💰 quantitative finance

Anomaly detection in European cryptocurrency exchange-traded products

Questo articolo introduce e valida tre nuovi indicatori binari per il rilevamento di anomalie intraday nei prodotti scambiati in Europa su Bitcoin ed Ethereum, dimostrando che questi eventi rari sono caratterizzati da distintive caratteristiche di microstruttura e possono essere predetti accuratamente con un minuto di anticipo utilizzando modelli di apprendimento automatico.

Autori originali: Julia Kończal, Rafał Połoczański

Pubblicato 2026-08-11

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Julia Kończal, Rafał Połoczański

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate il mondo finanziario come un enorme e frenetico mercato, dove le persone scambiano di tutto, dalle mele all'oro digitale. Per molto tempo, le monete digitali più famose, come Bitcoin ed Ethereum, sono state scambiate in un "cortile" selvaggio e non regolamentato che non chiudeva mai, dove i prezzi potevano oscillare selvaggiamente in qualsiasi secondo. Ma recentemente, un nuovo tipo di negozio si è aperto all'interno delle ufficiali e regolamentate borse valori europee. Questi sono chiamati Prodotti Scambiati in Borsa (ETP). Pensateli come finestre sicure e monitorate dal governo sul caotico mondo crypto, dove potete comprare una fetta di Bitcoin o Ethereum durante gli orari di normale attività, proprio come se compraste un'azione di una società.

Per capire cosa accade all'interno di queste finestre, gli scienziati usano alcuni strumenti chiave. Per primi, osservano le "anomalie", che sono come improvvisi e strani glitch nel mercato — momenti in cui i prezzi scendono o saltano in modi che non hanno senso, simili a un'auto che sterza improvvisamente senza che il conducente tocchi il volante. Per individuare queste anomalie, utilizzano un metodo matematico chiamato "Teoria dei Valori Estremi", che è essenzialmente un modo per studiare gli eventi più rari ed estremi (come le onde più grandi in una tempesta) per stabilire una linea di sicurezza. Osservano anche la "microstruttura", ovvero i dettagli minuscoli, secondo per secondo, di come acquirenti e venditori interagiscono, come contare quante persone stanno gridando per comprare o vendere contemporaneamente. La grande domanda è: possiamo individuare questi strani glitch prima che accadano, o sono solo sorprese casuali?

Questo articolo è una storia di investigazione su quattro prodotti crypto specifici (due che seguono Bitcoin e due che seguono Ethereum) scambiati su due borse europee: Xetra in Germania e Nasdaq Stockholm in Svezia. Gli autori, Julia Kończal e Rafał Połoczański, hanno passato un anno e mezzo (dal gennaio 2024 al dicembre 2025) osservando questi prodotti tick per tick, utilizzando dati a intervalli di un minuto. Volevano scoprire se queste "anomalie" seguono delle regole o se sono solo caos.

Per prima cosa, hanno impostato un rilevatore di base utilizzando quella matematica della "Teoria dei Valori Estremi". Hanno tracciato una linea nella sabbia: se un calo di prezzo è più profondo del 95% di tutti gli altri cali, è un'anomalia. Ma non si sono fermati qui. Hanno inventato tre nuovi, intelligenti modi per individuare i problemi:

Il rilevatore di "Divergenza tra le sedi" (Cross-Venue Divergence): Immaginate due gemelli (lo stesso prodotto crypto) che si trovano in due stanze diverse (le due borse). Di solito, si muovono in sincronia. Se uno dei due gemelli salta improvvisamente mentre l'altro resta fermo, quella è un'anomalia di divergenza. Suggerisce un glitch temporaneo nel modo in cui le due stanze comunicano tra loro.
Il rilevatore di "Mancata Recupero" (No-Recovery): Questo cerca un crollo dei prezzi che non rimbalza. Se un prezzo subisce un duro colpo e poi procede faticosamente per i dieci minuti successivi senza recuperare, quella è un'anomalia di "mancato recupero". È come una palla che colpisce il suolo e si rifiuta di rimbalzare.
Il rilevatore di "Inversione del Momentum" (Momentum-Reversal): Questo cattura un prezzo che è stato salendo felicemente, per poi schiantarsi improvvisamente sul pavimento. È come una montagna russa che sale una collina e poi precipita subito dopo la vetta.

Gli autori hanno scoperto che questi eventi strani sono rari, accadendo meno dell'1% delle volte (meno di 1 volta ogni 100 minuti). Ma quando accadevano, il mercato appariva molto diverso. Durante queste anomalie, lo "spread effettivo" (il costo per scambiare) era molto più alto, e l'equilibrio tra acquirenti e venditori era fortemente sbilanciato. Ad esempio, durante un crollo di "mancato recupero", il volume di scambi era spesso 5 volte superiore alla norma, e il costo per scambiare era raddoppiato o triplicato.

