💰 quantitative finance

Anomaly detection in European cryptocurrency exchange-traded products

Este artículo introduce y valida tres nuevos indicadores binarios para detectar anomalías intradía en productos negociados en bolsa de Bitcoin y Ethereum en Europa, demostrando que estos eventos poco frecuentes se caracterizan por rasgos distintivos de microestructura y pueden predecirse con precisión con un minuto de antelación utilizando modelos de aprendizaje automático.

Autores originales: Julia Kończal, Rafał Połoczański

Publicado 2026-08-11

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Julia Kończal, Rafał Połoczański

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina el mundo financiero como un mercado gigante y bullicioso donde la gente comercia con todo, desde manzanas hasta oro digital. Durante mucho tiempo, las monedas digitales más famosas, como Bitcoin y Ethereum, se negociaban en un "patio trasero" salvaje y no regulado que nunca cerraba, donde los precios podían oscilar violentamente en cualquier segundo. Pero recientemente, una nueva clase de tienda abrió dentro de las bolsas de valores oficiales y reguladas de Europa. Estos se llaman Productos Cotizados en Bolsa (ETP, por sus siglas en inglés). Piensa en ellos como ventanas seguras y vigiladas por el gobierno hacia el caótico mundo de las criptomonedas, donde puedes comprar una porción de Bitcoin o Ethereum durante el horario comercial normal, tal como si compraras una acción de una empresa.

Para entender qué sucede dentro de estas ventanas, los científicos utilizan algunas herramientas clave. Primero, observan las "anomalías", que son como fallos repentinos y extraños en el mercado: momentos en los que los precios caen o saltan de formas que no tienen sentido, similares a un coche que de repente da un volantazo sin que el conductor toque el volante. Para detectar esto, utilizan un método matemático llamado "Teoría del Valor Extremo", que es básicamente una forma de estudiar los eventos más raros y extremos (como las olas más grandes en una tormenta) para establecer una línea de seguridad. También observan la "microestructura", que son los detalles diminutos, segundo a segundo, de cómo interactúan compradores y vendedores, como contar cuántas personas están gritando para comprar o vender al mismo tiempo. La gran pregunta es: ¿Podemos detectar estos fallos extraños antes de que ocurran, o son simplemente sorpresas aleatorias?

Este artículo es una historia de detectives sobre cuatro productos cripto específicos (dos que rastrean Bitcoin y dos que rastrean Ethereum) negociados en dos bolsas europeas: Xetra en Alemania y Nasdaq Stockholm en Suecia. Los autores, Julia Kończal y Rafał Połoczański, pasaron un año y medio (desde enero de 2024 hasta diciembre de 2025) observando estos productos tick por tick, utilizando barras de datos de un minuto. Querían averiguar si estas "anomalías" siguen alguna regla o si son simplemente caos.

Primero, establecieron un detector de base utilizando esa matemática de la "Teoría del Valor Extremo". Dibujaron una línea en la arena: si una caída de precio es más profunda que el 95% de todas las otras caídas, es una anomalía. Pero no se detuvieron ahí. Inventaron tres nuevas y astutas formas de detectar problemas:

El detector de "Divergencia entre Sedes": Imagina a dos gemelos (el mismo producto cripto) parados en dos habitaciones diferentes (las dos bolsas). Normalmente, se mueven en sincronía. Si uno de los gemelos de repente salta mientras el otro se queda quieto, eso es una anomalía de divergencia. Sugiere un fallo temporal en cómo las dos habitaciones se comunican entre sí.
El detector de "Sin Recuperación": Este busca una caída de precio que no rebota. Si un precio recibe un golpe duro y luego sigue cojeando durante los siguientes diez minutos sin recuperarse, eso es una anomalía de "sin recuperación". Es como una pelota que golpea el suelo y se niega a rebotar.
El detector de "Reversión de Momentum": Este atrapa un precio que ha estado subiendo alegremente, solo para estrellarse de repente contra el suelo. Es como una montaña rusa que sube una colina y luego cae en picada justo después del pico.

Los autores descubrieron que estos eventos extraños son raros, ocurren menos del 1% de las veces (menos de 1 de cada 100 minutos). Pero cuando ocurrían, el mercado se veía muy diferente. Durante estas anomalías, el "spread efectivo" (el costo de negociar) era mucho mayor, y el equilibrio entre compradores y vendedores estaba fuertemente sesgado. Por ejemplo, durante una caída de "sin recuperación", el volumen de negociación era a menudo 5 veces mayor que lo normal, y el costo de negociar se duplicaba o triplicaba.

