本文由X-explore和WuBlockchain联合发布 编译：Cointime Candice
加密货币交易所的清洗交易不是一个新话题。由于缺乏对中心化交易所（CEX）的监管，一些CEX倾向于清洗交易以掩盖真实交易量，以提高其交易量排名。因此，与以下内容一样，我们构建了交易量分析方法，以识别和阐述虚假交易量。
我们通过开放API获取了多个主流交易所的历史K线数据、实时深度数据和实时交易数据。这些交易所包括Binance、Bybit、OKX、Bitget、Phemex、Kucoin和Dydx。
1. 各个交易所的交易量概览
各个交易所的交易量
我们选择BTC期货合约作为我们的第一个检测分析。通过深入研究2022年9月1日之后每个交易所的BTC期货交易量，可以观察到大多数交易所的一些类似模式。
各交易所交易量的一些相似之处/差异：
- 交易量的一般形状和趋势有些统一。除Phemex外，其他交易所的交易量在同一时期有类似的峰值。
- 除Phemex外，每个交易所的成交量高峰期和低谷期都是重合的。
参考下图，与其他CEX相比，Phemex的交易量形状异常。
下图显示了Phemex的uBTCUSD交易对的价格和交易量图表。可以清楚地看到，从2022年8月19日起，交易量迅速增长，并从2022年9月16日至2022年11月19日，对这种疯狂的交易量进行了回调。之后，在没有任何迹象的情况下，交易量急剧下降，并将水平降至2022年8月19日之前的交易量。从2023年1月开始，成交量似乎再次反弹，并继续保持在较高水平。
2. 交易量和价格之间的关系
按照常理，市场上价格的波动会导致交易量的飙升，因为投资者会关闭他们的交易，或开立新的交易。根据我们的经验，周期性的巨大交易量往往伴随着价格的大幅下跌/上涨，在期货/衍生品市场更是如此。
考虑到加密硬币具有杠杆交易的特点，市场上的任何剧烈波动都可能被放大，并导致获利了结或停止交易。这将是成交量飙升的一个重要原因。因此，我们将价格大幅波动时的Phemex交易量变化作为调查的目标之一。
交易量——价格之间关系的快速阅览
2022年8月10日之前。
我们选择了以下5分钟的K线数据。
蜡烛高度和交易量之间存在某种正相关关系[Lag 1]。
区间1
- 虽然蜡烛的高度很高（表明市场波动大），但交易量也有波动。
- 只看2022年12月4日（我们将轴分开以便看的更清楚）。
- 伴随着成交量波动的巨大市场波动。
区间2
- 在2022年1月5日到6日之间。
- 放大波动的范围。（我们将轴分开以便看的更清楚）。
- 该波动有很大的关联性。
在2022年8月10日之后。
在这里，和前面一样，我们看一下5分钟的数据。
- 可以观察到，当有巨大的量差[Lag 1]时，似乎与蜡烛的长度没有太大的关联。
区间5
- 8月19日06:35左右，市场出现了巨大的波动。
- 然而，没有任何量的差异。
- 2022年8月19日。
- 仔细看看这里，似乎没有太大的关联性。
- 市场走势突然飙升。然而，没有任何成交量差异。
区间6
- 成交量似乎发生了巨大变化。[Lag 1]
- 然而，市场价格似乎没有太多变化。
- 8月26日02:35，成交量突然飙升（从Lag 1的巨大差异可以看出）。
- 然而，没有任何价格差异。
- 由于交易量差异较大，因此没有任何大的市场波动。
交易量的飙升在一定程度上伴随着巨大的市场波动——8月10日之前。
价格和交易量似乎是独立的，因为交易量的峰值和市场走势之间的相关性很弱/没有相关性——8月10日之后。
为了更加量化，与不同交易所之间的交易量价格相关性的比较，我们计算了每个交易所的相关系数。
计算相关性
为了量化这一点，我们计算了蜡烛长度和交易量之间的（皮尔逊）相关系数。
- 计算每天的相关性，并将其绘制在图表上。
- 这里使用皮尔逊积矩相关系数，因为它可以表示变量之间假定的线性关联的强度。
- 相关系数为零表示两个连续变量之间不存在线性关系，相关系数为−1或+1分别表示完美的正线性关系和负线性关系。在下表中可以找到一个很好的相关性度量。
- 我们主要分析BTC合约，但也包括ETH交易对。