La parte più eccitante della storia è la previsione. Gli autori si sono chiesti: "Possiamo indovinare se il prossimo minuto sarà un'anomalia?" Hanno addestrato quattro diversi cervelli informatici (algoritmi come Random Forest e Logistic Regression) per guardare i dati del minuto precedente e prevedere il successivo. I risultati sono stati sorprendentemente buoni. Per le anomalie standard di "calo estremo", i computer potevano prevedere il minuto successivo con un punteggio di accuratezza (AUC-ROC) fino a 0,82. È un segnale forte, che suggerisce che questi eventi non sono del tutto casuali.

Tuttavia, l'articolo suggerisce che il tipo di dati utilizzati dai computer contava più del tipo di computer. I migliori predittori non erano i dettagli complessi di chi stava comprando o vendendo (microstruttura); invece, i computer si affidavano pesantemente alla volatilità (quanto il prezzo stava tremando) e al drawdown (quanto il prezzo era sceso dal suo massimo recente). È come se i computer avessero imparato che "se il prezzo sta tremando violentemente ed è sceso molto, un crollo è probabile in arrivo", piuttosto che cercare di contare i singoli individui nella folla.

Interessantemente, le anomalie di "Divergenza tra le sedi" erano le più difficili da prevedere con la matematica semplice, ma venivano catturate bene dall'algoritmo più complesso "Random Forest", suggerendo che la relazione tra le due borse è un po' più misteriosa e non lineare. Lo studio ha anche notato che questi eventi strani accadono più spesso i venerdì e proprio all'inizio o alla fine della giornata di trading, probabilmente perché la liquidità (la quantità di denaro pronta per essere scambiata) è più bassa in quei momenti.

In definitiva, l'articolo suggerisce che, sebbene questi mercati crypto europei siano regolamentati e più sicuri rispetto al selvaggio cortile, possiedono comunque i propri "glitch" unici. Questi glitch sono rari, ma lasciano dietro di sé un'impronta digitale chiara nei dati. Osservando specifici modelli di prezzi che tremano e di mancanza di recupero, possiamo effettivamente individuarli in arrivo un minuto prima che accadano. Non è un cristallo che vede il futuro perfettamente, ma è un radar molto buono per la tempesta.

Sintesi Tecnica: Rilevamento di Anomalie nei Prodotti Scambiati in Borsa di Criptovalute Europee

Problematica
Sebbene i mercati delle criptovalute siano caratterizzati da alta volatilità, distribuzioni di rendimento a code grasse e infrastrutture frammentate, la maggior parte della letteratura esistente si concentra sui mercati spot utilizzando dati giornalieri. Esiste una lacuna significativa nella comprensità della microstruttura dei prodotti scambiati in borsa (ETP) di criptovalute regolamentati in Europa a frequenze intraday. In particolare, rimane poco chiaro come il comportamento anomalo dei prezzi si manifesti in questi ambienti regolamentati, se tali anomalie possano essere definite utilizzando informazioni sulla microstruttura e se siano prevedibili con un anticipo di un singolo bar.

Metodologia
Lo studio utilizza dati a barre di un minuto da gennaio 2024 a dicembre 2025 per quattro ETP di Bitcoin ed Ethereum scambiati su due principali borse europee: Xetra (Germania) e Nasdaq Stockholm (Svezia). Gli strumenti selezionati sono gli ETP VanEck Bitcoin (VBTC.XE) ed Ethereum (VETH.XE), e Virtune Bitcoin (VIRBTC.ST) ed Ethereum (VIRSETHS.ST).

La metodologia procede in tre fasi:

Definizione dell'Anomalia: Gli autori stabiliscono una definizione di base dell'anomalia utilizzando la Teoria dei Valori Estremi (EVT), specificamente il metodo Peaks-over-Threshold (POT). Ciò comporta l'adattamento di una Distribuzione di Pareto Generalizzata (GPD) alle eccedenze della coda sinistra per identificare rendimenti negativi estremi. Sulla base di ciò, vengono proposti tre nuovi indicatori binari di anomalia:
- Divergenza tra Venue ( $D_{CV}$ ): Identifica discrepanze temporanee di prezzo tra ETP che tracciano lo stesso asset su diverse borse, misurate tramite residui OLS mobili.
- Assenza di Recupero ( $D_{NR}$ ): Rileva cali di prezzo estremi seguiti da un recupero limitato (rendimento cumulativo sulle successive 10 barre < 30% del calo iniziale).
- Inversione del Momentum ( $D_{MR}$ ): Identifica rendimenti negativi estremi che seguono immediatamente un periodo di momentum positivo a breve termine (rendimento cumulativo a 5 barre).
Analisi della Microstruttura: Lo studio confronta le proprietà statistiche delle barre anomale rispetto alle barre normali utilizzando i test Mann–Whitney U. Le variabili microstrutturali chiave analizzate includono spread effettivi, volume relativo, rapporti di illiquidità di Amihud, $\lambda$ di Kyle e squilibri del flusso di ordini (OIB).
Modellazione Predittiva: Viene impiegato un framework di previsione out-of-sample per prevedere se il bar successivo sarà anomalo. Quattro classificatori vengono testati: Regressione Logistica (LR), Random Forest (RF), Extreme Gradient Boosting (XGBoost) e Light Gradient Boosting Machine (LightGBM). Le caratteristiche includono 22 metriche di prezzo/volatilità (es. deviazione standard mobile, drawdown, RSI) e 12 metriche di microstruttura. Vengono confrontati due approcci di ingegneria delle caratteristiche: basato sulla sessione (con reset giornaliero) e cumulativo (utilizzando l'intero storico delle barre attive).

