过滤复杂系统中相关动态的幅度依赖性：在加密货币市场中的应用
统计金融
2025-10-29 v2 计算工程、金融与科学
计量经济学
数据分析、统计与概率
应用统计
摘要
基于加密货币市场动态，本研究提出了一种利用 依赖去趋势互相关系数 分析复杂系统中演化相关结构的一般方法论。通过扩展传统指标，该方法捕捉了不同波动幅度和时间尺度下的相关性。该方法采用 依赖最小生成树 (MSTs) 来可视化演化的网络结构。使用 Binance 上 140 种加密货币的逐分钟汇率数据（2021 年 1 月至 2024 年 10 月），滚动窗口分析揭示了 MSTs 的显著变化，特别是在 2022 年 4 月 Terra/Luna 崩盘前后。最初以比特币 (BTC) 为中心的网络后来去中心化，以太坊 (ETH) 等其他资产获得了显著地位。谱分析证实了 BTC 主导地位的下降和资产间分散度的增加。一个关键发现是，中等规模的波动比大规模波动表现出更强的相关性，而基于后者的 MSTs 更加去中心化。合理利用这些事实可能为构建更灵活的最优投资组合提供可能。距离指标凸显了重大扰动会放大相关性差异，导致在崩盘期间出现完全去中心化的结构。这些结果证明了 MSTs 在揭示依赖于波动的相关性方面的有效性，其潜在应用超越了金融领域，包括生物学、社会科学和其他复杂系统。
引用
@article{arxiv.2509.18820,
title = {Filtering amplitude dependence of correlation dynamics in complex systems: application to the cryptocurrency market},
author = {Marcin Wątorek and Marija Bezbradica and Martin Crane and Jarosław Kwapień and Stanisław Drożdż},
journal= {arXiv preprint arXiv:2509.18820},
year = {2025}
}