بهترین روش ها برای اندازه گیری نقدینگی بازار cryptocurrency

• توسط سام ون دو شوتبروگ
• ثبت نام برای بحث در مورد Slack
• 5 دقیقه بخوانید

خلاصه

• مجله جدید مقاله بانکی و دارایی به بررسی چگونگی اندازه گیری نقدینگی در بازارهای رمزنگاری شده با استفاده از داده های با فرکانس پایین می پردازد.
• داده های با فرکانس پایین شامل داده هایی در مورد قیمت های باز ، بالا ، پایین و بسته و همچنین تعداد معاملات و حجم معاملات دلار برای هر زیر بند است.
• نسبت نقدینگی Amihud برای سرمایه گذاران که به دنبال مایع ترین مبادلات رمزنگاری هستند ، مناسب است. در همین حال ، اقداماتی که از قیمت های بالا ، پایین و پایانی استفاده می کنند ، در برآورد نقدینگی در مبادلات بهتر است.

مقدمه و انگیزه

عدم وجود خوراک داده های تنظیم شده و فراوانی مبادلات رمزنگاری ، دسترسی به سرمایه گذاران را برای افزایش پیشنهادات پیشنهادی با فرکانس بالا که برای محاسبه نقدینگی استفاده می شود ، دشوار می کند. در نتیجه ، بیشتر معامله گران برای ارزیابی کیفیت بازار به داده های مبتنی بر معاملات با فرکانس پایین مانند قیمت های روزانه بالا ، پایین و پایانی متکی هستند.

مقاله ای که اخیراً از مجله بانکی و دارایی منتشر شده است ، بررسی می کند که نقدینگی مبتنی بر معامله که سرمایه گذاران باید هنگام محاسبه سطح نقدینگی ، و (ب) مقایسه نقدینگی در مبادلات ، از آن استفاده کنند. با مقایسه این اقدامات در برابر مجموعه ای از برآورد نقدینگی معیار بر اساس داده های کتاب سفارش ، آنها موارد زیر را می یابند:

• اقداماتی که از قیمت های بالا ، پایین و پایانی استفاده می کنند (B و D در بخش بعدی) بهترین تغییرات در نقدینگی رمزنگاری را ضبط می کنند.
• عملکرد نسبی اقدامات نقدینگی به رژیم نقدینگی بستگی ندارد ، اما دو بهترین اندازه گیری بیشتر در دوره های دارای نوسانات بالا و حجم بالا از آن بهتر عمل می کنند.
• سرمایه گذاران باید از اقدامات مختلفی برای برآورد سطح نقدینگی در مقابل مقایسه نقدینگی در مبادلات استفاده کنند.

روش شناسی - اندازه گیری نقدینگی رمزنگاری

نویسندگان عملکرد برخی از اقدامات متداول مبتنی بر معامله را با نقدینگی مقایسه می کنند. اینها از داده های مربوط به قیمت های باز ، بالا ، پایین و بسته و همچنین تعداد معاملات و حجم معاملات دلار برای هر زیر بند محاسبه می شود. این موارد اصلی است:

1. Amihud (2002): نسبت عدم اعتبار ، بازده مطلق Intraday را که براساس حجم معاملات دلار برای هر زیر زیر ارزش تقسیم می شود محاسبه می کند (به عنوان مثال ، یک روز). سپس این به طور متوسط در یک بازه معین انجام می شود.
2. Corwin and Schultz (2012): این برآوردگر از قیمت های بالا و پایین دو زیرنویس مجاور محاسبه می شود.
3. Kyle and Obizehaeva (2016): آنها یک شاخص نقص را بر اساس نسبت نوسانات به حجم دلار دارایی در یک بازه معین استخراج می کنند.
4. ABDI و Ranaldo (2017): این برآوردگر مبتنی بر لگاریتم های طبیعی قیمت های بالا ، پایین و پایانی در زیرمجموعه است.

