Akademik tadqiqotlar, tushunarli til

Verianla | O‘zbekcha akademik tadqiqotlar va ilm-fan

21 Noyabr 2026, Shanba
VERİANLA Mustaqil ilmiy nashriyot
Menyuni ochish yoki yopish
...
Bosh sahifa / Ijtimoiy fanlar / Moliyaviy iqtisodiyot / Murakkab Tizimlarda Korrelyatsiya Dinamikasining Amplitudaga Bogʻliqligini Filtrlash: Kriptovalyuta Bozoriga Tatbiq
Moliyaviy iqtisodiyot

Murakkab Tizimlarda Korrelyatsiya Dinamikasining Amplitudaga Bogʻliqligini Filtrlash: Kriptovalyuta Bozoriga Tatbiq

q-ga bogʻliq detrended minimum spanning tree (q-dependent detrended minimum spanning tree, qMST) nostatsionar ko‘p o‘zgaruvchili vaqt qatorlaridagi o‘zaro korrelyatsiyalarni tebranish amplitudasiga qarab tanlab o‘rganish uchun q-ga bogʻliq detrended cross-correlation koeffitsiyentidan hosil qilingan masofalardan foydalanadigan minimum spanning tree tarmogʻidir.

21/11/2026  Veri Anla  104 marta ko‘rildi
Murakkab Tizimlarda Korrelyatsiya Dinamikasining Amplitudaga Bogʻliqligini Filtrlash: Kriptovalyuta Bozoriga Tatbiq

q-ga bogʻliq detrended minimum spanning tree (q-dependent detrended minimum spanning tree, qMST), nostatsionar ko‘p o‘zgaruvchili vaqt qatorlaridagi o‘zaro korrelyatsiyalarni tebranish amplitudasiga qarab tanlab o‘rganish uchun q-ga bogʻliq detrended cross-correlation koeffitsiyentidan hosil qilingan masofalardan foydalanadigan minimum spanning tree tarmogʻidir. Tadqiqot Binance’da USDTda savdo qilinadigan 140 ta kriptovalyutaning 1 daqiqalik kurs ma’lumotlaridan foydalanib, kriptovalyuta bozorining korrelyatsiya tuzilishi vaqt davomida hamda ko‘rib chiqilayotgan tebranish kattaligiga qarab qanday o‘zgarishini o‘rganadi.

Ma’lumotlar 1-yanvar 2021-yildan 30-sentabr 2024-yilgacha bo‘lgan davrni qamrab oladi. Narxlar logarifmik daromadlarga aylantirilgan, o‘zaro korrelyatsiya tuzilishi 7 kunlik, ya’ni 10.080 ta kuzatuvni o‘z ichiga olgan sirg‘aluvchi oynalarda va har kuni 1.440 ta kuzatuvga siljitish orqali hisoblangan. Empirik taqqoslashning asosiy ikki holati q=1 va q=4 dir. q=1 holatida tebranishlar orasida qo‘shimcha nisbiy amplituda kuchaytirilishi qo‘llanmaydi va o‘rtacha/o‘rta kattalikdagi tebranishlar belgilovchi bo‘ladi, q=4 esa katta tebranishlar hissasini nisbatan kuchaytiradi.

Asosiy natija shuki, kriptovalyuta bozorining qMST tuzilishi vaqt davomida sezilarli darajada o‘zgaradi. 2021-yildan 2022-yil bahorigacha q=1 tarmog‘ida Bitcoin (BTC) ko‘pchilik oynalarda kuchli markaziy tugun sifatida ko‘ringan bo‘lsa, 2022-yil mayidan boshlab tarmoq ko‘proq markazsizlashgan va ADA, DOT, ETH, LINK, MANA, SAND hamda VET kabi turli aktivlar turli davrlarda yuqori bog‘lanishli tugunlar bo‘lgan. Masalan, 25-aprel 2022 oynasida BTC tugun darajasi k=112 bo‘lgan, 18-may 2022 misolida esa eng yuqori daraja ONT uchun k=33 deb qayd etilgan.

Tadqiqotning ikkinchi muhim natijasi korrelyatsiya tuzilishining tebranish amplitudasiga bog‘liq ekanidir. Ko‘rib chiqilgan davrning katta qismida q=1 bilan ta’kidlangan o‘rtacha/o‘rta kattalikdagi harakatlar o‘rtasidagi o‘zaro korrelyatsiyalar q=4 bilan ta’kidlangan katta harakatlar o‘rtasidagi korrelyatsiyalardan kuchliroqdir. Biroq katta bozor qulashlari mavjud ayrim oynalarda q=4 korrelyatsiyalari keskin kuchaygan va q=4 qMST tuzilishi to‘liq markazsiz shaklga yaqinlashgan. Bu munosabat narxni prognozlash modeli yoki isbotlangan investitsiya strategiyasi emas; tadqiqot tarixiy ma’lumotlardagi korrelyatsiya va tarmoq tuzilishini tahlil qiladi.

Tadqiqotning asosiy muammosi

Moliyaviy bozorlar ko‘plab aktivlarning bir vaqtdagi harakatlaridan tashkil topgan murakkab tizimlardir. Har bir kriptovalyuta alohida vaqt qatoriga ega bo‘lsa-da, narx harakatlari bir-biridan to‘liq mustaqil emas. Bir xil bozor shoki, likvidlik sharoiti, investor xatti-harakati yoki umumiy bozor harakati bir nechta aktivning bir vaqtda harakatlanishiga sabab bo‘lishi mumkin.

Standart korrelyatsiya tahlili odatda barcha tebranishlarni bir xil tarzda baholaydi. Ammo kichik, o‘rta va katta narx harakatlarining bozor ichidagi bog‘lanish tuzilishi bir xil bo‘lishi shart emas. Ushbu tadqiqotning asosiy savoli aynan shu yerda paydo bo‘ladi: Kriptovalyuta bozorining o‘zaro korrelyatsiya tarmog‘i qaysi kattalikdagi narx tebranishlariga e’tibor qaratilishiga qarab o‘zgaradimi?

Tadqiqot bu savolni hal qilish uchun detrended fluctuation/cross-correlation yondashuvini minimum spanning tree filtri bilan birlashtiradi. Shu tariqa nafaqat umumiy korrelyatsiya darajasi, balki turli tebranish amplitudalari hosil qiladigan tarmoq topologiyasi ham taqqoslanishi mumkin.

q-Ga Bogʻliq Detrended Cross-Correlation Koeffitsiyenti ρq(s) Nima?

q-ga bogʻliq detrended cross-correlation koeffitsiyenti \(\rho_q(s)\), ikki vaqt qatori orasidagi detrended o‘zaro korrelyatsiyani muayyan vaqt miqyosi \(s\) uchun o‘lchashda \(q\) parametri orqali turli amplitudadagi mahalliy tebranishlarning nisbiy hissasini o‘zgartira oladigan korrelyatsiya o‘lchovidir; q=2 teng vaznli standart holatga mos keladi, tadqiqotning empirik tahlilida esa q=1 va q=4 taqqoslangan.

