Filtering amplitude dependence of correlation dynamics in complex systems: application to the cryptocurrency market
复杂系统相关动态的波动幅度依赖分析：加密货币市场应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要使用加密货币分钟级价格数据研究金融资产的多尺度相关结构。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
复杂系统相关动态的波动幅度依赖分析：加密货币市场应用
- 研究问题
- 加密货币之间的相关结构如何随波动幅度、时间尺度与市场冲击变化，传统相关指标是否遗漏这些差异？
- 方法与思路
- 作者使用依赖 q 的去趋势交叉相关系数及最小生成树，对一百四十种加密货币分钟数据开展滚动窗口、谱与距离分析。
- 材料陈述的贡献
- 摘要称，中等幅度波动的相关性强于大幅波动，网络随时间趋于分散，比特币中心地位下降，重大扰动扩大相关差异。
- 阅读关注点
- 应核对 q 与时间尺度的解释、滚动窗口和网络距离选择，以及相关结构变化对币种样本、交易数据质量和参数的敏感性。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要中的事件归因需核对，相关网络结果不能直接证明组合优化收益。
原文摘要
Based on the cryptocurrency market dynamics, this study presents a general methodology for analyzing evolving correlation structures in complex systems using the $q$-dependent detrended cross-correlation coefficient ρ(q,s). By extending traditional metrics, this approach captures correlations at varying fluctuation amplitudes and time scales. The method employs $q$-dependent minimum spanning trees ($q$MSTs) to visualize evolving network structures. Using minute-by-minute exchange rate data for 140 cryptocurrencies on Binance (Jan 2021-Oct 2024), a rolling window analysis reveals significant shifts in $q$MSTs, notably around April 2022 during the Terra/Luna crash. Initially centralized around Bitcoin (BTC), the network later decentralized, with Ethereum (ETH) and others gaining prominence. Spectral analysis confirms BTC's declining dominance and increased diversification among assets. A key finding is that medium-scale fluctuations exhibit stronger correlations than large-scale ones, with $q$MSTs based on the latter being more decentralized. Properly exploiting such facts may offer the possibility of a more flexible optimal portfolio construction. Distance metrics highlight that major disruptions amplify correlation differences, leading to fully decentralized structures during crashes. These results demonstrate $q$MSTs' effectiveness in uncovering fluctuation-dependent correlations, with potential applications beyond finance, including biology, social and other complex systems.