برای ارزیابی اینکه کدام اقدامات نقدینگی cryptocurrency مبتنی بر معامله به بهترین وجه کار می کند ، نویسندگان چهار معیار معیار نقدینگی حاصل از داده های کتاب سفارش با فرکانس بالا ایجاد می کنند:

1. درصد به نقل از گسترش یافته: این اختلاف درصد بین بهترین قیمت سؤال و بهترین قیمت پیشنهاد هر عکس از کتاب سفارش است که بر اساس نقطه میانی نقل قول تقسیم شده و سپس به طور متوسط در تمام مشاهدات در بازه متوسط است.
2. درصد گسترش موثر: آنها عکسهای فوری سفارش را با اولین معامله که پس از عکس فوری اتفاق می افتد ترکیب می کنند. گسترش درصد اختلاف بین این قیمت معامله و نقطه میانی است که بر اساس نقطه میانی تقسیم می شود و سپس به طور متوسط در تمام مشاهدات در بازه به طور متوسط انجام می شود.
3. درصد تأثیر قیمت: آنها از توالی های داده متشکل از عکس فوری سفارش ، اولین معامله پس از عکس فوری و عکس فوری کتاب سفارش بعدی استفاده می کنند. سپس تأثیر قیمت به عنوان درصد تغییر در نقطه میانی نقل قول از عکس فوری قبل از تعویض کتاب به عکس فوری پس از حرکت محاسبه می شود ، که به طور متوسط در تمام توالی های داده در فاصله زمانی قرار دارد.
4. هزینه تجارت دورگرد: آنها میانگین وزن برای سفارش خرید بازار و سفارش فروش بازار از اندازه معین را محاسبه می کنند و سپس تفاوت بین دو قیمت را به عنوان بخشی از نقطه میانی نقل قول بیان می کنند. آنها سپس به طور متوسط در تمام عکسهای فوری کتاب در فاصله زمانی محاسبه می کنند. اندازه گیری سفر دور تخمین هزینه های اجرای معاملات بزرگ را ارائه می دهد.

نویسندگان عملکرد خود را در سه بعد به دست می آورند:

• توانایی آنها در ضبط تغییرات سری زمانی در نقدینگی.
• توانایی آنها در گرفتن سطح نقدینگی.
• توانایی آنها در گرفتن اختلاف در نقدینگی در صرافی ها.

داده ها

زیربنای اقدامات نقدینگی ، داده های مربوط به بیت کوین و اتریوم از سه مبادله-Bitfinex ، Bitstamp و Coinbase Pro-که در طی یک دوره دو ساله (2017-2019) تهیه شده است. هر سه کتاب یک کتاب سفارش محدود مرکزی را اداره می کنند ، که از این طریق نویسندگان اطلاعات مربوط به معاملات و عکس های مربوط به کتاب را شامل می شوند که شامل 50 بهترین پیشنهاد و درخواست می شود (نمودار 1).

داده های معامله مورد استفاده برای اقدامات با فرکانس پایین شامل قیمت و حجم معاملات دلار مربوطه برای هر معامله ، یک تمبر زمان یونیکس ، یک شناسه منحصر به فرد مبادله و یک شاخص تجارت است که نشان می دهد آیا یک معامله با خریدار انجام شده است یا فروشنده-آغاز شدهبرای نتایج اصلی ، داده ها در فرکانس های یک ساعته جمع آوری می شوند تا تخمین نقدینگی روزانه را بدست آورند.

Source: Kaiko

نتایج - مبادلات

آمار توصیفی نشان می دهد که فعالیت معاملاتی برای BTC/USD نسبت به ETH/USD در هر سه مبادله ، به ویژه از نظر حجم معاملات USD ، به طور قابل توجهی بالاتر است. Coinbase Pro فعال ترین مبادله است ، اما Bitfinex بالاترین حجم روزانه USD را دارد.