Nega detrending kerak?

Narx va moliyaviy vaqt qatorlari ko‘pincha statsionar bo‘lmaydi. Uzoq muddatli yo‘nalishlar, mahalliy trendlar yoki turli davrlarda o‘zgaradigan o‘rtacha xatti-harakatlar klassik Pearson korrelyatsiyasini talqin qilishni qiyinlashtirishi mumkin. Detrended yondashuv avval mahalliy trendlarni olib tashlashga, so‘ng trenddan tozalangan tebranishlarning birgalikdagi harakatini o‘lchashga harakat qiladi.

Tenglama 1: Integrallashgan profillar

Manba ikki bir vaqtdagi vaqt qatorini:

\[ U=\{u(i)\}_{i=1}^{T}, \qquad V=\{v(i)\}_{i=1}^{T} \]

deb ta’riflaydi. Birinchi bosqichda har bir qator kumulyativ profilga aylantiriladi:

\[ \widetilde{u}(i)=\sum_{j=1}^{i}u(j), \qquad \widetilde{v}(i)=\sum_{j=1}^{i}v(j). \tag{1} \]

Formula nimani hisoblaydi? Har bir \(i\) nuqtagacha bo‘lgan kumulyativ yig‘indini hosil qiladi. Bu profillar keyingi mahalliy detrending jarayonining kirish ma’lumotidir.

O‘zgaruvchilar: \(T\) vaqt qatorining uzunligi, \(i\) vaqt indeksi, \(u(j)\) va \(v(j)\) dastlabki kuzatuvlardir.

Birlik: Umumiy usul nuqtayi nazaridan birlik ishlatiladigan kuzatiluvchi kattalik birligiga bog‘liq. Tadqiqotning kriptovalyuta qo‘llanilishida keyingi tahlil logarifmik daromadlar ustida olib boriladi; logarifmik daromadlar o‘lchovsizdir.

Tenglama 2: Mahalliy trendni chiqarish

Profillar \(s\) uzunlikdagi segmentlarga bo‘linadi. Ma’lumot yo‘qotilishini kamaytirish uchun segmentlash qatorlarning ham boshidan, ham oxiridan amalga oshiriladi va jami \(2M_s\) segment olinadi.

Har bir segmentda \(m\)-darajali polinom trend chiqarib tashlanadi:

\[ x(\nu s+k) = \widetilde{u}(\nu s+k) - P_{X,\nu}^{(m)}(k), \]

\[ y(\nu s+k) = \widetilde{v}(\nu s+k) - P_{Y,\nu}^{(m)}(k), \tag{2} \]

bu yerda:

  • \(k=1,\ldots,s\),
  • \(\nu=0,\ldots,2M_s-1\),
  • \(P_{X,\nu}^{(m)}\) va \(P_{Y,\nu}^{(m)}\) tegishli segmentda baholangan \(m\)-darajali polinom trendlardir.

Bu jarayonda \(x\) va \(y\) mahalliy trenddan tozalangan tebranishlardir. Demak, keyingi korrelyatsiya hisobi xom narx trendini emas, trend atrofidagi o‘zgarishlarni baholashni maqsad qiladi.

Tenglama 3: Segment ichidagi kovariatsiya va dispersiyalar

\[ f_{XY}^{2}(s,\nu) = \frac{1}{s} \sum_{k=1}^{s} x(\nu s+k)y(\nu s+k), \]

\[ f_{XX}^{2}(s,\nu) = \frac{1}{s} \sum_{k=1}^{s} x^{2}(\nu s+k), \]

\[ f_{YY}^{2}(s,\nu) = \frac{1}{s} \sum_{k=1}^{s} y^{2}(\nu s+k). \tag{3} \]

\(f_{XY}^{2}\) ikki detrended qatorning segment ichidagi birgalikdagi o‘zgarishini; \(f_{XX}^{2}\) va \(f_{YY}^{2}\) esa alohida mahalliy tebranish kattaliklarini ifodalaydi.

Bu yerdagi \(s\) ko‘rib chiqilayotgan vaqt miqyosidir. Tadqiqotning asosiy empirik qo‘llanilishida \(s=10\) daqiqa ishlatilgan.

Tenglama 4: q-tartibli tebranish funksiyalari

Segmentlar hissasi \(q\) bilan qayta vaznlanadi:

\[ F_{XY}^{q}(s) = \left\{ \frac{1}{2M_s} \sum_{\nu=0}^{2M_s-1} \operatorname{sign} \left[f_{XY}^{2}(s,\nu)\right] \left|f_{XY}^{2}(s,\nu)\right|^{q/2} \right\}^{1/q}, \]

\[ F_{XX}^{q}(s) = \left\{ \frac{1}{2M_s} \sum_{\nu=0}^{2M_s-1} \left[f_{XX}^{2}(s,\nu)\right]^{q/2} \right\}^{1/q}, \]

\[ F_{YY}^{q}(s) = \left\{ \frac{1}{2M_s} \sum_{\nu=0}^{2M_s-1} \left[f_{YY}^{2}(s,\nu)\right]^{q/2} \right\}^{1/q}. \tag{4} \]

Birinchi ifodada ishlatilgan \(\operatorname{sign}\) funksiyasi o‘zaro kovariatsiya manfiy bo‘lganda ishora ma’lumotini saqlashga va tebranish funksiyasining turli \(q\) qiymatlarida haqiqiy qiymatli bo‘lib qolishiga yordam beradi.

q parametrining asosiy roli: \(q\) kattalashgan sari segment ichidagi katta tebranishlarning nisbiy ta’siri kuchayadi. Shu sababli q=4 katta harakatlarga q=1 ga nisbatan ancha ko‘proq vazn beradi.

Tenglama 5: Bir o‘zgaruvchili masshtablash

Fraktal vaqt qatorlari uchun:

\[ F_{XX}^{q}(s)\sim s^{h_X(q)}, \qquad F_{YY}^{q}(s)\sim s^{h_Y(q)}. \tag{5} \]

\(h_X(q)\) va \(h_Y(q)\) umumlashtirilgan Hurst ko‘rsatkichlaridir. q=2 uchun ular klassik Hurst ko‘rsatkichi bilan bog‘liq.

Manba ta’rifiga ko‘ra \(h(q)\) doimiy bo‘lsa monofraktal masshtablash; \(q\) oshishi bilan tizimli ravishda o‘zgarsa multifraktal masshtablash mavjud bo‘ladi.