跨交易所和特征进行比较。
从不同交易所获取相同的K线数据，比较其蜡烛高度和其成交量与这些参数之间的相关性：
- 我们将研究2021年9月以后的相关性（如有可能）
- 我们主要看5分钟的K线区间。
- 目前以Bybit和Binance为例。
ByBit
看一下每天的相关性：
- 每天的相关度从最低的0.6到最高的0.97不等。
采取SMA10的简单移动平均线。
- SMA10正在增加。
- BTCUSDT SMA10保持在0.8以上，ETHUSDT保持在0.7以上。
Binance
看一下每天的相关性：
- 与Bybit相似。相关性在0.63到0.97之间。
采取SMA10的简单移动平均线。
- SMA10正在增加。
- 两条均线大多在0.8的阈值以上。
将其他交易所以及ETHUUSDT数据添加到同一图表中。
交易所中：
Dydx的相关系数在2022年5月之前显示出周期性。2021年8月，Dydx开始了从交易到收益的活动，每30天一轮，主要以用户的交易费用作为奖励的分配依据。因此，当用户的费用支出低于奖励时，就会带来清洗交易。此外，在每个时期结束之前，交易量急剧上升（20220215、20220314、20220412）。随着2022年5月DYDX代币价格快速下跌至低于2美元，交易挖矿不再有利可图，DYDX的相关系数也在逐步恢复。
Binance、Bitget、OKX以及Bybit具有相似的SMA10相关系数，该系数始终保持在0.75以上，表明存在较强的线性关系。
Kucoin的XBTUSDTM是线性合约，由于API的限制，我们只能获得2022年12月以来的数据。SMA10的范围为0.56至0.71，表明线性关系较弱。
Phemex的uBTCUSD SMA10在2022年5月后明显下降，在0.11至0.43之间，表明弱到无线性关系。相关系数从11月20日开始恢复到正常水平，持续到1月5日，然后再次下降。符合交易量的变化趋势，这也与Wu blockchain文章中的信息一致。这与其他交易所不同。
结合相关分析和交易量的变化趋势，我们可以推断Phemex存在虚假交易量的行为，而虚假交易量会在市场价格稳定时进行交易。在此期间，通常会出现异常增大的交易量。
3. 交易流
我们还分析了一些交易所的近期交易。
大的市场波动往往有大的交易量。这通常是由于：
- 交易数量的突然增加和涌入。
- 交易量较高的交易。
Binance
我们看了一下11月4日08:00至23:59的情况：
- Binance上的交易订单数量存在随机性，这符合常理。
我们专门研究了个人交易规模。在这里，我们绘制了个人交易规模以及相应时间的K线蜡烛长度。
可以看出，在K线长度较高的地方，交易量也较高。
Phemex
原始Phemex的交易。
- 注意到，在+10K和+10K之间似乎都有一个硬上限。
叠加K线成交量，我们在这里是想看看在更高的K线成交量和更大的（单一）交易之间是否存在任何模式。
原始交易视图
在单个交易数据上叠加报告的K线量。
放大的视图
按小时查看。
一小时内的K线交易量分组。
- 原始交易和K线交易量之间没有明显的关系。交易订单的大小没有显示随机性。
- 与Binance相比，交易规模相对停滞。变化的是交易的密度，而不是单个交易规模。
4. 订单深度与交易量
深度被认为是衡量外汇流动性的重要指标。由于交易成本较低，交易者更喜欢深度更好的市场。我们调查各个交易所的订单深度，以确定是否存在任何可能观察到的模式或趋势。
订单深度数据每10秒记录一次。
扩散
利用第一层的买入和卖出，我们得出了特定时间的价差。我们把它与时间作了比较，以得到一个图。
交易所的原始价差。
在所有交易所中，Phemex的价差最高。
扩散，按分钟计算的平均数。
- 按分钟计算，可以看到Phemex的点差很容易达到其他交易所的3-5倍。
考虑到Phemex的价差不是最窄的，质疑其交易量会如此之大。
在定价滑点的情况下，可以交易多少个合约？
在这里，我们想看看如果我们设定一个特定的滑点，我们会得到多少数量的硬币。交易的合约越多，交易所的流动性越好。
这里，我们设定滑点金额为10美元/吨。
