Time-dependent weighted directed networks of cryptocurrency interaction from high-frequency returns

技術要約：高頻度リターンに基づく暗号資産の時変重み付き有向ネットワーク

問題と動機
暗号資産市場は、分散型のガバナンス、継続的な取引、および複数の時間スケールにわたる顕著な価格変動を特徴とする、複雑で相互作用するシステムとして機能している。従来の金融市場とは異なり、これらの資産は孤立した存在ではなく、共通のセンチメント、裁定取引、および外部の影響を通じて情報やショックが伝播する動的なネットワークを形成している。先行研究では、トランザクションレベルのデータや短い時間窓を用いて暗号資産ネットワークを調査してきたが、長期間にわたる高頻度データを用いて、因果関係の進化を定量化する必要がある。本研究は、2020年から2025年までの暗号資産エコシステムの構造的安定性（あるいはその欠如）を特徴付け、資産間の影響力の流れを定量化するという課題に取り組むものである。

手法
著者らは、Kraken暗号資産取引所から取得した高頻度価格データに基づき、時変的、有向的、かつ重み付きのネットワークを構築する。手法は以下のステップに従う：

1. データの前処理:

   • ソース: 2020年から2025年3月までのトレードレベルのデータ（タイムスタンプ、米ドル建て価格、出来高）。
   • 集計: 価格は、出来高加重平均価格（VWAP）を用いて1分間隔に集計される。
   • リターン: 対数リターンは $R(t) = \log P(t + \Delta t) - \log P(t)$ （ここで $\Delta t = 1$ 分）として計算される。
   • 定常性: 増大自己回帰（ADF）検定を適用し、定常性を確保する。データの約99.06%が厳密に定常であることが確認されており、非定常な事例（価格の停滞）は除外される。
   • ウィンドウ分割: 時系列は重複のない週単位のウィンドウ（各10,080データポイント）に分割され、結果として275個の週次ネットワークが得られる。

2. ネットワーク構築:

   • グレンジャー因果性 (GC): 相互作用はGCフレームワークを用いて推論される。各資産のペア $(X, Y)$ について、制限された自己回帰モデル（$Y$ の過去のみを使用）を、フルモデル（$X$ の過去を含む）と比較する。
   • 重みの定義: GCの強さは、残差の対数分散比として定量化される：$G_{X \to Y} = \ln(\sigma^2_r / \sigma^2_f)$。
   • 有意性検定: ペアごとの比較（$N(N-1)$ 回のテスト）に固有の多重検定問題を対処するため、偽発見率（FDR）を $q=0.05$ で制御するためにベンジャミーニ・ホッホバーグ（BH）法を適用する。リンクは、p値がBH閾値を満たす場合にのみ保持される。
   • ロバスト性チェック: リンクが共通の市場ショックによって駆動される共変動ではなく、真のペアワイズな影響を反映していることを確実にするため、リターン行列の第1主成分（PC1）を回帰除去した後、分析を繰り返す。

3. 分析:

   • リターンの統計的性質（ヘビーテイル）は、補完累積分布関数（CCDF）を用いて分析される。
   • ネットワークの不均一性は、リンクの重みおよびノードの強さ（入次数強度 $s_{in}$ および出次数強度 $s_{out}$）を通じて評価される。
   • 時間的進化は、平均的な四半期出次数強度に基づく資産のランキングによって追跡される。

主な結果

• リターンの統計的性質: 正規化された1分間対数リターンは、金融市場の定型的事実と一致するヘビーテイル分布を示す。正負両方のテールはべき乗則 $P(r) \sim r^{1-\gamma}$ に従う。推定された指数（$\gamma \approx 3.66 - 4.08$）は、初期の研究（例：ビットコインの $\gamma \approx 3$）で報告されたものよりも高く、市場の成熟と構造的変化を示唆している。
• ネットワークの不均一性: 得られたネットワークは顕著な不均一性を示す。リンクの重みとノードの強さの両方が広範なヘビーテイル分布に従っており、これは少数の暗号資産が総影響力の流れに対して不釣り合いに大きく寄与していることを示している。
• スケーリング関係: ノードの出次数強度 ($s_{out}$) と入次数強度 ($s_{in}$) の間には強い正の相関が存在する。しかし、その関係は劣線形であり、べき乗則 $s_{out} \sim s_{in}^{\alpha}$ （$\alpha = 0.909$）に従う。これは、高度に接続されたノードは両方向において影響力を持つものの、出力される影響力の増加は入力される影響力に対して線形よりも緩やかであることを示している。この劣線形スケーリングは、資産の流動性（取引量）によるアーティファクトではなく、構造的な特性であることが確認されている。
• 時間的ダイナミクスとランキング:
  • イーサリアム (ETH): 2020年から2025年の全期間を通じて、影響力ランキングのトップの地位を一貫して占めており、持続的な支配力を反映している。
  • ビットコイン (XBT): 相対的な重要性が時間の経過とともに緩やかに低下していることを示している。
  • ボラティリティ: ランキング構造は大幅な時間的変動を示す。他の複雑系に見られる「超安定」なノードとは異なり、トップのポジションは頻繁に異なる資産によって占められる。5年間のスパンにおいて、17種類の異なる暗号資産がトップ5に登場した。
  • 市場イベント: トップランクの資産の構成は、FTXの崩壊や規制当局の動き（例：リップルに対するSECの訴訟）などのイベントと時期を同じくして、特に2022年第3四半期から2025年第1四半期の間に大きく変化している。
• ロバスト性: 共通の市場要因（PC1）を除去した後も、ノードの強さとリンクの重みを含むネットワーク構造は実質的に変化しない（スペアマン相関係数 $\rho > 0.99$）。これにより、推論されたグレンジャー因果リンクが真のペアワイズな相互作用を表していることが確認される。

意義と主張
本論文は、先行研究（具体的には Scagliari et al., 2021）と比較して、より厳密かつ時間的に詳細な暗号資産の影響力ネットワークの再構築を提供していると主張している。分析期間を2年間から5年間に、資産数を約30個から約390個に拡大することで、本研究は暗号資産エコシステムの高度に競争的で非定常な組織化を明らかにしている。

主な貢献は以下の通りである：

1. 動的な階層構造: ビットコインからイーサリアムへと支配権が移行する動的に進化する階層を明らかにし、他のシステムで見られる安定した階層構造の知見とは対照的な結果を示した。
2. 劣線形スケーリング: 入次数強度と出次数強度の間の、これまで報告されていなかった非自明な劣線形スケーリング関係を特定し、影響力伝播における固有の非対称性を指摘した。
3. 手法の厳密性: 高頻度データと厳格な定常性テストおよびFDR補正を組み合わせることで、影響力の流れをマッピングする有効性を実証した。

著者らは、暗号資産市場は本質的に動的であり、影響力は資産間で継続的に再分配されており、ネットワークベースの枠組みはこれらの変化する市場行動のドライバーを特定するための効果的なツールであると結論付けている。