💰 quantitative finance

Detecting unusual trading patterns on cryptocurrency exchanges by means of complexity measures

Deze studie stelt een diagnostisch kader voor met behulp van complexiteits- en statistische structuurmaten op hoogfrequente handelsdata om kunstmatige transactiepatronen te detecteren, waarbij een significante anomalie op de Bitget-beurs voor BTC en ETH in het midden van 2025 wordt onthuld, gekenmerkt door een piek in transacties met een laag volume die duidt op potentiële marktmanipulatie.

Oorspronkelijke auteurs: Jakub Zwydak, Marcin Wątorek, Jarosław Kwapień, Stanisław DroĊdĊ

Gepubliceerd 2026-07-16

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Jakub Zwydak, Marcin Wątorek, Jarosław Kwapień, Stanisław DroĊdĊ

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je het wereldwijde financiële systeem voor als een enorme, chaotische dansvloer waar miljoenen mensen digitale tokens verhandelen. In de wereld van cryptocurrency stopt deze dans nooit; het gebeurt 24/7 in verschillende clubs (exchanges) over de hele wereld. Maar hier komt het lastige deel bij: soms lijkt de muziek te versnellen, niet omdat er meer mensen dansen, maar omdat een paar dansers rondjes draaien om de kamer voller te laten lijken. Dit wordt "wash trading" genoemd, en het is een manier om valse opwinding te veinzen, om iedereen te misleiden met de indruk dat het feest groter en populairder is dan het in werkelijkheid is.

Om deze bedriegers te vangen, gebruiken wetenschappers een speciaal soort detectiveswerk genaamd "complexiteitsanalyse". Denk eraan als het luisteren naar het ritme van de muziek. In een echte, gezonde markt volgen de stijgingen en dalingen van prijzen, het aantal transacties en het volume van het bewegende geld een complex, rommelig maar voorspelbaar patroon—als een jazzband die samen improviseert. Als iemand de activiteit vervalst, kan het ritme plotseling te perfect, te willekeurig of gewoon "afwijkend" worden op een manier die niet overeenkomt met de natuurlijke chaos van een echte menigte. Dit artikel gebruikt deze ritme-controlerende instrumenten om te zien of er crypto-exchanges zijn die stiekem rondjes draaien.

De onderzoekers in deze studie besloten vier grote crypto-exchanges—Binance, Bitget, Kraken en KuCoin—onder het vergrootglas te leggen. Ze keken naar drie specifieke cryptomunten: Bitcoin (BTC), Ethereum (ETH) en XRP. Ze keken niet alleen naar de prijzen; ze telden elke transactie, maten het volume van de bewegende munten en volgden hoe vaak transacties plaatsvonden, minuut per minuut, van 1 april tot 30 juni 2025. Hun doel was niet om een specifiek persoon of account te vangen, maar om te zien of de statistische hartslag van de markt normaal klonk of dat deze een vreemde, kunstmatige aritmie had ontwikkeld.

Wat ze vonden, was een enorme rode vlag bij één specifieke club: Bitget. Terwijl de andere exchanges (Binance, Kraken en KuCoin) een gestage, natuurlijke ritme aanhielden, begon Bitget zich rond half mei 2025 plotseling vreemd te gedragen. Specifiek voor Bitcoin en Ethereum schoot het aantal transacties omhoog. Het leek op een razernij van activiteit. Maar hier is de crux: de hoeveelheid geld die daadwerkelijk van hand wisselde, ging niet omhoog, en de prijzen werden niet volatieler. Het was alsoan of de DJ plotseling 1.000 piepkleine, minuscule beats per minuut begon af te spelen, maar de dansers bewogen eigenlijk niet verder.

De wetenschappers gebruikten een gereedschapskist van "complexiteitsmaten" om te bewijzen dat dit geen gelukkig toeval was. Ze controleerden de "autocorrelatie", wat zoiets is als kijken of de volgende beat in het nummer gerelateerd is aan de vorige. Op Bitget viel de verbinding tussen de transacties weg; de transacties werden zo frequent en willekeurig dat ze hun natuurlijke structuur verloren. Ze keken ook naar "multifractaliteit", een chique manier om te beschrijven hoe de complexiteit van de markt verandert over verschillende tijdschalen. Op Bitget stortte deze complexe, meerlagige structuur in tot iets simpels en vlaks, bijna als een machine die willekeurige ruis genereert in plaats van een menselijke menigte die reageert op nieuws.

