanzo kinaeleza kuwa mabadiliko ya regime katika qMST na sifa za spektra yalionekana wazi mwishoni mwa Aprili 2022 na yanaweza kuhusiana na kushuka kwa soko la sarafu-fiche kulikoharakishwa na kuporomoka kwa mfumo wa Terra/Luna Mei 2022.
Kauli hii si ushahidi wa sababu na athari. Utafiti haufanyi makadirio ya athari ya kisababishi yaliyodhibitiwa kwa namna ya “tukio la Terra/Luna lilisababisha kiasi hiki cha kutokuwa na kitovu katika qMST”. Ulinganifu wa muda ulioshuhudiwa na harakati ya soko hujadiliwa kama uhusiano.
Mitandao ya q=1 na q=4 ilitofautianaje?
Athari ya mabadiliko makubwa inapoongezwa kwa q=4:
- daraja la juu zaidi la nodi huwa chini kuliko q=1 katika vipindi vingi,
- urefu wa wastani wa njia huwa mkubwa zaidi katika vipindi vingi,
- nodi yenye daraja la juu zaidi hubadilika mara nyingi zaidi,
- topolojia ya mtandao huonekana kutokuwa thabiti na kuwa isiyo na kitovu zaidi,
- thamani eigen kubwa zaidi \(\lambda_1\) huwa ndogo kuliko q=1 katika madirisha mengi.
| Sifa | q=1 | q=4 |
|---|---|---|
| Mabadiliko yanayosisitizwa | Harakati za amplitude ya wastani/kati | Harakati kubwa |
| Uhusiano mtambuka | Mara nyingi huwa na nguvu zaidi | Mara nyingi huwa dhaifu zaidi |
| Daraja la juu zaidi la nodi | Kwa kawaida juu zaidi | Kwa kawaida chini zaidi |
| Urefu wa wastani wa njia | Kwa kawaida mfupi zaidi | Kwa kawaida mrefu zaidi |
| Muundo wa mtandao | Wenye kitovu zaidi | Usio na kitovu zaidi |
| Uthabiti wa hub | Thabiti zaidi | Hubadilika mara nyingi zaidi |
Kwa nini tabia ya q=4 inaweza kugeuka wakati wa kuporomoka kwa soko?
Ingawa mwelekeo wa jumla ni kwamba harakati kubwa huonyesha uhusiano dhaifu zaidi chini ya q=4, chanzo kilipata baadhi ya hali muhimu za kipekee.
Katika madirisha ya crash ambapo sarafu-fiche nyingi zilishuka kwa kasi katika mwelekeo mmoja ndani ya dakika chache, harakati kubwa zenyewe zilisawazishwa kwa nguvu. Katika vipindi hivyo:
- kwa q=4, \(\lambda_1\) ingeweza kupanda juu ya q=1,
- vipengele vya eigenvector ya kwanza vilikuwa sawia zaidi,
- entropia ya Shannon iliongezeka,
- q=4 qMST ilikaribia muundo usio na kitovu kabisa,
- katika baadhi ya madirisha \(\langle L\rangle>10\) ilionekana,
- metrika za graph-distance kati ya q=1 na q=4 zilikaribia thamani zao kubwa zaidi.
Hali inayoonekana kuwa ya kinyume hapa ni muhimu. Harakati ya pamoja yenye nguvu sana ya soko si lazima izalishe hub moja ya kati yenye umbo la nyota. Wakati mali zote zimeunganishwa kwa nguvu inayokaribiana, si lazima mali moja iwe kituo chenye upendeleo mkubwa kuliko nyingine; miunganisho ya MST inaweza kusambazwa kwa usawa zaidi.
Tofauti katika kipindi cha 2023–2024
Chanzo kinaeleza kwamba sehemu kubwa ya tofauti kubwa zaidi kati ya miundo ya q=1 na q=4 qMST ilionekana kati ya katikati ya 2023 na katikati ya 2024, na kinatafsiri hili kama kiashiria cha muundo usio thabiti zaidi wa soko katika kipindi hicho.
Katika kipindi cha Februari–Agosti 2024, SAND ilikuwa nodi yenye daraja la juu zaidi katika madirisha mengi yanayosogea na katika baadhi ya madirisha ilifikia:
\[ k=90 \]
thamani hiyo. Hata hivyo, chanzo kinasisitiza kuwa daraja hili la SAND halikufikia kiwango cha juu zaidi cha uelekeo wa kitovu cha BTC katika kipindi cha 2021–2022.
