💰 quantitative finance

Anomaly detection in European cryptocurrency exchange-traded products

Dit artikel introduceert en valideert drie nieuwe binaire indicatoren voor het detecteren van intraday markt-anomalieën in Europese Bitcoin- en Ethereum-exchange-traded producten, waarbij wordt aangetoond dat deze zeldzame gebeurtenissen worden gekenmerkt door specifieke microstructuurkenmerken en één minuut van tevoren nauwkeurig kunnen worden voorspeld met behulp van machine learning-modellen.

Oorspronkelijke auteurs: Julia Kończal, Rafał Połoczański

Gepubliceerd 2026-08-11

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Julia Kończal, Rafał Połoczański

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 de financiële wereld voor als een enorme, bruisende marktplaats waar mensen alles verhandelen, van appels tot digitaal goud. Lange tijd werden de meest beroemde digitale munten, zoals Bitcoin en Ethereum, verhandeld in een wilde, ongereguleerde "achtertuin" die nooit sloot, waar prijzen op elk moment wild konden schommelen. Maar onlangs is er een nieuw soort winkel geopend binnen de officiële, gereguleerde aandelenbeurzen van Europa. Dit zijn Exchange-Traded Products (ETP's). Denk aan deze als veilige, door de overheid gecontroleerde vensters naar de chaotische cryptowereld, waar je een stukje Bitcoin of Ethereum kunt kopen tijdens normale kantooruren, net zoals het kopen van een aandeel in een bedrijf.

Om te begrijpen wat er binnen deze vensters gebeurt, gebruiken wetenschappers een paar belangrijke instrumenten. Eerst kijken ze naar "anomalieën", die als plotselinge, vreemde glitches in de markt zijn—momenten waarop prijzen dalen of springen op manieren die niet logisch zijn, vergelijkbaar met een auto die plotseling van koers wijkt zonder dat de bestuurder het stuur aanraakt. Om dit te spotten, gebruiken ze een wiskundige methode genaamd "Extreme Value Theory", wat in feite een manier is om de zeldzaamste, meest extreme gebeurtenissen te bestuderen (zoals de grootste golven in een storm) om een veiligheidslijn vast te stellen. Ze kijken ook naar "microstructuur", de minuscule, per seconde gedetailleerde details van hoe kopers en verkopers met elkaar interageren, zoals het tellen van hoeveel mensen tegelijkertijd roepen om te kopen of te verkopen. De grote vraag is: kunnen we deze vreemde glitches spotten voordat ze gebeuren, of zijn het gewoon willekeurige verrassingen?

Dit artikel is een detectiveverhaal over vier specifieke crypto-producten (twee die Bitcoin volgen en twee die Ethereum volgen) die worden verhandeld op twee Europese beurzen: Xetra in Duitsland en Nasdaq Stockholm in Zweden. De auteurs, Julia Kończal en Rafał Połoczański, hebben anderhalf jaar lang (van januari 2024 tot december 2025) deze producten tik voor tik gevolgd, met behulp van één-minuut-bars aan data. Ze wilden ontdekken of deze "anomalieën" volgens regels verlopen of dat het simpelweg chaos is.

Eerst zetten ze een basisdetector op met die "Extreme Value Theory"-wiskunde. Ze trokken een lijn in het zand: als een prijsdaling dieper is dan 95% van alle andere dalingen, is het een anomalie. Maar ze stopten daar niet. Ze bedachten drie nieuwe, slimme manieren om problemen te signaleren:

De "Cross-Venue Divergence" Detector: Stel je twee tweelingen voor (hetzelfde crypto-product) die in twee verschillende kamers staan (de twee beurzen). Normaal gesproken bewegen ze synchroon. Als de ene tweeling plotseling springt terwijl de andere stilstaat, is dat een divergentie-anomalie. Dit suggereert een tijdelijke glitch in hoe de twee kamers met elkaar communiceren.
De "No-Recovery" Detector: Deze kijkt naar een prijsval die niet herstelt. Als een prijs een harde klap krijgt en daarna de volgende tien minuten slechts voortkruipt zonder te herstellen, dan is dat een "no-recovery" anomalie. Het is als een bal die de grond raakt en weigert terug te stuiteren.
De "Momentum-Reversal" Detector: Deze vangt een prijs op die vrolijk omhoog is geschoten, om vervolgens plotseling op de vloer te klappen. Het is als een achtbaan die een heuvel op klimt en direct na het hoogtepunt naar beneden stort.