Verder maten ze de "entropie", of de onvoorspelbaarheid van de patronen. Op Bitget werden de transactiepatronen vreemd onregelmatig en minder herhaalbaar, wat suggereert dat de transacties niet de gebruikelijke logica van kopers en verkopers volgden. Wanneer ze het aantal transacties vergeleken met het werkelijke volume van de munten, werd de link verbroken. Op normale exchanges betekent meer transacties meestal meer volume. Op Bitget, na half mei, konden ze duizenden transacties hebben met bijna geen volume, als een fabriek die lege dozen produceert.

De studie sloot ook een aantal zaken uit. Ze bevestigden dat deze vreemdheid niet voorkwam bij XRP op Bitget, wat suggereert dat het probleem niet een glitch in de gehele software van de exchange was. Ze zagen ook dat de prijzen op Bitget nog steeds synchroon liepen met de andere exchanges, wat betekent dat de "valse" transacties de marktprijs niet echt beïnvloedden; ze vulden alleen het transactielogboek.

Dus, wat betekent dit allemaal? Het artikel suggereert dat na 21 mei 2025 de Bitcoin- en Ethereum-markten van Bitget werden overspoeld met een "ruis-achtig" component. Het is zeer waarschijnlijk dat dit kunstmatige transacties waren—misschien gegenereerd door bots of geautomatiseerde scripts die ontworpen zijn om de exchange drukker te laten lijken dan hij was. De auteurs zijn voorzichtig en zeggen dat ze niet kunnen bewijzen dat het om "wash trading" gaat in de juridische zin, omdat ze geen toegang hebben tot de privéaccounts achter de transacties. De statistische bewijslast is echter overweldigend: de natuurlijke, complexe hartslag van de markt werd vervangen door een mechanische, repetitieve dreun.

Uiteindelijk laat dit onderzoek zien dat je niet alleen naar de prijs kunt kijken om te weten of een cryptomarkt gezond is. Je moet luisteren naar het ritme van de transacties. Als het aantal transacties omhoog gaat maar het volume en de prijschaos gelijk blijven, kijk je misschien wel naar een digitaal feestje waar de dansers op hun plek draaien om de kamer vol te laten lijken. De auteurs concluderen dat deze op complexiteit gebaseerde instrumenten krachtige nieuwe manieren zijn om deze verborgen anomalieën op te sporen, wat helpt om de crypto-dansvloer eerlijk te houden.

Technische Samenvatting: Detectie van ongebruikelijke handelspatronen op cryptocurrency-beurzen middels complexiteitsmaten

Probleemstelling
Cryptomarkten zijn bijzonder kwetsbaar voor marktmanipulatie, specifiek voor wash trading, waarbij kunstmatige transacties de gerapporteerde volumes en liquiditeit opblazen zonder dat er sprake is van een werkelijk economisch risicooverdracht. Op gecentraliseerde beurzen (CEX's) is het detecteren van dergelijke activiteiten uitdagend omdat publieke transactiegegevens geen informatie bevatten over handelaarsidentiteiten of accounteigendom. Bijgevolg kunnen individuele transacties niet direct als kunstmatig worden geclassificeerd. Detectie moet daarom steunen op het identificeren van statistische afwijkingen van de complexe, niet-lineaire regelmatigheden die doorgaans worden waargenomen in genuante marktmicrostructuren. Standaard prijsgebaseerde indicatoren falen vaak bij het onthullen van deze anomalieën, aangezien de prijsdynamiek consistent kan blijven over verschillende beurzen door arbitrage, zelfs wanneer de handelsactiviteit kunstmatig wordt gemanipuleerd.

Methodologie
De studie stelt een diagnostisch kader voor dat gebruikmaakt van complexiteit en statistische structuurmaten, afgeleid van hoogfrequente, tick-by-tick transactiegegevens. De analyse richt zich op drie primaire variabelen die zijn geaggregeerd in 1-minuut tijdreeksen: log-rendementen ( $R$ ), handelsvolume ( $V$ ) en het aantal transacties ( $N$ ).