Tenglama 6: Ikki o‘zgaruvchili o‘zaro masshtablash

\[ F_{XY}^{q}(s) \sim s^{\lambda_{XY}(q)}. \tag{6} \]

\(\lambda_{XY}(q)\), ikki qator orasidagi o‘zaro korrelyatsiyalarning masshtablash xatti-harakatini tavsiflaydi. \(\lambda_{XY}(q)\) q-ga bog‘liq bo‘lmasa monofraktal o‘zaro korrelyatsiya, q-ga bog‘liq bo‘lsa multifraktal o‘zaro korrelyatsiya xatti-harakati mavjud.

Tenglama 7: q-ga bogʻliq detrended cross-correlation koeffitsiyenti

\[ \rho_q(s) = \frac{ F_{XY}^{q}(s) }{ \sqrt{ F_{XX}^{q}(s) F_{YY}^{q}(s) } }. \tag{7} \]

Ushbu tadqiqot uchun markaziy tenglama shu.

Formula nimani hisoblaydi? Muayyan \(s\) vaqt miqyosi va \(q\) amplituda vaznlashida ikki detrended vaqt qatorining normallashtirilgan o‘zaro korrelyatsiyasini hisoblaydi.

q≥0 uchun:

\[ -1\leq \rho_q(s)\leq 1. \]

Manba q<0 holatida bu chegara saqlanmasligi mumkinligini bildiradi va joriy tahlilni q≥0 bilan cheklaydi.

\(\rho_q(s)\), \(X\leftrightarrow Y\) almashuvida simmetrikdir. Manba shuningdek, koeffitsiyentdan foydalanish uchun tebranish funksiyalari mukammal power-law scaling ko‘rsatishi shart emasligini bildiradi.

qMST Nima va q Qiymati Tarmoq Tuzilishini Qanday O‘zgartiradi?

qMST har bir kriptovalyuta juftining \(\rho_q(s)\) qiymatini masofaga aylantirgandan so‘ng umumiy qirra vaznini eng kichik qiladigan \(N-1\) bog‘lanishni tanlaydigan minimum spanning tree-dir; tadqiqotda q=1 o‘rtacha/o‘rta kattalikdagi tebranishlarni, q=4 esa katta tebranishlarni kuchliroq ifodalagani uchun ayni bozor turli amplituda darajalarida turlicha tarmoq topologiyalarini yuzaga chiqaradi.

To‘liq korrelyatsiya matritsasi

N ta bir vaqtdagi vaqt qatori mavjud bo‘lganda har bir \(q,s\) kombinatsiyasi uchun:

\[ \frac{N(N-1)}{2} \]

ta turli juftning \(\rho_q(s)\) qiymati hisoblanadi.

Tadqiqotda \(N=140\) bo‘lgani uchun har bir oyna va har bir \(q,s\) kombinatsiyasi uchun nazariy jihatdan:

\[ \frac{140\times139}{2}=9730 \]

ta noyob kriptovalyuta jufti mavjud. Bu son manba bergan umumiy \(N(N-1)/2\) munosabatining \(N=140\) uchun bevosita matematik qo‘llanishidir; yangi tajriba natijasi emas.

Bu qiymatlar:

\[ C_{ij}(q,s)\equiv\rho_{q}^{ij}(s) \]

elementlariga ega \(N\times N\) o‘lchamli q-ga bogʻliq detrended cross-correlation matritsasi \(C(q,s)\) ichida joylashtiriladi.

Tenglama 8: Korrelyatsiya matritsasining spektral ajratilishi

\[ C(q,s)v_i(q,s) = \lambda_i(q,s)v_i(q,s). \tag{8} \]

Bu yerda:

  • \(\lambda_i\) korrelyatsiya matritsasining xos qiymatidir.
  • \(v_i\) tegishli xos vektordir.
  • \(\lambda_1\) eng katta xos qiymatdir.

Tadqiqotda \(\lambda_1\) umumiy bozorning birgalikdagi harakati uchun muhim ko‘rsatkich sifatida ishlatiladi. Katta \(\lambda_1\) ko‘plab aktivlar umumiy bozor komponentida kuchliroq qatnashayotganini ko‘rsatadi.

Tenglama 9: Korrelyatsiyani masofaga aylantirish

Korrelyatsiya koeffitsiyenti bevosita metrika emas; uchburchak tengsizlik shartini qanoatlantirmaydi. Shu sababli manba korrelyatsiyani quyidagi masofaga aylantiradi:

\[ D_{ij}(q,s) = \sqrt{ 2\left[1-C_{ij}(q,s)\right] }. \tag{9} \]

Manbada \(q\geq1\) holatida bu masofa zarur uchburchak tengsizlik shartini qanoatlantirishi qayd etilgan.

Matematik xatti-harakat: \(C_{ij}\) oshgani sari \(D_{ij}\) kamayadi. Boshqacha aytganda, kuchliroq musbat korrelyatsiyaga ega ikki kriptovalyuta qMSTda bir-biriga “yaqinroq” deb qaraladi.

Masalan, \(C_{ij}=1\) bo‘lsa:

\[ D_{ij}=0. \]

Bu faqat Tenglama 9 ning matematik chegaraviy holatidir; manba ma’lumotlar to‘plamidagi muayyan ikki aktiv uchun o‘lchangan yangi natija emas.

Minimum spanning tree qanday tanlanadi?

Masofa matritsasi olingandan so‘ng Prim yoki Kruskal algoritmi qo‘llanadi. \(N\) tugunli minimum spanning tree aynan:

\[ E=N-1 \]

ta qirrani o‘z ichiga oladi. Demak, 140 tugunli qMST 139 ta qirraga ega.

Manba Prim algoritmining zich tarmoqlarda \(O(E+N\log N)\), Kruskal algoritmining esa \(O(E\log N)\) murakkablikka ega ekanini va MST moliyaviy korrelyatsiya tarmoqlarida juda katta to‘liq tarmoqlarni o‘qish mumkin bo‘lgan holga keltirish uchun keng ishlatilishini tushuntiradi.

q=1, q=2 va q=4 bir xil emas

q qiymatiManbada berilgan rolUshbu tadqiqotdagi qo‘llanish
q=1Tebranishlarga qo‘shimcha nisbiy kuchaytirish qo‘llanmaydi; o‘rtacha/o‘rta kattalikdagi harakatlar roli aniq.Empirik qMST taqqoslashining asosiy past-q holati.
q=2Tebranishlar teng vaznlangan standart holat; \(\rho_q\), detrended cross-correlation yondashuvining standart xususiy holati bilan bog‘liq.Asosiy q=1/q=4 grafiklarining taqqoslash parametri emas.
q=4Katta tebranishlarning kichik tebranishlarga nisbatan hissasi kuchaytiriladi.Katta narx harakatlariga sezgir qMST tuzilishini o‘rganish uchun ishlatiladi.

Manba q>4 uchun yuqori tartibli momentlar katta moliyaviy daromadlarning taxminiy inverse-cubic tail xatti-harakati sabab yaqinlashmaslik xavfiga ega bo‘lishi mumkinligini bildiradi. Shu sababli q=4 joriy qo‘llanishda katta tebranishlarni kuchaytiradigan yuqori vakillik nuqtasi sifatida tanlangan.