Nini kilibadilika market factor ilipoondolewa?
Market factor ya pamoja inayohusiana na \(\lambda_1\) ilipochujwa:
- thamani eigen kubwa zaidi \(\lambda'_1\) ya matriksi ya uhusiano iliyochujwa ilikuwa chini katika madirisha yote,
- daraja la juu zaidi la nodi lilipungua kwa kiasi kikubwa,
- urefu wa wastani wa njia uliongezeka katika madirisha mengi na qMST kwa ujumla ikawa isiyo na kitovu zaidi,
- thamani za graph-distance kati ya mitandao ya q=1 na q=4 zilipungua,
- mwonekano wa SAND kama hub inayotawala mwaka 2024 ulitoweka.
Hoja hii ya mwisho ni muhimu hasa: chanzo kinatafsiri kuwa mwonekano wa SAND kuwa na miunganisho mingi mwaka 2024 ulihusiana kwa kiasi kikubwa na market factor ya pamoja.
Kwa upande mwingine, majukumu muhimu ya BTC na ETH katika mtandao yaliendelea kuonekana hata baada ya market factor kuondolewa. Waandishi wanatafsiri hili kama matokeo yanayoashiria kuwa majukumu ya BTC na ETH katika muundo wa uhusiano wa soko ni ya kudumu zaidi.
Metrika za spektra na mtandao zinahusianaje?
Chanzo kilihesabu uhusiano wa Pearson kati ya mfululizo wa metrika zilizopatikana katika madirisha 1357 yanayosogea.
Uhusiano wenye nguvu zaidi unaonekana ndani ya makundi mawili makuu:
- Kundi la spektra: \(\lambda_1\), kipengele cha juu zaidi cha eigenvector na entropia ya Shannon.
- Kundi la mtandao: \(\langle L\rangle\) na \(k_{\max}\).
Uhusiano huu wa ndani ya kundi una nguvu zaidi kwa q=1, yaani harakati za amplitude ya kati/wastani, kuliko q=4. Market factor inapoondolewa, uhusiano kwa ujumla hudhoofika.
Hata hivyo, kwa q=4, hasa katika madirisha ya crash, uhusiano unaoonekana pia ulijitokeza kati ya metrika za spektra na mtandao. Mfano wa juu zaidi wa baina ya makundi uliotolewa na chanzo ni:
\[ \rho\left(\langle L\rangle,\lambda_1\right)\approx0.6 \]
katika kiwango hicho.
Thamani hii ni uhusiano kati ya metrika katika muktadha husika wa uchanganuzi pekee; haithibitishi kuwa mabadiliko katika \(\lambda_1\) yanasababisha \(\langle L\rangle\) kisababishi.
Autokorrelasheni ya masafa marefu ilionyesha nini?
Kwa sababu madirisha ya siku 7 husogezwa kwa hatua za kila siku, madirisha yanayofuatana hadi siku sita hushiriki data kwa kawaida. Kwa hiyo sehemu ya autokorrelasheni ya \(\Delta k\leq6\) siku inaweza kutokana na overlap ya madirisha.
Hata hivyo, utafiti unaripoti kuwa udumishaji wenye maana unaenea mbali zaidi ya hapo.
Kwa \(C(q=1,s=10)\) isiyochujwa, takribani:
- katika metrika za spektra \(\Delta k\approx150\) siku,
- kwa metrika za mtandao \(\langle L\rangle\) na \(k_{\max}\), \(\Delta k\approx250\) siku
za athari za autokorrelasheni ziliripotiwa.
Katika q=4 na baada ya market factor kuchujwa, masafa haya ni mafupi zaidi lakini bado yana maana kulingana na tathmini ya chanzo.
Waandishi wanahusisha tabia hii ya muda mrefu na sifa ya power-law decay ya autokorrelasheni ya volatili inayojulikana katika masoko ya fedha. Hii ni tafsiri ya utafiti; jaribio tofauti la kisababishi halikufanywa.