(我们从中间点计算了10 USD/T滑点前的账面上的硬币[BTC]数量)
竞价
看一下在10 USD/T的滑点发生之前我们会得到多少硬币。
- Binance的数量似乎一直很高，这表明他们的账面深度非常健康。交易者可能会以10USDT的差价开出100多个BTC合约。
转入Phemex的uBTCUSD交易量
据观察：
- 该账面深度不一致。从0.1到50枚硬币不等。
- 观察到的问题也是如此。
定价的美元/吨金额。
我们还尝试了另一种方式。我们确定了支出金额，并确定了由此产生的百分比下滑。
在这个实验中，我们首先将花费的金额设定为10万/15万/20万美元/吨。
我们计算了购买硬币的数量，以及每个硬币的平均价格。
在这里，我们绘制了硬币数量与滑点（从中间价格）的关系。我们需要注意X轴上的数字。y轴的数值变化是由于市场价格的波动造成的。
我们只取了足够深的账面深度。
卖出价10万
卖出价15万
卖出价20万
- 对于这些要价，Phemex的下滑幅度最大。
买入价10万
买入价15万
买入价20万
- 对于买入价，Phemex的滑点也是最高的。
总而言之，Binance和Dydx似乎有非常好的账面深度和价格。Kucoin和Okx紧随其后，而Phemex有一些最大的滑点。
5. 估算虚假交易量。
经过交易量和价格变化的对比分析，以及与订单深度的对比，可以合理推测Phemex涉嫌虚假交易量。
在这一部分中，我们将介绍一种估计报告交易量实际比例的方法。
比率模型
我们建立了一个模型，内容如下
- 观察到Phemex的价格波动与交易量之间存在微弱的相关性，我们假设交易所的虚假交易主要发生在价格波动较小的时期。也就是说，价格大幅波动期间的交易量是真实的。这是估算虚假交易量比例的保守假设。
- 将市场快速波动时正常交易量（Binance、OKX等）的交易所交易量除以全天交易量，得到比率R。
- 将市场快速波动时的异常交易量除以比率R，以估计实际交易量。
使用选定的天数，我们计算了每天交易量与相关交易量的百分比。
- 比率（峰值量与每日量的比率）与日期时间的关系图如下所示。
完整图
- 在散点图上，在每个日期时间（每5分钟间隔），通常低于每日交易量的10%，只有少数例外。
- 散点图上的大多数点显示，百分比在1%和8%之间变化。
放大图
- Phemex的峰值交易量比率往往明显较低，Phemex的绘图点与其他交易所有差距。
- Phemex的峰值交易量比率似乎在0.02%和0.09%之间变化，偶尔有一些点超过0.5%。
据观察，OKX似乎有最高的比例。
Phemex的标绘点似乎大部分时间都低于1%。
利用每个日期时间的比率平均值和Phemex的峰值K线交易量，我们来估计Phemex的实际交易量。
以每天的估计量，我们将其与报告的量数据进行了比较，并在下面的线图中显示了结果。
- 有一些明显的差距，估计量完全低于报告量。
- 每日估计量与报告量的比率约为3%至92.8%。
- 在所有日期的交易量总和上取一个简单的比率，最小/最大估计交易量在报告数据的5%-25%之间。
- 用同样的方法估计Binance和Bybit的真实交易量比率，结果与报告交易量非常接近。
总结
- 我们采用了最受欢迎的中心化交易所的各种公开数据。
- Phemex的交易量显示出与其他交易所不同的模式。Phemex平台上交易量的突然增加似乎很有意思，但这是不正常的。
- 与其他交易所相比，Phemex的交易量与线高数据的相关性明显较低。这表明，Phemex的交易量不仅仅取决于市场走势，可能还有其他因素推动其交易量。
- Phemex似乎在大多数交易所都有最高的价差和滑差。这应该会阻止一些客户进行交易。
- 对一些飙升的交易量进行比率分析估计，估计的交易量介于Phemex报告交易量的最小5%到最大25%之间。
- 通过深入研究单个交易数据，即使市场出现波动，或者据报道Kline交易量数据较高，Phemex的交易规模也没有太大变化。与Binance相反，当有市场变动导致巨大的K线交易量时，就会出现（单笔）大额交易。
本文由CoinTime整理编译，转载请注明来源。
所有评论