Manba tadqiqotining Tenglama 1–9 hamda ma’lumot/usul bo‘limidagi jarayon ketma-ketligiga asoslanib Verianla uchun tayyorlangan source-derived, masshtabsiz usul sxemasidir.

Kriptovalyuta ma’lumotlari qanday tayyorlangan?

Ma’lumotlar to‘plami Binance’da USDTda ifodalangan, savdo hajmi yuqori 140 ta kriptovalyuta kursidan iborat. Stablecoin’lar USDTga nisbatan juda past volatillik ko‘rsatgani uchun tahlildan chiqarilgan.

Har bir narx qatori 1 daqiqalik chastotada namunalangan. Narx \(p_i(t_m)\), logarifmik daromadga:

\[ R_i(t_m) = \ln p_i(t_{m+1}) - \ln p_i(t_m) \]

ko‘rinishida aylantirilgan.

Logarifmik daromad nisbat ko‘rinishida bo‘lgani uchun o‘lchovsizdir. Musbat qiymat bir daqiqalik narx oshishini, manfiy qiymat narx pasayishini anglatadi; biroq kattalik to‘g‘ridan-to‘g‘ri foiz o‘zgarishi emas.

BandManbada ishlatilgan qiymat
Aktivlar soni140
KotirovkaUSDT
BirjaBinance
Aniq ma’lumot davri1-yanvar 2021 – 30-sentabr 2024
Namunalash1 daqiqa
Sirg‘aluvchi oyna7 kun = 10.080 ma’lumot nuqtasi
Oyna qadami1 kun = 1.440 ma’lumot nuqtasi
Asosiy vaqt miqyosis = 10 daqiqa
Empirik q qiymatlariq=1 va q=4
Jami sirg‘aluvchi oynalar soniK=1357
Chiqarib tashlangan guruhStablecoin’lar

Qaysi tarmoq va spektral metrikalar hisoblandi?

Har bir sirg‘aluvchi oynada qMST va korrelyatsiya matritsasidan bir nechta to‘ldiruvchi xususiyatlar chiqarilgan.

Tugun darajasi \(k_j\): Kriptovalyuta tuguniga bevosita ulangan MST qirralari sonidir. Katta daraja tegishli aktiv qMST ichida hub holatida ekanini ko‘rsatadi.

Maksimal daraja \(k_{\max}\): Bir oynadagi eng yuqori tugun darajasidir. Juda katta \(k_{\max}\) yulduzsimon markazlashgan tuzilishga mos keladi.

O‘rtacha yo‘l uzunligi:

\[ \langle L\rangle = \frac{1}{N(N-1)} \sum_{i=1}^{N} \sum_{j=i+1}^{N} L_{ij}, \]

bu yerda \(L_{ij}\), i va j tugunlari orasidagi daraxt yo‘lining uzunligidir. Manbada markazlashgan tuzilma kichikroq, tarqoq tuzilma esa kattaroq \(\langle L\rangle\) bilan bog‘langan.

Eng katta xos qiymat \(\lambda_1\): Bozorning umumiy korrelyatsiya komponentini, ya’ni “market factor” hissasini kuzatish uchun ishlatiladi.

Birinchi xos vektorning kvadrat komponentlari \(v_{1,j}^{2}\): Muayyan kriptovalyutalarning eng katta xos qiymat bilan bog‘liq umumiy bozor rejimiga hissasini ko‘rsatadi.

Shannon entropiyasi:

\[ H(v_1^2) = - \sum_{j=1}^{N} v_{1,j}^{2} \ln v_{1,j}^{2}. \]

Yuqoriroq entropiya birinchi xos vektor komponentlarining tengroq taqsimlanishiga; pastroq entropiya esa hissaning kamroq aktivlarda jamlanishiga mos keladi.

Bozor Omilini Filtrlash Nega Amalga Oshirilgan?

Bozor omilini filtrlash eng katta xos qiymat \(\lambda_1\) bilan ifodalangan butun bozorga umumiy harakat komponentini regressiya orqali chiqarib, umumiy bozor yo‘nalishi ostida yashirinib qolishi mumkin bo‘lgan qoldiq va aktivga xosroq o‘zaro korrelyatsiya tuzilishini o‘rganish uchun qo‘llangan.

Tenglama 12: Market factor regressiyasi

Manba har bir kriptovalyuta uchun:

\[ c_{\Delta t}^{(i)}(k) = a^{(i)} + b^{(i)}Z_1(k) + \epsilon^{(i)}(k), \]

va bozor omili uchun:

\[ Z_1(k) = \sum_{m=1}^{N} v_{1m} c_{\Delta t}^{(m)}(k) \tag{12} \]

ifodalaridan foydalanadi.

\(Z_1(k)\), eng katta xos qiymat \(\lambda_1\) bilan bog‘liq jami dispersiya hissasini ifodalaydi. Regressiya qoldiq qatorlari \(\epsilon^{(i)}(k)\) asosida yangi filtrlashdan o‘tgan korrelyatsiya matritsasi \(C'\) hosil qilinadi.

Filtrlangan matritsa yana:

\[ C'v'_i = \lambda'_i v'_i \]

xos qiymat muammosi bilan tahlil qilinadi.

Bu yerda bajarilayotgan amal BTC, ETH yoki boshqa kriptovalyutani ma’lumotlar to‘plamidan o‘chirish emas. Filtrlanayotgan unsur eng katta umumiy bozor rejimining dispersiya hissasidir.

Graf tuzilmalari orasidagi masofa qanday o‘lchandi?

q=1 va q=4 qMSTlari qachon bir-biridan eng ko‘p farqlanishini miqdoriy o‘lchash uchun manba ikkita graph-distance metrikasidan foydalanadi:

\[ d_{rp1} \left[ A(q=1,s=10,t), A(q=4,s=10,t) \right], \tag{10} \]

\[ d_{DC0} \left[ A(q=1,s=10,t), A(q=4,s=10,t) \right]. \tag{11} \]

\(d_{rp1}\), resistance perturbation distance; \(d_{DC0}\), DeltaCon0 graph distance. \(A\), tegishli qMSTning adjacency matrixidir.

Bu ikki qiymat kattalashgan sari q=1 va q=4 tarmoqlarining topologik tuzilmalari ko‘proq farqlangani anglashiladi. Manbada ushbu masofalarning eng katta sakrashlari ko‘plab kriptovalyutalar bir necha daqiqa ichida birgalikda keskin tushgan ayrim bozor hodisalari bilan bir xil oynalarda kuzatilgan.