Tofauti ya usemi wa q=1 / q=2 ndani ya chanzo
Mbinu na grafu kuu za matokeo zinafanya ulinganisho wa kimajaribio waziwazi kwa q=1 na q=4. Chanzo kinaeleza kuwa kwa q=1 hakuna uongezaji wa ziada wa jamaa na mabadiliko ya wastani yana jukumu muhimu zaidi.
Hata hivyo, katika sehemu ya matokeo kuna sentensi yenye maana kwamba harakati kubwa zinapoimarishwa kwa q=4 mtandao huwa usio na kitovu kabisa, ilhali katika hali ya “medium-size fluctuations with q=2” muundo huwa na kitovu zaidi.
q=2 imefafanuliwa katika mbinu ya chanzo kama hali ya kawaida yenye uzani sawa. Kwa hiyo usemi wa q=2 katika sehemu ya matokeo hauendani kikamilifu na ulinganisho mkuu wa kimajaribio wa q=1/q=4. Verianla haubadilishi usemi huu kimyakimya kuwa q=1 na huacha tofauti ya uandishi ndani ya chanzo ionekane.
Maana ya utafiti kwa usimamizi wa jalada
Waandishi wanajadili kwamba muundo wa qMST unaoonyesha mahusiano tofauti ya mtandao katika amplitude tofauti za mabadiliko unaweza kutumika katika siku zijazo katika uchaguzi wa jalada.
Mantiki ya kidhana iliyopendekezwa na chanzo ni kama ifuatavyo:
- Ikiwa uhusiano kati ya mali ni wa juu zaidi katika mabadiliko ya kiwango cha kati, harakati ya pamoja ya mfumo inaweza kuwa na nguvu zaidi na utofautishaji zaidi unaweza kuhitajika.
- Katika kiwango cha mabadiliko makubwa, mitandao isiyo na kitovu zaidi inaweza kufanya mahusiano ya sekta au klasta yaonekane wazi zaidi.
- Taarifa za uelekeo wa kitovu na miunganisho ya qMST zinaweza kuchunguzwa katika siku zijazo kama ishara saidizi kwa maamuzi ya allocation, hedging au rebalancing.
Hata hivyo, utafiti haufanyi backtest ya jalada. Hakuna mkakati wa uwekezaji wa qMST uliopimwa katika makala hii kwa marejesho, uwiano wa Sharpe, drawdown, gharama za miamala au utendaji halisi wa uwekezaji. Sehemu ya Portfolio management ni uwezekano wa kimetodolojia na mwelekeo wa utafiti wa baadaye.
Matokeo yanayoungwa mkono na utafiti
- Muundo wa detrended cross-correlation wa sarafu-fiche 140 ulibadilika kwa kiasi kikubwa kwa muda katika kipindi cha 2021–2024.
- Katika muundo wa q=1 qMST, BTC ilikuwa na jukumu kuu lenye nguvu mwaka 2021 na majira ya kuchipua ya 2022.
- Baada ya Mei 2022, qMST kwa ujumla ikawa isiyo na kitovu zaidi na nodi yenye daraja la juu zaidi ikabadilika kati ya mali mbalimbali.
- Katika madirisha mengi yaliyochunguzwa, mabadiliko ya ukubwa wa kati/wastani yalionyesha uhusiano mtambuka wenye nguvu zaidi kuliko mabadiliko makubwa.
- q=4 qMST kwa ujumla ni zisizo na kitovu zaidi kuliko q=1 qMST.
- Wakati wa kuporomoka kwa soko kwa kiwango kikubwa, uhusiano wa harakati kubwa uliweza kuimarika kwa namna ya kipekee na mtandao wa q=4 ukaweza kuwa usio na kitovu kabisa.
- Kuondoa market factor kubwa zaidi ya pamoja kulipunguza uhusiano na daraja la juu zaidi la qMST, na kufanya muundo kuwa usio na kitovu zaidi katika madirisha mengi.
- Mwonekano wa SAND kama hub mwaka 2024 ulitoweka market factor ilipoondolewa, huku majukumu ya BTC na ETH yakionekana kuwa ya kudumu zaidi.
- Vipimo vya mtandao na spektra vilionyesha autokorrelasheni ya masafa marefu katika madirisha yanayosogea.
Ujumlishaji ambao utafiti hauungi mkono
- Muundo wa qMST si modeli iliyothibitishwa ya forecasting ya bei za baadaye za sarafu-fiche.