La parte más emocionante de la historia es la predicción. Los autores se preguntaron: "¿Podemos adivinar si el próximo minuto será una anomalía?". Entrenaron cuatro cerebros computacionales diferentes (algoritmos como Random Forest y Regresión Logística) para observar los datos del minuto anterior y predecir el siguiente. Los resultados fueron sorprendentemente buenos. Para las anomalías estándar de "caída extrema", las computadoras podían predecir el siguiente minuto con una puntuación de precisión (AUC-ROC) de hasta 0.82. Esa es una señal fuerte, lo que sugiere que estos eventos no son enteramente aleatorios.

Sin embargo, el artículo sugiere que el tipo de datos que usaron las computadoras importó más que el tipo de computadora. Los mejores predictores no fueron los detalles complejos de quién estaba comprando o vendiendo (microestructura); en su lugar, las computadoras dependieron fuertmente de la volatilidad (cuánto estaba temblando el precio) y el drawdown (cuánto había caído el precio de su máximo reciente). Es como si las computadoras hubieran aprendido que "si el precio está temblando violentamente y ha caído mucho, es probable que se avecine un desplome", en lugar de intentar contar a las personas individuales en la multitud.

Curiosamente, las anomalías de "Divergencia entre Sedes" fueron las más difíciles de predecir con matemáticas simples, pero fueron bien captadas por el algoritmo más complejo "Random Forest", lo que sugiere que la relación entre las dos bolsas es un poco más misteriosa y no lineal. El estudio también notó que estos eventos extraños ocurren con más frecuencia los viernes y justo al inicio o al final del día de negociación, probablemente porque la liquidez (la cantidad de dinero lista para negociar) es menor en esos momentos.

Al final, el artículo sugiere que, aunque estos mercados cripto europeos están regulados y son más seguros que el patio trasero salvaje, todavía tienen sus propios "fallos" únicos. Estos fallos son raros, pero dejan una huella clara en los datos. Al observar patrones específicos de precios temblorosos y falta de recuperación, podemos realmente detectarlos un minuto antes de que ocurran. No es un oráculo que ve el futuro perfectamente, pero es un radar muy bueno para la tormenta.

Resumen Técnico: Detección de Anomalías en Productos de Intercambio de Criptomonedas Europeos

Planteamiento del Problema
Si bien los mercados de criptomonedas se caracterizan por una alta volatilidad, distribuciones de retornos de cola pesada y una infraestructura fragmentada, la mayor parte de la literatura existente se centra en los mercados al contado (spot) utilizando datos diarios. Existe una brecha significativa en la comprensión de la microestructura de los Productos de Intercambio de Criptomonedas (ETP, por sus siglas en inglés) regulados en Europa a frecuencias intradía. Específicamente, no está claro cómo se manifiestan los comportamientos anómalos de precios en estos entornos regulados, si tales anomalías pueden definirse utilizando información de microestructura y si son predecibles un intervalo (bar) por delante.

Metodología
El estudio utiliza datos de barras de un minuto desde enero de 2024 hasta diciembre de 2025 para cuatro ETP de Bitcoin y Ethereum negociados en dos de las principales bolsas europeas: Xetra (Alemania) y Nasdaq Stockholm (Suecia). Los instrumentos seleccionados son los ETP de VanEck Bitcoin (VBTC.XE) y Ethereum (VETH.XE), y los ETP de Virtune Bitcoin (VIRBTC.ST) y Ethereum (VIRSETHS.ST).

La metodología procede en tres etapas:

Definición de la Anomalía: Los autores establecen una definición de anomalía base utilizando la Teoría de Valores Extremos (EVT), específicamente el método de Picos sobre Umbral (Peaks-over-Threshold, POT). Esto implica ajustar una Distribución de Pareto Generalizada (GPD) a los excesos de la cola izquierda para identificar retornos negativos extremos. Sobre esta base, se proponen tres nuevos indicadores binarios de anomalía:
- Divergencia entre Sedes ( $D_{CV}$ ): Identifica discrepancias de precios temporales entre ETP que rastrean el mismo activo en diferentes bolsas, medidas mediante residuos de OLS (Ordinary Least Squares) con ventana rodante.
- Sin Recuperación ( $D_{NR}$ ): Detecta caídas de precios extremas seguidas de una recuperación limitada (retorno acumulado durante los siguientes 10 intervalos < 30% de la caída inicial).
- Reversión de Momento ( $D_{MR}$ ): Identifica retornos negativos extremos que siguen inmediatamente a un periodo de momento positivo a corto plazo (retorno acumulado de 5 intervalos).
Análisis de Microestructura: El estudio compara las propiedades estadísticas de las barras anómalas frente a las barras normales utilizando pruebas Mann–Whitney U. Las variables clave de microestructura analizadas incluyen diferenciales efectivos (effective spreads), volumen relativo, ratios de iliquidez de Amihud, $\lambda$ de Kyle y desequilibrios de flujo de órdenes (OIB).
Modelado Predictivo: Se emplea un marco de predicción fuera de la muestra para pronosticar si el siguiente intervalo será anómalo. Se prueban cuatro clasificadores: Regresión Logística (LR), Bosque Aleatorio (RF), Extreme Gradient Boosting (XGBoost) y Light Gradient Boosting Machine (LightGBM). Las características incluyen 22 métricas de precio/volatilidad (p. ej., desviación estándar rodante, drawdown, RSI) y 12 métricas de microestructura. Se comparan dos enfoques de ingeniería de características: basados en la sesión (reinicio diario) y acumulativos (usando la totalidad de los intervalos activos históricos).