Tenglama 13: Tarmoq va spektral metrikalarning uzoq masofali avtokorrelyatsiyasi

Tadqiqot sirg‘aluvchi oynalardan tashkil topgan \(x(k)\) metrika qatorlarining vaqt davomida saqlanishini quyidagi avtokorrelyatsiya funksiyasi bilan o‘rganadi:

\[ A(x,\Delta k) = \frac{ \frac{1}{K} \sum_{k=1}^{K} \left[x(k)-\langle x(k)\rangle_i\right] \left[x(k+\Delta k)-\langle x(k)\rangle_k\right] }{ \sigma_x^2 }. \tag{13} \]

Bu yerda \(\sigma_x\), \(x(k)\) qatorining baholangan standart og‘ishi; \(\langle\cdot\rangle\), manba izohida baholangan o‘rtacha qiymat; \(\Delta k\) esa sirg‘aluvchi oyna birligidagi kechikishdir.

Izoh: Tenglama 13 da o‘rtacha belgilarining pastki indekslari manbada shu ko‘rinishda bosilgan, ammo pastki indekslarning alohida matematik rollari haqida qo‘shimcha ta’rif berilmagan. Verianla bu yozuvni yashirincha qayta ta’riflamaydi.

Tadqiqot Usuli va Natijalari

2022-yil mayida tarmoq tuzilishida nima o‘zgardi?

q=1 va s=10 daqiqa uchun 2021-yildan 2022-yil bahorigacha bo‘lgan qMST tuzilishi kuchli markazlashgan. BTC ko‘pchilik sirg‘aluvchi oynalarda eng yuqori darajaga ega tugun bo‘lgan.

Manbada berilgan ikki misol:

Sirg‘aluvchi oynaning yakuniEng yuqori darajali tugunTugun darajasiManba talqini
25-aprel 2022BTCk=112Kuchli markazlashgan tuzilma
18-may 2022ONTk=33Ko‘proq markazsiz tuzilishga o‘tish

2022-yil mayidan keyin \(\langle L\rangle\) ko‘pincha 3 dan yuqori bo‘lib qolgan va maksimal tugun darajasi 90 dan oshmagan. BTCning doimiy asosiy hub holati yo‘qolgan; turli paytlarda ADA, DOT, ETH, LINK, MANA, SAND va VET kabi aktivlar eng yuqori darajali tugunga aylangan.

Manba 3-rasmda qayd etilgan 25-aprel 2022 BTC k=112 va 18-may 2022 ONT k=33 qiymatlariga asoslanib Verianla uchun tayyorlangan masshtabsiz, source-derived taqqoslash sxemasidir; manba qMSTning haqiqiy qirra joylashuvi qayta yaratilmagan.

Terra/Luna qulashiga aloqani qanday talqin qilish kerak?

Manba qMST va spektral xususiyatlardagi rejim o‘zgarishi 2022-yil aprel oxirida yaqqol ko‘ringanini va 2022-yil mayida Terra/Luna tizimining qulashi bilan tezlashgan kriptovalyuta bozori pasayishi bilan bog‘liq bo‘lishi mumkinligini bildiradi.

Bu bayonot sababiylik isboti emas. Tadqiqot “Terra/Luna hodisasi qMST markazsizlashuviga mana shuncha sabab bo‘ldi” shaklida nazorat qilingan sababiy ta’sir baholashini amalga oshirmaydi. Kuzatilgan vaqt mosligi va bozor harakati munosabat sifatida muhokama qilinadi.

q=1 va q=4 tarmoqlari qanday farq qildi?

q=4 bilan katta tebranishlar ta’siri kuchaytirilganda:

  • eng yuqori tugun darajasi ko‘p davrlarda q=1 dan pastroq,
  • o‘rtacha yo‘l uzunligi ko‘p davrlarda kattaroq,
  • eng yuqori darajali tugun tez-tez almashadi,
  • tarmoq topologiyasi kamroq barqaror va ko‘proq markazsiz ko‘rinadi,
  • eng katta xos qiymat \(\lambda_1\) ko‘p oynalarda q=1 dan kichikroq.
Xususiyatq=1q=4
Ta’kidlangan tebranishO‘rtacha/o‘rta amplitudali harakatlarKatta harakatlar
O‘zaro korrelyatsiyaKo‘p davrlarda kuchliroqKo‘p davrlarda zaifroq
Maksimal tugun darajasiOdatda yuqoriroqOdatda pastroq
O‘rtacha yo‘l uzunligiOdatda qisqaroqOdatda uzunroq
Tarmoq tuzilishiKo‘proq markazlashganKo‘proq markazsiz
Hub barqarorligiBarqarorroqTez-tez o‘zgaradigan

Bozor qulashlarida q=4 xatti-harakati nega teskariga o‘zgarishi mumkin?

Umumiy tendensiya katta harakatlarning q=4 ostida zaifroq korrelyatsiya ko‘rsatishi bo‘lsa-da, manba ayrim muhim istisnolarni topgan.

Ko‘plab kriptovalyutalar bir necha daqiqa ichida bir yo‘nalishda keskin tushgan crash oynalarida katta harakatlarning o‘zi kuchli sinxronlashgan. Bunday davrlarda:

  • q=4 uchun \(\lambda_1\) q=1 dan yuqoriga chiqishi mumkin bo‘lgan,
  • birinchi xos vektor komponentlari bir jinsliroq bo‘lgan,
  • Shannon entropiyasi oshgan,
  • q=4 qMST to‘liq markazsiz tuzilishga yaqinlashgan,
  • ayrim oynalarda \(\langle L\rangle>10\) kuzatilgan,
  • q=1 va q=4 orasidagi graph-distance metrikalari eng katta qiymatlariga yaqinlashgan.

Bu yerdagi ko‘rinishidan paradoksal holat muhim. Juda kuchli umumiy bozor harakati har doim yulduzsimon bitta markaziy hub hosil qilmaydi. Barcha aktivlar bir-biriga o‘xshash darajada kuchli bog‘langan holatda bitta aktivning boshqalardan ancha ustun markaz bo‘lishi shart emas; MST bog‘lanishlari bir tekisroq taqsimlanishi mumkin.

2023–2024 davridagi farq

Manba q=1 va q=4 qMST tuzilmalari orasidagi eng katta farqlarning muhim qismi 2023-yil o‘rtasi bilan 2024-yil o‘rtasi orasida kuzatilganini va buni bozorning o‘sha davrdagi beqarorroq tuzilishining ko‘rsatkichi sifatida talqin qilganini bildiradi.

2024-yil fevral–avgust davrida SAND ko‘plab sirg‘aluvchi oynalarda eng yuqori darajali tugun bo‘lgan va ayrim oynalarda:

\[ k=90 \]

qiymatiga yetgan. Shunga qaramay, manba SANDning bu darajasi BTCning 2021–2022 davridagi eng yuqori markazlashuv darajasiga yetmaganini ta’kidlaydi.

Bozor omili chiqarilganda nima o‘zgardi?