در مورد نقدینگی ، درصد هزینه معاملات در بازارهای رمزنگاری بسیار کم است. به طور متوسط نقل شده و گسترش مؤثر در Bitfinex و Coinbase Pro زیر 1bp است. تأثیر قیمت در این دو مبادله تقریباً 40 ٪ از گسترش مؤثر است ، دلالت بر این دارد که تأمین کنندگان نقدینگی به طور متوسط گسترش مثبت بسیار کمی دارند. این مورد در مورد Bitstamp نیست ، جایی که به نظر می رسد تأمین کنندگان نقدینگی گسترش قابل توجهی را کسب می کنند.

به طور کلی ، نویسندگان نشان می دهند که هر سه مبادله شباهت های شدیدی را در اقدامات نقدینگی ، چه در داخل و چه بین سه مبادله نشان می دهد. با این حال ، Bitstamp نسبت به دو مبادله دیگر برای ETH/USD مایع کمتری است.

نتایج-تغییر سری زمانی در نقدینگی

یک اندازه گیری دقیق مبتنی بر معاملات باید تغییر سری زمانی در نقدینگی را ضبط کند و بنابراین باید با اقدامات معیار همبستگی مثبت داشته باشد. با مقایسه صحت اقدامات نقدینگی در فرکانس روزانه ، برآوردگرهای ABDI و Ranaldo (2017) و Corwin و Schultz (2012) بهترین عملکرد را انجام می دهند ، به خصوص در برابر گسترش مؤثر (نمودار 2). گسترش مؤثر همچنین با تعداد معاملات و حجم معاملات دلار بسیار مرتبط است. این بدان معنی است که فعالیت تجاری بالاتر با هزینه های اجرای بالاتر همراه است.

Source: Paper, page 24

عملکرد ضعیف اندازه گیری گسترده Amihud (2002) به شرح زیر توجیه می شود: "نسبت نقدینگی براساس این پیش فرض است که ، در یک بازار کمتر مایع ، یک حجم معاملات دلار معین تأثیر بیشتری بر قیمت ها خواهد داشت و به این ترتیب نتیجه می گیرددر تغییر قیمت بزرگتر. با توجه به اینکه حجم معاملات دلار با هزینه های اجرای بالاتر در بازارهای رمزنگاری ارتباط مثبت دارد ، اندازه گیری Amihud (2002) خراب شده است.

علاوه بر این نتیجه اصلی ، دو نفر دیگر از هم ایستادگی می کنند. اول ، یک اندازه گیری ترکیبی متشکل از هر چهار برآوردگر نقدینگی مبتنی بر معامله ، بهتر از عبدی و رانالدو (2017) و کوروین و شولتز (2012) نیست. دوم ، دو بهترین اقدامات در دوره هایی با نوسانات بالا و حجم زیاد بهتر عمل می کنند و عملکرد آنها در دوره های بازده بالا و پایین تغییر نمی کند.

نتایج - تخمین سطح نقدینگی

سطح نقدینگی برای استراتژی های معاملاتی و تخصیص نمونه کارها مهم است. نویسندگان تعیین می کنند که کدام یک از اقدامات می تواند با تخمین خطاهای پیش بینی بین معیارها و اقدامات مبتنی بر معامله ، سطح نقدینگی رمزنگاری را با دقت ارزیابی کند.

با استفاده از این متریک ، اقدامات Amihud (2002) و Kyle and Obizhaeva (2016) در گرفتن سطح گسترش مؤثر بهترین است. آنها کمترین RMSE و MAE را برای همه فرکانس های داده ، یعنی ساعتی ، روزانه و 15 روزه دارند. برآوردگرهای Abdi و Ranaldo (2017) و Corwin and Schultz (2012) عملکرد ضعیفی دارند اما در فرکانس های پایین تر بهبود می یابند.