- Nodi kuwa katikati ya qMST haimaanishi kwamba bei ya sarafu-fiche hiyo itapanda.
- Daraja kubwa la nodi si kipimo cha marejesho ya uwekezaji au ubora wa uwekezaji.
- Kupungua kwa uelekeo wa kitovu wa BTC hakumaanishi Bitcoin imepoteza umuhimu wake wa kiuchumi.
- Utafiti huu haujathibitisha kwamba kuporomoka kwa Terra/Luna kulisababisha moja kwa moja mabadiliko yote ya mtandao yaliyoonekana.
- Mtandao wa q=4 kuwa usio na kitovu zaidi haimaanishi kiotomatiki kwamba soko ni salama zaidi au lina hatari ndogo ya kimfumo.
- Utafiti haujathibitisha faida ya jalada lolote la uwekezaji linalotegemea qMST.
- Haijathibitishwa kwamba sampuli ya 2021–2024 ya Binance inaweza kujumlishwa kwa njia ileile kwa masoko yote ya kubadilishana, vipindi vyote au regime za soko za baadaye.
- Mitandao ya uhusiano haionyeshi moja kwa moja mtiririko wa kisababishi wa fedha au taarifa.
Nguvu za utafiti
Nguvu muhimu ya kimetodolojia ya utafiti ni kutumia mbinu ya \(\rho_q(s)\) inayoweza kuchagua amplitude tofauti za mabadiliko kando badala ya mtandao mmoja wa uhusiano wa Pearson. Hivyo kwa soko lilelile maswali “limeunganishwaje katika harakati za wastani?” na “limeunganishwaje katika harakati kubwa sana?” yanaweza kuchunguzwa kando.
Nguvu ya pili ni seti ya data ya marudio ya juu na ya muda mrefu: sarafu-fiche 140 zilitathminiwa kwa azimio la dakika moja katika kipindi cha takribani miaka mitatu na miezi tisa.
Nguvu ya tatu ni ufuatiliaji wa pamoja wa topolojia ya mtandao na muundo wa spektra wa matriksi ya uhusiano. Graph metrics kama daraja la nodi na urefu wa wastani wa njia zilitathminiwa pamoja na spectral metrics kama \(\lambda_1\), eigenvector components na Shannon entropy.
Nguvu ya nne ni kwamba utafiti haukuishia kwenye modi ya jumla ya soko; market factor inayotokana na \(\lambda_1\) iliondolewa kwa regression na residual correlation structure ikachunguzwa kando.
Vikwazo na mipaka ya tafsiri
Muktadha wa soko moja la kubadilishana: Data zilitoka Binance. Mikrostruktura, ukwasi na tabia ya biashara katika masoko mengine zinaweza kutofautiana.
Kipindi cha kihistoria: Matokeo yanaeleza muundo wa data kati ya 1 Januari 2021–30 Septemba 2024.
Ujumuishaji wa stablecoin: Stablecoin ziliondolewa kwenye uchanganuzi kwa sababu ya volatili ndogo dhidi ya USDT. Kwa hiyo utafiti hauwakilishi muundo wa miunganisho ya stablecoin.
Kichujio cha taarifa cha MST: Miunganisho mingi katika mtandao kamili wa uhusiano hupunguzwa hadi kingo \(N-1\) pekee. Hii hufanya muundo mkuu wa kihierarkia usomeke, huku ikichuja kwa makusudi sehemu kubwa ya mahusiano katika mtandao kamili.
Uchaguzi wa q: Uchanganuzi mkuu wa kimajaribio unalenga q=1 na q=4. Ramani kamili ya nafasi yote ya q haijatolewa.
Kipimo cha muda: Matokeo makuu yametolewa kwa s=10 dakika. Topolojia inaweza kubadilika katika vipimo tofauti vya segmenti.
Utegemezi wa dirisha linalosogea: Kwa sababu madirisha ya siku 7 husogezwa kwa hatua za kila siku, madirisha yanayofuatana hushiriki data. Chanzo kinazingatia wazi kwamba sehemu ya siku sita za kwanza katika uchanganuzi wa autokorrelasheni inahusiana na overlap hii.