Contribuciones Clave

Caracterización del Mercado: El artículo proporciona una visión integral del mercado de ETP de criptomonedas europeo, señalando que, aunque existen más de 200 productos, el volumen de negociación está altamente concentrado, siendo Xetra y Nasdaq Stockholm las sedes dominantes.
Nuevos Indicadores de Anomalía: Los autores introducen tres definiciones específicas de anomalía binaria ( $D_{CV}$ , $D_{NR}$ , $D_{MR}$ ) adaptadas a los datos de alta frecuencia de los ETP, complementando el enfoque POT estándar basado en EVT.
Evidencia de Predictibilidad: El estudio demuestra que los cuatro tipos de anomalías son predictibles un intervalo por delante, desafiando la noción de que tales eventos son puro ruido aleatorio en los mercados regulados.

Resultos

Propiedades Estadísticas: Las barras anómalas constituyen menos del 1% del total de las barras válidas. El análisis estadístico revela que las observaciones de anomalías exhiben diferenciales efectivos significativamente más altos, ratios de liquidez más elevados (Amihud, $\lambda$ de Kyle) y desequilibrios de flujo de órdenes más pronunciados (típicamente negativos, indicando presión de venta) en comparación con las barras no anómalas.
Solapamiento y Temporalidad: Las cuatro definiciones capturan tipos de eventos distintos. $D_{CV}$ muestra un solapamiento mínimo (índice de Jaccard < 0.03) con otras definiciones, capturando divergencias específicas de la sede. $D_{NR}$ y $D_{MR}$ muestran un solapamiento moderado. Las tasas de anomalía alcanzan su punto máximo cerca de la apertura y el cierre del mercado, y son generalmente más altas los viernes.
Desempeño de la Predicción: Los cuatro clasificadores predicen con éxito las anomalías un intervalo por delante. Los valores del Área Bajo la Curva (AUC–ROC) oscilan entre 0.56 y 0.82.
- La definición POT es la más predictable, con LR y RF logrando valores de AUC–ROC de hasta 0.82 para los instrumentos de Bitcoin.
- La Divergencia entre Sedes ( $D_{CV}$ ) es mejor predicha por el Bosque Aleatorio, lo que sugiere relaciones no lineales en las señales de precios entre sedes.
- El enfoque de características acumulativas (usando datos históricos a través de las sesiones) generalmente supera al enfoque basado en sesiones.
Importancia de las Características: El análisis de importancia de permutación indica que las medidas de volatilidad y drawdown a corto plazo son generalmente más predictivas que las variables de microestructura. Por ejemplo, la desviación estándar rodante y el drawdown son los principales predictores para POT, mientras que el RSI y los ratios de volatilidad son críticos para las anomalías de reversión de momento.

Significancia y Reivindicaciones
El artículo afirma ser el primero en examinar cómo aparece el comportamiento anómalo de los precios en los mercados de ETP de criptomonedas europeos regulados y si es detectable y predictable utilizando información de microestructura. Los hallazgos sugieren que, si bien estas anomalías son raras, están asociadas con condiciones de microestructura distintas (p. ej., diferenciales más altos y presión de venta) y contienen información predictiva. Los resultados implican que las variables intradía recientes, particularmente la volatilidad y las medidas de drawdown, pueden utilizarse para capturar parcialmente la probabilidad de eventos anómalos, ofreciendo una utilidad potencial para la gestión de riesgos y los sistemas de monitoreo en los mercados regulados de criptomonedas. Los autores mantienen la modestia, señalando que, aunque la predicción es posible, la precisión sigue siendo baja debido al desequilibrio de clases, y que el estudio se centra en la detección y el pronóstico de un solo paso hacia adelante en lugar de en estrategias de negociación.

Más como este