加密货币市场的向量自回归：揭示复杂因果网络

从投机资产价格序列推断金融网络的方法各异，但通常涉及双变量或多变量预测建模，以揭示时间序列数据中的因果与相关结构。所需的模型复杂度与市场效率密切相关，人们预期高度发达且有效的市场会在价格数据中呈现极少简单关系。这推动了针对发达市场复杂非线性模型应用的研究。然而，简单模型能否对快速兴起的加密货币市场提供有意义且具洞察力的依赖与互联描述仍不明确。本文表明，多变量线性模型可构建反映经济直觉且凸显高影响力节点重要性的信息性加密货币网络。所得网络确认节点度（一种影响力度量）与每种币的市值显著相关（$\rho=0.193$）。但仍有部分节点的影响力超出其市值所暗示的范围。我们证明，简单线性模型结构揭示了与数据互联本质相关的内在复杂性，支持使用多变量建模以避免替代效应并实现准确的因果表征。在一个简化实验中，我们表明网络结构大部分包含于网络的一小部分中，符合帕累托原则，即一小部分输入产生大部分效应。我们的结果表明，简单多变量模型提供关于加密货币市场动态的非平凡信息，且这些动态在很大程度上依赖于少数关键高影响力币种。