Tofauti kati ya uhusiano na sababu: qMST na \(\rho_q\) hupima harakati ya pamoja; hazionyeshi kwamba mali moja inasababisha nyingine kusogea.
Hakuna utendaji wa uwekezaji: Mapendekezo ya jalada katika utafiti ni mtazamo wa matumizi ya baadaye; backtest halisi ya jalada yenye gharama za miamala haikufanywa.
Umuhimu wa utafiti kwa mifumo changamano kwa upana zaidi
Mbinu ya qMST si maalum kwa soko la sarafu-fiche pekee. Mbinu ya kihisabati imejengwa juu ya kutenganisha uhusiano katika mifululizo ya muda ya vigezo vingi inayotokea kwa wakati mmoja na isiyo tuli kulingana na amplitude ya mabadiliko.
Kwa hiyo waandishi wanaeleza kwamba mbinu hiyo hiyo inaweza kutumika katika mifumo changamano ya kibaolojia, kijamii au mifumo mingine ya asili na iliyoundwa na binadamu. Hata hivyo, kuitumia katika nyanja nyingine hakumaanishi kuhamisha moja kwa moja matokeo ya sasa ya sarafu-fiche kwenda nyanja hiyo; inaonyesha tu kwamba mfumo wa kimetodolojia unaweza kuhamishwa.
Maelezo ya Chanzo na Mbinu
Kichwa asili katika chanzo kilichopakiwa: Filtering amplitude dependence of correlation dynamics in complex systems: application to the cryptocurrency market
Kichwa katika rekodi ya chapisho lililopitiwa na wataalamu: Filtering amplitude dependence of correlation dynamics in complex systems: Application to the cryptocurrency market
Waandishi: Marcin Wątorek; Marija Bezbradica; Martin Crane; Jarosław Kwapień; Stanisław Drożdż.
Mpangilio wa waandishi: Mpangilio uliotolewa katika chanzo umehifadhiwa bila kubadilishwa.
Contact authors: Marcin Wątorek na Stanisław Drożdż.
Mchango sawa: Chanzo kilichopakiwa hakionyeshi tamko la uandishi wa kwanza sawa/mchango sawa.
Marcin Wątorek: Faculty of Computer Science and Mathematics, Cracow University of Technology, Kraków, Poland; pamoja na Adapt Research Centre, School of Computing, Dublin City University, Dublin, Ireland.
Marija Bezbradica: Adapt Research Centre, School of Computing, Dublin City University, Dublin, Ireland.
Martin Crane: Adapt Research Centre, School of Computing, Dublin City University, Dublin, Ireland.
Jarosław Kwapień: Complex Systems Theory Department, Institute of Nuclear Physics, Polish Academy of Sciences, Kraków, Poland.
Stanisław Drożdż: Complex Systems Theory Department, Institute of Nuclear Physics, Polish Academy of Sciences, Kraków, Poland; pamoja na Faculty of Computer Science and Mathematics, Cracow University of Technology, Kraków, Poland.
Toleo lililopakiwa: arXiv:2509.18820v2 [q-fin.ST], 28 Oktoba 2025; tarehe kwenye PDF imeonyeshwa kama 29 Oktoba 2025.
Chapisho la sasa lililopitiwa na wataalamu: Physical Review E, Volume 112, Issue 4, Article 044309.
Mchapishaji: American Physical Society.
DOI: 10.1103/v7cl-h7xr.
Kiungo rasmi cha DOI: https://doi.org/10.1103/v7cl-h7xr
Tarehe rasmi ya kuchapishwa kwa makala: 22 Oktoba 2025.
Tarehe ya kupokelewa kwa makala: 12 Juni 2025.
Tarehe ya kukubaliwa: 22 Septemba 2025.
Hali ya mapitio ya kitaalamu: Utafiti umechapishwa katika Physical Review E kama journal article iliyopitiwa na wataalamu. Faili iliyopakiwa ni toleo la baadaye la arXiv v2; kwa hiyo kauli “faili iliyopakiwa ni preprint” na “utafiti bado ni preprint” zinapaswa kutofautishwa.
Leseni ya makala: Kwa kuwa leseni ya wazi ya matumizi tena ya rekodi ya sasa ya chapisho la APS haikuweza kuthibitishwa kwa uhakika kutoka kwenye chanzo kilichopakiwa na rekodi rasmi ya abstract iliyothibitishwa, Verianla haikutumia tena vielelezo vya chanzo moja kwa moja.