نتایج - تخمین نقدینگی در صرافی ها

این مقاله فقط از داده های سه مبادله رمزنگاری استفاده می کند. با این وجود ، نویسندگان تعیین می کنند که کدام یک از اقدامات مبتنی بر معامله می تواند از نظر نقدینگی ، این مکان های تجاری را با دقت رتبه بندی کند. در این جبهه ، دو الگوی کلی پدیدار می شوند:

1. هر چهار اقدام ، رتبه سه از چهار اقدام معیار را تکرار می کند (همه به جز تأثیر قیمت). برای تأثیر قیمت ، درصد رتبه بندی تطبیق نزدیک به 50 ٪ است و بنابراین اطلاعات کمی در مورد رتبه بندی تأثیرات قیمت در سالن های مختلف معاملات ارائه می دهد.
2. هرچه فرکانس داده بالاتر باشد ، اقدامات نقدینگی در گرفتن رتبه صرافی های مختلف بهتر است.

به طور کلی ، برآوردگر Corwin و Schultz (2012) دقیق ترین اندازه گیری نقدینگی تبادل متقابل است.

خط پایین

سرمایه گذاران که به دنبال بیشترین صرافی های مایع هستند باید از نسبت نقص Amihud (2002) یا برآوردگر کایل و اوبیزاوا (2016) استفاده کنند. این اقدامات همچنین در برآورد سطح هزینه های اجرای (هزینه تجارت دورگرد) خوب است.

اقدامات نقدینگی Corwin و Schultz (2012) یا Abdi و Ranaldo (2017) به بهترین وجه در خدمت سرمایه گذاران هستند که امیدوارند زمان نقدینگی بازارهای رمزنگاری شده را داشته باشند و در صورت مایع بودن بازارها وارد یا خروج شوند. این برآوردگرها به بهترین وجه تغییر سری زمانی در نقدینگی را ضبط می کنند. اولی نیز در برآورد نقدینگی در مبادلات خوب است.

استناد

Brauneis A. ، Mestel R. ، Riordan R. ، Theissen E. ، (2021) ، چگونه می توان نقدینگی بازارهای رمزنگاری شده را اندازه گیری کرد؟ ، مجله بانکی و دارایی 106041 ، https://www. sciencedirect. com/science/article/PII/S0378426620303022

سام ون دو شوتبروگ یک اقتصاددان تحقیقاتی کلان است که یک سال استراحت صنعتی از دکتری خود را انجام می دهد. در اقتصادوی 2 سال تجربه کار در دولت دارد و دارای مدرک MPHIL در تحقیقات اقتصادی از دانشگاه کمبریج است. تخصص تحقیق وی در امور مالی بین المللی ، اقتصاد کلان و سیاست مالی است.

(تفسیر موجود در مقاله فوق ، پیشنهاد یا درخواست یا توصیه ای برای اجرای یا نقدینگی سرمایه گذاری یا انجام هرگونه معامله دیگر را تشکیل نمی دهد. این نباید به عنوان پایه ای برای تصمیم گیری سرمایه گذاری یا تصمیم دیگر استفاده شود. هر تصمیم سرمایه گذاری باید براساس مشاوره حرفه ای مناسب خاص برای نیازهای شما باشد.)

نظرات شما

لغو پاسخ

لطفاً برای یک حساب کاربری کلان ثبت نام کنید و سپس وارد شوید تا نظرات خود را ترک کنید.