\(\lambda_1\) bilan bog‘liq umumiy bozor omili filtrlanganda:

  • filtrlangan korrelyatsiya matritsasining eng katta xos qiymati \(\lambda'_1\) barcha oynalarda pastroq bo‘lgan,
  • maksimal tugun darajasi sezilarli kamaygan,
  • o‘rtacha yo‘l uzunligi ko‘p oynalarda oshgan va qMST umuman olganda ko‘proq markazsizlashgan,
  • q=1 va q=4 tarmoqlari orasidagi graph-distance qiymatlari kamaygan,
  • SANDning 2024-yildagi ustun hub ko‘rinishi yo‘qolgan.

Bu so‘nggi band ayniqsa mazmunli: manba SANDning 2024-yilda yuqori bog‘lanishli ko‘rinishi katta darajada umumiy bozor omili bilan bog‘liq deb talqin qiladi.

Bunga qarshi ravishda BTC va ETHning muhim tarmoq rollari bozor omili chiqarilgandan keyin ham ko‘rinib qolgan. Mualliflar buni BTC va ETHning bozor korrelyatsiya tuzilishidagi rollari barqarorroq ekaniga ishora qiluvchi natija sifatida talqin qiladilar.

Spektral va tarmoq metrikalari bir-biri bilan qanday bog‘liq?

Manba 1357 ta sirg‘aluvchi oyna davomida olingan metrika qatorlarining o‘zaro Pearson korrelyatsiyalarini hisoblagan.

Eng kuchli munosabatlar ikki asosiy guruh ichida ko‘rinadi:

  • Spektral guruh: \(\lambda_1\), maksimal xos vektor komponenti va Shannon entropiyasi.
  • Tarmoq guruhi: \(\langle L\rangle\) va \(k_{\max}\).

Ushbu guruh ichidagi munosabatlar q=1, ya’ni o‘rta/o‘rtacha amplitudali harakatlarda q=4 ga qaraganda kuchliroq. Bozor omili chiqarilganda korrelyatsiyalar umuman zaiflashadi.

Biroq q=4 uchun, ayniqsa crash oynalarida spektral va tarmoq metrikalari orasida ham sezilarli bog‘lanishlar paydo bo‘lgan. Manba bergan eng yuqori guruhlararo misol:

\[ \rho\left(\langle L\rangle,\lambda_1\right)\approx0.6 \]

darajasidadir.

Bu qiymat faqat tegishli tahlil kontekstidagi metrikalararo korrelyatsiyadir; \(\lambda_1\) dagi o‘zgarish \(\langle L\rangle\) ni sababiy ravishda yuzaga keltirishini isbotlamaydi.

Uzoq masofali avtokorrelyatsiya nimani ko‘rsatdi?

7 kunlik sirg‘aluvchi oynalar kunlik qadamlar bilan siljitilgani sabab ketma-ket olti kungacha bo‘lgan oynalar tabiiy ravishda ma’lumot almashadi. Shu sababli \(\Delta k\leq6\) kunlik avtokorrelyatsiyaning bir qismi oyna overlapidan kelib chiqishi mumkin.

Biroq tadqiqot mazmunli davomiylik bundan ancha uzoqqa cho‘zilishini bildiradi.

Filtrlanmagan \(C(q=1,s=10)\) uchun taxminan:

  • spektral metrikalarda \(\Delta k\approx150\) kun,
  • tarmoq metrikalari \(\langle L\rangle\) va \(k_{\max}\) uchun \(\Delta k\approx250\) kun

uzunligida avtokorrelyatsiya izlari qayd etilgan.

q=4 holatida va bozor omili filtrlangandan keyin bu oraliqlar qisqaroq bo‘lsa-da, manba bahosiga ko‘ra baribir mazmunlidir.

Mualliflar bu uzoq muddatli xatti-harakatni moliyaviy bozorlarda ma’lum bo‘lgan volatillik avtokorrelyatsiyasining power-law decay xususiyati bilan bog‘laydi. Bu izoh tadqiqot talqinidir; alohida sababiy tajriba o‘tkazilmagan.

Manba ichidagi q=1 / q=2 ifoda farqi

Usul va asosiy natija grafiklari empirik taqqoslashni aniq q=1 va q=4 orqali olib boradi. Manba q=1 uchun qo‘shimcha nisbiy kuchaytirish yo‘qligini va o‘rtacha tebranishlar eng muhim rol o‘ynashini bildiradi.

Shunga qaramay, natijalar bo‘limida quyidagi ma’nodagi gap bor: katta harakatlar q=4 bilan kuchaytirilganda tarmoq to‘liq markazsizlashadi, “medium-size fluctuations with q=2” holatida esa tuzilma ko‘proq markazlashgan.

q=2 manba usulida teng vaznli standart holat sifatida ta’riflangan. Shu sababli natijalar bo‘limidagi q=2 ifodasi asosiy empirik q=1/q=4 taqqoslashiga to‘liq mos kelmaydi. Verianla bu ifodani avtomatik ravishda q=1 ga almashtirmaydi va manba ichidagi yozuv farqini ko‘rinadigan holda qoldiradi.

Tadqiqotning portfel boshqaruvi nuqtayi nazaridan ma’nosi

Mualliflar qMST tuzilishining turli tebranish amplitudalarida turlicha tarmoq munosabatlarini ko‘rsatishi kelajakda portfel tanlashda qo‘llanishi mumkinligini muhokama qiladilar.

Manba taklif qilgan konseptual mantiq quyidagicha:

  • O‘rta miqyosli tebranishlarda aktivlararo korrelyatsiya yuqoriroq bo‘lsa, tizimli umumiy harakat kuchliroq bo‘lishi va ko‘proq diversifikatsiya talab qilinishi mumkin.
  • Katta tebranishlar darajasida ko‘proq markazsiz tarmoqlar sektor yoki klasterga xos munosabatlarni yaqqolroq ko‘rsatishi mumkin.
  • qMST markaziylik va bog‘lanish ma’lumotlari kelajakda allocation, hedging yoki rebalancing qarorlariga yordamchi signal sifatida o‘rganilishi mumkin.

Biroq tadqiqot portfel backtestini amalga oshirmaydi. Har qanday qMST asosidagi investitsiya strategiyasining daromadi, Sharpe nisbati, drawdown, tranzaksiya xarajati yoki haqiqiy investitsiya samaradorligi ushbu maqolada o‘lchanmagan. Portfolio management bo‘limi uslubiy imkoniyat va kelajak tadqiqot yo‘nalishidir.