De methodologie maakt gebruik van een reeks econophysics-instrumenten om de schalingorganisatie en de kruisafhankelijkheden van deze variabelen te karakteriseren:

Multifractal Detrended Fluctuation Analysis (MFDFA) en Multifractal Detrended Cross-Correlation Analysis (MFCCA): Deze methoden worden gebruikt om de schalingseigenschappen van individuele tijdreeksen en de schaalafhankelijke kruiscorrelaties tussen paren variabelen ( $|R|$ vs. $V$ , $|R|$ vs. $N$ , en $V$ vs. $N$ ) te karakteriseren. Deze aanpak scheidt de genuante temporele structuur van lokale niet-stationariteiten en trends.
Approximate Entropy (ApEn) en Sample Entropy (SampEn): Deze metrieken kwantificeren de regelmaat en onvoorspelbaarheid van de tijdreeksen. Hogere entropiewaarden duiden op minder herhaalbare, meer onregelmatige dynamiek, terwijl lagere waarden wijzen op meer voorspelbare, repetitieve patronen.
Rolling Window Analyse: Om tijd-gelokaliseerde regimeveranderingen te identificeren, worden de bovengenoemde maten (met name gedetrended kruiscorrelatiecoëfficiënten en entropie) berekend binnen voortschrijdende vensters (7 dagen) over de steekproefperiode.
Change-Point Detectie: Een formele statistische procedure wordt toegepast op de transactie-aantalreeks om structurele breuken te identificeren, waardoor de data wordt verdeeld in pre- en post-anomalie submonsters voor vergelijkende analyse.

De studie analyseert gegevens voor Bitcoin (BTC), Ethereum (ETH) en XRP die worden verhandeld op Binance, Bitget, Kraken en KuCoin van 1 april tot 30 juni 2025.

Belangrijkste Resultaten
De analyse onthult een uitgesproken, beurs-specifieke anomalie op Bitget met betrekking tot BTC en ETH, die ontstond na medio mei 2025 (specifiek 21 mei 2025). Terwijl de prijsdynamiek (log-rendementen) consistent bleef over alle beurzen, week de statistische organisatie van de handelsactiviteit op Bitget voor deze twee activa significant af van de normen die werden waargenomen op Binance, Kraken en KuCoin.

Belangrijke bevindingen met betrekking tot de Bitget-anomalie zijn:

Ontkoppeling van Volume en Transactieaantal: Er was een scherpe toename in het aantal transacties ( $N$ ) zonder een evenredige toename in verhandeld volume ( $V$ ) of rendementfluctuaties ( $|R|$ ).
Distributionele Verschuiving: De distributie van transactieaantallen verschoof van een heavy-tailed, power-law-achtig gedrag (typisch voor genuante markten) naar een bijna Gaussische distributie.
Verzwakte Correlaties: De autocorrelaties van de transactie-aantalreeks verzwakten aanzienlijk, en de gedetrended kruiscorrelaties tussen $N$ en zowel $V$ als $|R|$ daalden tot nabij nul, wat wijst op een verlies van synchronisatie tussen transactie-intensiteit en marktimpact.
Verlies van Multifractaliteit: De multifractale organisatie van de transactie-aantalreeks stortte in en vertoonde monofractale schalingseigenschappen, wat wijst op een homogenisering van het proces over verschillende schalen.
Toegenomen Onregelmatigheid: De Approximate en Sample Entropy waarden voor de transactie-aantalreeks namen scherp toe, wat aangeeft dat kortetermijnpatronen minder herhaalbaar en meer ruis-achtig werden.
Dominantie van Lage Volumes: De decompositie van de data onthulde dat de post-anomalie periode werd gedomineerd door talrijke transacties met een laag volume. Wanneer de kleinste transacties werden gefilterd, herkwamen perioden van geen handel, wat bevestigt dat de ogenschijnlijke continuïteit van activiteit werd gedreven door micro-transacties.
Asset-specifiteit: Deze regimeverandering was specifiek voor BTC en ETH op Bitget; XRP op dezelfde beurs en alle activa op andere beurzen vertoonden deze kenmerken niet.

Betekenis en Claims
Het artikel stelt dat complexiteitsgebaseerde indicatoren effectieve diagnostische instrumenten zijn voor het detecteren van beurs-specifieke handelsanomalieën die verborgen blijven wanneer men uitsluitend vertrouwt op prijsgebaseerde maten. De studie demonstreert dat de statistische relaties tussen transactieaantallen, verhandeld volume en rendementfluctuaties dienen als een robuuste benchmark voor "normaal" marktgedrag.

De auteurs interpreteren de geobserveerde kenmerken op Bitget — specif

Meer zoals dit