Seti ya data: 140 exchange rates from Binance from 01.01.2021 to 30.09.2024.
DOI ya seti ya data: 10.18150/WPGY4R.
Leseni ya seti ya data: CC0 1.0.
Upeo wa data: Viwango vya sarafu-fiche 140 kwenye Binance vilivyoelezwa kwa USDT, 1 Januari 2021–30 Septemba 2024, marudio ya dakika 1. Stablecoin ziliondolewa kwenye uchanganuzi.
Dokezo la tarehe ndani ya chanzo: Abstract inaeleza kipindi kwa kifupi kama “Jan 2021–Oct 2024”, huku sehemu ya kina ya Data Specification na rekodi ya repository ya data zikitoa tarehe sahihi ya mwisho kuwa 30 Septemba 2024. Verianla hutumia tarehe ya mbinu/repository kwa kipindi sahihi cha data.
Mbinu kuu: Mgawo wa q-dependent detrended cross-correlation \(\rho_q(s)\) unaotegemea Multifractal Detrended Fluctuation Analysis / Multifractal Detrended Cross-Correlation Analysis, q-dependent detrended minimum spanning tree, uchanganuzi wa spektra na uchanganuzi wa graph-distance.
Thamani kuu za q: q=1 na q=4.
Kipimo kikuu cha muda: s=10 dakika.
Dirisha linalosogea: siku 7, nukta za data 10.080; hatua ya siku 1, yaani nukta za data 1.440.
Jumla ya nafasi za rolling-window: K=1357.
Uchujaji wa mtandao: qMST huunda minimum spanning tree kutoka nodi \(N\) yenye kingo \(N-1\); kwa sarafu-fiche 140 kuna kingo 139 za qMST.
Metrika za spektra: Thamani eigen kubwa zaidi \(\lambda_1\), vipengele vya mraba vya eigenvector ya kwanza na Shannon entropy.
Metrika za mtandao: Daraja la nodi, daraja la juu zaidi la nodi na urefu wa wastani wa njia.
Metrika za graph-distance: DeltaCon0 \(d_{DC0}\) na resistance perturbation distance \(d_{rp1}\).
Uchujaji wa market-factor: Mchango wa pamoja wa variansia unaowakilishwa na \(\lambda_1\) uliondolewa kwa regression, na matriksi ya uhusiano iliyochujwa \(C'\) ikaundwa kutoka residual time series.
Dokezo la q ndani ya chanzo: Ingawa mbinu kuu na grafu zinalinganisha q=1 na q=4, katika sehemu ya matokeo kuna usemi “medium-size fluctuations with q=2”. Kwa kuwa q=2 imefafanuliwa katika sehemu ya mbinu kama hali ya kawaida yenye uzani sawa, usemi huu haukubadilishwa kimyakimya na Verianla.
Ufadhili: National Science Centre, Poland, grant 2023/07/X/ST 6/01569. Msaada kwa Marija Bezbradica na Martin Crane chini ya Science Foundation Ireland Grant Agreement No. 13/RC/2106_P 2 pia umetajwa kando.
Mgongano wa maslahi: Hakuna competing-interest declaration tofauti inayoonekana katika arXiv PDF iliyopakiwa; tamko lisilokuwapo kwenye chanzo halijaongezwa.
Michango ya waandishi: Toleo lililopakiwa haliripoti sehemu tofauti ya CRediT author-contribution.
Tafsiri ya kitakwimu: Utafiti unatumia uhusiano, uchanganuzi wa spektra, graph metrics na autokorrelasheni. Chanzo hakitoi matokeo makuu kama jaribio la nadharia linalotegemea p-value au confidence interval; kwa hiyo Verianla haitengenezi thamani ya p au confidence interval ambayo haipo kwenye chanzo.
Mpaka wa kimetodolojia: Utafiti ni uchanganuzi wa soko wa uchunguzi/kiasi unaoeleza muundo wa kihistoria wa uhusiano. Si modeli ya sababu, mfumo wa forecasting wa bei wala backtest ya mkakati wa uwekezaji.
Acha maoni
Anwani yako ya barua pepe haitachapishwa. Sehemu za lazima zimewekewa alama ya *