Tadqiqot qo‘llab-quvvatlaydigan natijalar

  • 140 ta kriptovalyutaning detrended o‘zaro korrelyatsiya tuzilishi 2021–2024 davrida vaqt bo‘yicha sezilarli o‘zgargan.
  • q=1 qMST tuzilishida BTC 2021-yil va 2022-yil bahorida kuchli markaziy rol o‘ynagan.
  • 2022-yil mayidan keyin qMST umuman ko‘proq markazsizlashgan va eng yuqori darajali tugun turli aktivlar orasida almashgan.
  • Ko‘rib chiqilgan oynalarning ko‘pchiligida o‘rta/o‘rtacha kattalikdagi tebranishlar katta tebranishlarga qaraganda kuchliroq o‘zaro korrelyatsiya ko‘rsatgan.
  • q=4 qMSTlar umuman q=1 qMSTlarga qaraganda ko‘proq markazsizdir.
  • Katta bozor qulashlari paytida katta harakatlar korrelyatsiyasi istisno tariqasida kuchayishi va q=4 tarmog‘i to‘liq markazsizlashishi mumkin bo‘lgan.
  • Eng katta umumiy bozor omilini chiqarish korrelyatsiyalarni va maksimal qMST darajasini kamaytirgan, tuzilmani ko‘p oynalarda ko‘proq markazsizlashtirgan.
  • SANDning 2024-yildagi hub ko‘rinishi bozor omili chiqarilganda yo‘qolgan, BTC va ETH rollari esa barqarorroq ko‘ringan.
  • Tarmoq va spektral o‘lchovlar sirg‘aluvchi oynalar bo‘ylab uzoq masofali avtokorrelyatsiya ko‘rsatgan.

Tadqiqot qo‘llab-quvvatlamaydigan umumlashtirishlar

  • qMST tuzilishi kelajak kriptovalyuta narxlarini prognozlaydigan tasdiqlangan forecasting modeli emas.
  • Tugunning qMST markazida bo‘lishi o‘sha kriptovalyuta narxi oshishini ko‘rsatmaydi.
  • Yuqori tugun darajasi investitsiya daromadi yoki investitsiya sifati o‘lchovi emas.
  • BTCning markaziylikni yo‘qotishi Bitcoin iqtisodiy ahamiyatini yo‘qotganini anglatmaydi.
  • Terra/Luna qulashining kuzatilgan barcha tarmoq o‘zgarishlariga bevosita sabab bo‘lgani ushbu tadqiqot tomonidan isbotlanmagan.
  • q=4 tarmog‘ining ko‘proq markazsiz bo‘lishi avtomatik ravishda bozor xavfsizroq yoki tizimli xavfi kamroq degani emas.
  • Tadqiqot qMST asosidagi biror investitsiya portfelining foydaliligini tasdiqlamagan.
  • Binance’dagi 2021–2024 namunasi barcha birjalar, barcha davrlar yoki kelajak bozor rejimlariga aynan shunday umumlashtirilishi mumkinligi isbotlanmagan.
  • Korrelyatsiya tarmoqlari sababiy pul yoki axborot oqimini bevosita ko‘rsatmaydi.

Tadqiqotning kuchli tomonlari

Tadqiqotning muhim uslubiy kuchli tomoni bitta Pearson korrelyatsiya tarmog‘i o‘rniga turli tebranish amplitudalarini alohida tanlay oladigan \(\rho_q(s)\) yondashuvidan foydalanishidir. Shu tariqa ayni bozor uchun “o‘rtacha harakatlarda qanday bog‘langan?” va “juda katta harakatlarda qanday bog‘langan?” savollari alohida o‘rganilishi mumkin.

Ikkinchi kuchli tomon yuqori chastotali va uzoq ma’lumotlar to‘plamidir: 140 ta kriptovalyuta taxminan uch yil to‘qqiz oylik davr davomida bir daqiqalik aniqlikda baholangan.

Uchinchi kuchli tomon tarmoq topologiyasi bilan korrelyatsiya matritsasining spektral tuzilishi birgalikda kuzatilganidir. Tugun darajasi va o‘rtacha yo‘l uzunligi kabi graph metrics; \(\lambda_1\), eigenvector components va Shannon entropy kabi spectral metrics bilan birga baholangan.

To‘rtinchi kuchli tomon faqat umumiy bozor rejimiga qarash bilan cheklanmay, \(\lambda_1\) bilan bog‘liq market factor regressiya orqali chiqarilgan va residual correlation structure alohida o‘rganilganidir.

Cheklovlar va talqin chegaralari

Bitta birja konteksti: Ma’lumot Binance’dan olingan. Boshqa birjalardagi mikrostruktura, likvidlik va savdo xatti-harakati farq qilishi mumkin.

Tarixiy davr: Natijalar 1-yanvar 2021–30-sentabr 2024 orasidagi ma’lumot tuzilishini tushuntiradi.

Stablecoin qamrovi: Stablecoin’lar USDTga nisbatan past volatillik sabab tahlildan chiqarilgan. Shu sababli tadqiqot stablecoin bog‘lanish tuzilishini ifodalamaydi.

MST ma’lumot filtri: To‘liq korrelyatsiya tarmog‘idagi ko‘plab bog‘lanishlar faqat \(N-1\) qirraga qisqartiriladi. Bu asosiy ierarxik tuzilmani o‘qilishi oson holga keltiradi, biroq to‘liq tarmoqdagi munosabatlarning katta qismini ataylab filtrlaydi.

q tanlovi: Asosiy empirik tahlil q=1 va q=4 ga qaratilgan. Butun q fazosining to‘liq xaritasi tuzilmagan.

Vaqt miqyosi: Asosiy natijalar s=10 daqiqa bo‘yicha taqdim etilgan. Turli segment miqyoslarida topologiya o‘zgarishi mumkin.

Sirg‘aluvchi oynaga bog‘liqlik: 7 kunlik oynalar kunlik qadamlar bilan siljitilgani sabab ketma-ket oynalar ma’lumot almashadi. Manba avtokorrelyatsiya tahlilida dastlabki olti kunlik qism ushbu overlap bilan bog‘liq ekanini aniq hisobga oladi.

Korrelyatsiya-sababiylik farqi: qMST va \(\rho_q\) birgalikdagi harakatni o‘lchaydi; bir aktiv boshqasini sababiy ravishda harakatga keltirayotganini ko‘rsatmaydi.

Investitsiya samaradorligi yo‘q: Tadqiqotning portfel takliflari kelajakdagi qo‘llanish istiqbolidir; tranzaksiya xarajatlarini hisobga olgan haqiqiy portfel backtesti o‘tkazilmagan.

Tadqiqotning kengroq murakkab tizimlar nuqtayi nazaridan ahamiyati

qMST yondashuvi faqat kriptovalyuta bozoriga xos emas. Matematik usul bir vaqtdagi ko‘p o‘zgaruvchili va nostatsionar vaqt qatorlaridagi korrelyatsiyalarni tebranish amplitudasiga qarab ajratishga asoslangan.

Shu sababli mualliflar ayni yondashuv biologik, ijtimoiy yoki boshqa tabiiy va inson yaratgan murakkab tizimlarda ham qo‘llanishi mumkinligini bildiradilar. Biroq boshqa sohaga qo‘llash mavjud kriptovalyuta natijalarini bevosita o‘sha sohaga ko‘chirish degani emas; faqat uslubiy doiraning ko‘chirilishi mumkinligini anglatadi.