مقالات مرتبط

آرایه (14)<[0]=>آرایه (2)<["select_cpt"]=>string(13) "bilals-points" ["cpt_image"]=> int(65990)> [1]=>آرایه (2)<["select_cpt"]=>string(15) "carolines-daily" ["cpt_image"]=> int(65991)> [2]=>آرایه (2)<["select_cpt"]=>string(20) "china-growth-tracker" ["cpt_image"]=> int(65992)> [3]=>آرایه (2)<["select_cpt"]=>string(19) "covid-19-macro-risk" ["cpt_image"]=> int(65993)> [4]=>آرایه (2)<["select_cpt"]=>string(12) "equity-flows" ["cpt_image"]=> int(65994)> [5]=>آرایه (2)<["select_cpt"]=>string(14) "flight-tracker" ["cpt_image"]=> int(65995)> [6]=>آرایه (2)<["select_cpt"]=>string(15) "fx_carry_report" ["cpt_image"]=> int(65996)> [7]=>آرایه (2)<["select_cpt"]=>string(18) "fx_position_report" ["cpt_image"]=> int(65997)> [8]=>آرایه (2)<["select_cpt"]=>string(13) "fx-valuations" ["cpt_image"]=> int(65998)> [9]=>آرایه (2)<["select_cpt"]=>string(19) "global-rates-weekly" ["cpt_image"]=> int(65999)> [10]=>آرایه (2)<["select_cpt"]=>string(17) "hive_intelligence" ["cpt_image"]=> int(66000)> [11]=>آرایه (2)<["select_cpt"]=>string(10) "key-events" ["cpt_image"]=> int(66001)> [12]=>آرایه (2)<["select_cpt"]=>string(20) "us-rates-correlation" ["cpt_image"]=> int(66002)> [13]=>آرایه (2)<["select_cpt"]=>string(20) "weekly-futures-model" ["cpt_image"]=> int(66003)>>

از عدم اطمینان کلان می ترسید؟تجارت بیت کوین

آرایه (14)<[0]=>آرایه (2)<["select_cpt"]=>string(13) "bilals-points" ["cpt_image"]=> int(65990)> [1]=>آرایه (2)<["select_cpt"]=>string(15) "carolines-daily" ["cpt_image"]=> int(65991)> [2]=>آرایه (2)<["select_cpt"]=>string(20) "china-growth-tracker" ["cpt_image"]=> int(65992)> [3]=>آرایه (2)<["select_cpt"]=>string(19) "covid-19-macro-risk" ["cpt_image"]=> int(65993)> [4]=>آرایه (2)<["select_cpt"]=>string(12) "equity-flows" ["cpt_image"]=> int(65994)> [5]=>آرایه (2)<["select_cpt"]=>string(14) "flight-tracker" ["cpt_image"]=> int(65995)> [6]=>آرایه (2)<["select_cpt"]=>string(15) "fx_carry_report" ["cpt_image"]=> int(65996)> [7]=>آرایه (2)<["select_cpt"]=>string(18) "fx_position_report" ["cpt_image"]=> int(65997)> [8]=>آرایه (2)<["select_cpt"]=>string(13) "fx-valuations" ["cpt_image"]=> int(65998)> [9]=>آرایه (2)<["select_cpt"]=>string(19) "global-rates-weekly" ["cpt_image"]=> int(65999)> [10]=>آرایه (2)<["select_cpt"]=>string(17) "hive_intelligence" ["cpt_image"]=> int(66000)> [11]=>آرایه (2)<["select_cpt"]=>string(10) "key-events" ["cpt_image"]=> int(66001)> [12]=>آرایه (2)<["select_cpt"]=>string(20) "us-rates-correlation" ["cpt_image"]=> int(66002)> [13]=>آرایه (2)<["select_cpt"]=>string(20) "weekly-futures-model" ["cpt_image"]=> int(66003)>>