Contributi Chiave

Caratterizzazione del Mercato: Il documento fornisce una panoramica completa del mercato degli ETP crypto europei, rilevando che, sebbene esistano oltre 200 prodotti, il volume di scambio è altamente concentrato, con Xetra e Nasdaq Stockholm che sono le sedi dominanti.
Nuovi Indicatori di Anomalia: Gli autori introducono tre definizioni specifiche di anomalia binaria ( $D_{CV}$ , $D_{NR}$ , $D_{MR}$ ) adattate ai dati ad alta frequenza degli ETP, completando l'approccio standard POT basato su EVT.
Evidenza della Prevedibilità: Lo studio dimostra che tutti e quattro i tipi di anomalia sono prevedibili con un bar di anticipo, sfidando l'idea che tali eventi siano puro rumore casuale nei mercati regolamentati.

Risultati

Proprietà Statistiche: Le barre anomale costituiscono meno dell'1% del totale delle barre valide. L'analisi statistica rivela che le osservazioni anomale presentano spread effettivi significativamente più elevati, rapporti legati alla liquidità più alti (Amihud, $\lambda$ di Kyle) e squilibri del flusso di ordini più pronunciati (tipicamente negativi, indicando pressione di vendita) rispetto alle barre non anomale.
Sovrapposizione e Tempistica: Le quattro definizioni catturano tipi distinti di eventi. $D_{CV}$ mostra una sovrapposizione minima (indice di Jaccard < 0,03) con le altre definizioni, catturando divergenze specifiche della venue. $D_{NR}$ e $D_{MR}$ mostrano una sovrapposizione moderata. I tassi di anomalia raggiungono il picco vicino all'apertura e alla chiusura del mercato e sono generalmente più alti il venerdì.
Performance della Predizione: Tutti e quattro i classificatori prevedono con successo le anomalie con un bar di anticipo. I valori dell'Area Sotto la Curva (AUC–ROC) variano da 0, 56 a 0, 82.
- La definizione POT è la più prevedibile, con LR e RF che raggiungono valori AUC–ROC fino a 0, 82 per gli strumenti Bitcoin.
- La Divergenza tra Venue ( $D_{CV}$ ) è meglio predetta da Random Forest, suggerendo relazioni non lineari nei segnali di prezzo tra le venue.
- L'approccio con caratteristiche cumulative (utilizzando i dati storici attraverso le sessioni) generalmente supera l'approccio basato sulla sessione.
Importanza delle Caratteristiche: L'analisi dell'importanza per permutazione indica che le misure di volatilità e drawdown a breve termine sono generalmente più predittive rispetto alle variabili di microstruttura. Ad esempio, la deviazione standard mobile e il drawdown sono i principali predittori per POT, mentre RSI e rapporti di volatilità sono critici per le anomalie di inversione del momentum.

Significatività e Rivendicazioni
Il documento sostiene di essere il primo a esaminare come il comportamento anomalo dei prezzi appaia nei mercati degli ETP crypto europei regolamentati e se sia rilevabile e prevedibile utilizzando l'informazione della microstruttura. I risultati suggeriscono che, sebbene queste anomalie siano rare, esse sono associate a condizioni di microstruttura distinte (es. spread più elevati e pressione di vendita) e contengono informazioni predittive. I risultati implicano che le variabili intraday recenti, in particolare volatilità e misure di drawdown, possono essere utilizzate per catturare parzialmente la probabilità di eventi anomali, offrendo una potenziale utilità per la gestione del rischio e i sistemi di monitoraggio nei mercati crypto regolamentati. Gli autori rimangono modesti, osservando che, sebbene la predizione sia possibile, la precisione rimane bassa a causa dello sbilanciamento delle classi e che lo studio si concentra sul rilevamento e sulla previsione a un passo avanti piuttosto che su strategie di trading.

Articoli simili