Manba va Usul Haqida Izoh

Yuklangan manbadagi asl sarlavha: Filtering amplitude dependence of correlation dynamics in complex systems: application to the cryptocurrency market

Taqrizlangan nashr qaydidagi sarlavha: Filtering amplitude dependence of correlation dynamics in complex systems: Application to the cryptocurrency market

Mualliflar: Marcin Wątorek; Marija Bezbradica; Martin Crane; Jarosław Kwapień; Stanisław Drożdż.

Mualliflar tartibi: Manbada berilgan tartib aynan saqlangan.

Contact authors: Marcin Wątorek va Stanisław Drożdż.

Teng hissa: Yuklangan manbada teng birinchi mualliflik/teng hissa bayonoti ko‘rsatilmagan.

Marcin Wątorek: Faculty of Computer Science and Mathematics, Cracow University of Technology, Kraków, Poland; shuningdek 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; shuningdek Faculty of Computer Science and Mathematics, Cracow University of Technology, Kraków, Poland.

Yuklangan versiya: arXiv:2509.18820v2 [q-fin.ST], 28-oktabr 2025; PDFda sana 29-oktabr 2025 deb ko‘rsatilgan.

Joriy taqrizlangan nashr: Physical Review E, Volume 112, Issue 4, Article 044309.

Nashriyot: American Physical Society.

DOI: 10.1103/v7cl-h7xr.

Rasmiy DOI havolasi: https://doi.org/10.1103/v7cl-h7xr

Maqolaning rasmiy nashr sanasi: 22-oktabr 2025.

Maqola qabul qilingan sana: 12-iyun 2025.

Qabul sanasi: 22-sentabr 2025.

Taqriz holati: Tadqiqot Physical Review E’da taqrizlangan journal article sifatida chop etilgan. Yuklangan fayl keyingi arXiv v2 versiyasidir; shu sababli “yuklangan fayl preprint” va “tadqiqot hanuz preprint” ifodalari bir-biridan ajratilishi kerak.

Maqola litsenziyasi: Joriy APS nashr qaydining ochiq qayta foydalanish litsenziyasi yuklangan manba va tasdiqlangan rasmiy abstract qaydidan aniq aniqlanmagani uchun Verianla manba figuralarini aynan qayta ishlatmagan.

Ma’lumotlar to‘plami: 140 exchange rates from Binance from 01.01.2021 to 30.09.2024.

Ma’lumotlar to‘plami DOI: 10.18150/WPGY4R.

Ma’lumotlar to‘plami litsenziyasi: CC0 1.0.

Ma’lumotlar qamrovi: Binance’da USDTda ifodalangan 140 ta kriptovalyuta kursi, 1-yanvar 2021–30-sentabr 2024, 1 daqiqalik chastota. Stablecoin’lar tahlildan chiqarilgan.

Manba ichidagi sana izohi: Abstract davrni qisqacha “Jan 2021–Oct 2024” deb ifodalaydi, batafsil Data Specification bo‘limi va ma’lumot repository qaydi esa aniq yakuniy sanani 30-sentabr 2024 deb beradi. Verianla aniq ma’lumot davri uchun usul/repository sanasidan foydalanadi.

Asosiy usul: Multifractal Detrended Fluctuation Analysis / Multifractal Detrended Cross-Correlation Analysis asosidagi q-ga bogʻliq detrended cross-correlation koeffitsiyenti \(\rho_q(s)\), q-dependent detrended minimum spanning tree, spektral tahlil va graph-distance tahlili.

Asosiy q qiymatlari: q=1 va q=4.

Asosiy vaqt miqyosi: s=10 daqiqa.

Sirg‘aluvchi oyna: 7 kun, 10.080 ma’lumot nuqtasi; 1 kunlik, ya’ni 1.440 ma’lumot nuqtali qadam.

Jami rolling-window holati: K=1357.

Tarmoq filtrlashi: qMST, \(N\) tugundan \(N-1\) qirrali minimum spanning tree hosil qiladi; 140 ta kriptovalyuta uchun 139 ta qMST qirrasi mavjud.

Spektral metrikalar: Eng katta xos qiymat \(\lambda_1\), birinchi xos vektorning kvadrat komponentlari va Shannon entropy.

Tarmoq metrikalari: Tugun darajasi, maksimal tugun darajasi va o‘rtacha yo‘l uzunligi.

Graph-distance metrikalari: DeltaCon0 \(d_{DC0}\) va resistance perturbation distance \(d_{rp1}\).

Market-factor filtrlashi: \(\lambda_1\) bilan ifodalangan umumiy dispersiya hissasi regressiya orqali chiqarilgan, residual time series asosida filtrlangan \(C'\) korrelyatsiya matritsasi hosil qilingan.

Manba ichidagi q izohi: Asosiy usul va grafiklar q=1 bilan q=4 ni taqqoslaydi, natijalar bo‘limida esa “medium-size fluctuations with q=2” iborasi mavjud. q=2 usul bo‘limida teng vaznli standart holat sifatida ta’riflangani uchun bu ibora Verianla tomonidan yashirincha o‘zgartirilmagan.

Moliyalashtirish: National Science Centre, Poland, grant 2023/07/X/ST 6/01569. Marija Bezbradica va Martin Crane uchun Science Foundation Ireland Grant Agreement No. 13/RC/2106_P 2 doirasidagi qo‘llab-quvvatlash ham alohida ko‘rsatilgan.

Manfaatlar to‘qnashuvi: Yuklangan arXiv PDFda alohida competing-interest declaration ko‘rinmaydi; manbada mavjud bo‘lmagan bayonot qo‘shilmagan.

Muallif hissalari: Yuklangan versiyada alohida CRediT author-contribution bo‘limi qayd etilmagan.

Statistik talqin: Tadqiqot korrelyatsiya, spektral tahlil, graph metrics va avtokorrelyatsiyadan foydalanadi. Manba asosiy natijalarni p-value yoki confidence interval asosidagi gipoteza testi sifatida taqdim etmaydi; shu sababli Verianla manbada bo‘lmagan p qiymati yoki ishonch oralig‘ini yaratmaydi.

Uslubiy chegara: Tadqiqot tarixiy korrelyatsiya tuzilishini tushuntiradigan kuzatuvchi/miqdoriy bozor tahlilidir. Sababiy model, narx forecasting tizimi yoki investitsiya strategiyasi backtesti emas.


Ulashish:

Izohlar ko‘rib chiqilgandan keyin e’lon qilinadi. Izohingiz tasdiqlash jarayoniga yuboriladi va ma’qullangach ko‘rinadi.

Izoh qoldiring

E-pochta manzilingiz chop etilmaydi. Majburiy maydonlar * bilan belgilangan