آنچه آکادمی در سال 2022 به ما آموخت ، قسمت دوم

آرایه (14)<[0]=>آرایه (2)<["select_cpt"]=>string(13) "bilals-points" ["cpt_image"]=> int(65990)> [1]=>آرایه (2)<["select_cpt"]=>string(15) "carolines-daily" ["cpt_image"]=> int(65991)> [2]=>آرایه (2)<["select_cpt"]=>string(20) "china-growth-tracker" ["cpt_image"]=> int(65992)> [3]=>آرایه (2)<["select_cpt"]=>string(19) "covid-19-macro-risk" ["cpt_image"]=> int(65993)> [4]=>آرایه (2)<["select_cpt"]=>string(12) "equity-flows" ["cpt_image"]=> int(65994)> [5]=>آرایه (2)<["select_cpt"]=>string(14) "flight-tracker" ["cpt_image"]=> int(65995)> [6]=>آرایه (2)<["select_cpt"]=>string(15) "fx_carry_report" ["cpt_image"]=> int(65996)> [7]=>آرایه (2)<["select_cpt"]=>string(18) "fx_position_report" ["cpt_image"]=> int(65997)> [8]=>آرایه (2)<["select_cpt"]=>string(13) "fx-valuations" ["cpt_image"]=> int(65998)> [9]=>آرایه (2)<["select_cpt"]=>string(19) "global-rates-weekly" ["cpt_image"]=> int(65999)> [10]=>آرایه (2)<["select_cpt"]=>string(17) "hive_intelligence" ["cpt_image"]=> int(66000)> [11]=>آرایه (2)<["select_cpt"]=>string(10) "key-events" ["cpt_image"]=> int(66001)> [12]=>آرایه (2)<["select_cpt"]=>string(20) "us-rates-correlation" ["cpt_image"]=> int(66002)> [13]=>آرایه (2)<["select_cpt"]=>string(20) "weekly-futures-model" ["cpt_image"]=> int(66003)>>

آنچه آکادمی در سال 2022 به ما آموخت ، قسمت اول

آرایه (14)<[0]=>آرایه (2)<["select_cpt"]=>string(13) "bilals-points" ["cpt_image"]=> int(65990)> [1]=>آرایه (2)<["select_cpt"]=>string(15) "carolines-daily" ["cpt_image"]=> int(65991)> [2]=>آرایه (2)<["select_cpt"]=>string(20) "china-growth-tracker" ["cpt_image"]=> int(65992)> [3]=>آرایه (2)<["select_cpt"]=>string(19) "covid-19-macro-risk" ["cpt_image"]=> int(65993)> [4]=>آرایه (2)<["select_cpt"]=>string(12) "equity-flows" ["cpt_image"]=> int(65994)> [5]=>آرایه (2)<["select_cpt"]=>string(14) "flight-tracker" ["cpt_image"]=> int(65995)> [6]=>آرایه (2)<["select_cpt"]=>string(15) "fx_carry_report" ["cpt_image"]=> int(65996)> [7]=>آرایه (2)<["select_cpt"]=>string(18) "fx_position_report" ["cpt_image"]=> int(65997)> [8]=>آرایه (2)<["select_cpt"]=>string(13) "fx-valuations" ["cpt_image"]=> int(65998)> [9]=>آرایه (2)<["select_cpt"]=>string(19) "global-rates-weekly" ["cpt_image"]=> int(65999)> [10]=>آرایه (2)<["select_cpt"]=>string(17) "hive_intelligence" ["cpt_image"]=> int(66000)> [11]=>آرایه (2)<["select_cpt"]=>string(10) "key-events" ["cpt_image"]=> int(66001)> [12]=>آرایه (2)<["select_cpt"]=>string(20) "us-rates-correlation" ["cpt_image"]=> int(66002)> [13]=>آرایه (2)<["select_cpt"]=>string(20) "weekly-futures-model" ["cpt_image"]=> int(66003)>>

چگونه می توان از کاهش Crypto سرمایه گذاری کرد

نمایش بهترین تحقیقات و استراتژی بازار کلان و مالی.

به موضوع نور بروید

به موضوع تاریک بروید

برنامه Macro Hive را نصب کنید

عضویت

• عضویت Lite
• عضویت نخست وزیر
• عضویت حرفه ای
• متداول

Macro Hive Ltd

• info@macrohive. com
• 29 خیابان مزرعه Mayfair London W1J 5RL
• مشارکت کننده
• با ما تماس بگیرید

• شرایط استفاده
• سیاست حفظ حریم خصوصی
• © 2022 Macro Hive Ltd