De auteurs ontdekten dat deze vreemde gebeurtenissen zeldzaam zijn en minder dan 1% van de tijd voorkomen (minder dan 1 op de 100 minuten). Maar wanneer ze wel gebeurden, zag de markt er heel anders uit. Tijdens deze anomalieën was de "effectieve spread" (de kosten om te handelen) veel hoger, en was de balans tussen kopers en verkopers sterk scheefgetrokken. Tijdens een "no-recovery" crash was het handelsvolume bijvoorbeeld vaak 5 keer hoger dan normaal, en verdubbelden of verdrievoudigde de kosten om te handelen.

Het meest opwindende deel van het verhaal is de voorspelling. De auteurs vroegen zich af: "Kunnen we raden of de volgende minuut een anomalie zal zijn?" Ze trainden vier verschillende computerbreinen (algoritmen zoals Random Forest en Logistic Regression) om naar de data van de vorige minuut te kijken en de volgende te voorspellen. De resultaten waren verrassend goed. Voor de standaard "extreme daling" anomalieën konden de computers de volgende minuut voorspellen met een nauwkeurigheidsscore (AUC-ROC) van tot wel 0,82. Dat is een sterk signaal, wat suggereert dat deze gebeurtenissen niet volledig willekeurig zijn.

De paper suggereert echter dat het type data dat de computers gebruikten belangrijker was dan het type computer. De beste voorspellers waren niet de complexe details van wie er kocht of verkocht (microstructuur); in plaats daarvan vertrouwden de computers zwaar op volatiliteit (hoeveel de prijs schudde) en drawdown (hoe ver de prijs was gevallen vanaf de recente piek). Het is alsof de computers leerden: "als de prijs heftig schudt en veel is gevallen, is een crash waarschijnlijk nabij," in plaats van te proberen de individuele mensen in de menigte te tellen.

Interessant genoeg waren de "Cross-Venue Divergence" anomalieën het moeilijkst te voorspellen met eenvoudige wiskunde, maar werden ze goed opgevangen door het meer complexe "Random Forest" algoritme, wat suggereert dat de relatie tussen de twee beurzen een beetje mysterieuzer en niet-lineair is. De studie merkte ook op dat deze vreemde gebeurtenissen vaker voorkomen op vrijdagen en vlak aan het begin of einde van de handelsdag, waarschijnlijk omdat de liquiditeit (de hoeveelheid geld die klaar staat om te handelen) dan lager is.

Uiteindelijk suggereert het artikel dat hoewel deze Europese cryptomarkten gereguleerd en veiliger zijn dan de wilde achtertuin, ze nog steeds hun eigen unieke "glitches" hebben. Deze glitches zijn zeldzaam, maar ze laten een duidelijke vingerafdruk achter in de data. Door te letten op specifieke patronen van schuddende prijzen en een gebrek aan herstel, kunnen we ze daadwerkelijk een minuut voordat ze gebeuren zien aankomen. Het is geen kristallen bol die de toekomst perfect ziet, maar het is een zeer goede radar voor de storm.

Technische Samenvatting: Anomaliedetectie in Europese Cryptovaluta Exchange-Traded Products

Probleemstelling
Hoewel cryptomarkten worden gekenmerkt door hoge volatiliteit, fat-tailed return-distributies en gefragmenteerde infrastructuur, richt de bestaande literatuur zich voornamelijk op spotmarkten met gebruik van dagelijkse data. Er is een aanzienlijke kloof in het begrip van de microstructuur van gereguleerde Europese cryptovaluta Exchange-Traded Products (ETP's) op intraday-frequenties. In het bijzonder blijft het onduidelijk hoe anomaal prijsgedrag zich manifesteert in deze gereguleerde omgevingen, of dergelijke anomalieën gedefinieerd kunnen worden met behulp van microstructuurinformatie, en of ze één bar vooruit voorspelbaar zijn.

Methodologie
De studie maakt gebruik van één-minuut bar-data van januari 2024 tot december 2025 voor vier Bitcoin- en Ethereum ETP's die verhandeld worden op twee grote Europese beurzen: Xetra (Duitsland) en Nasdaq Stockholm (Zweden). De geselecteerde instrumenten zijn de VanEck Bitcoin (VBTC.XE) en Ethereum (VETH.XE) ETP's, en de Virtune Bitcoin (VIRBTC.ST) en Ethereum (VIRSETHS.ST) ETP's.

De methodologie verloopt in drie stadia:

Definitie van Anomalie: De auteurs stellen een basisdefinitie van anomalie vast met behulp van Extreme Value Theory (EVT), specifief de Peaks-over-Threshold (POT) methode. Dit houdt in dat een Generalized Pareto Distribution (GPD) wordt gefit aan de linkerstaart-excedenten om extreme negatieve rendementen te identificeren. Hierop voortbouwend worden drie nieuwe binaire anomalie-indicatoren voorgesteld:
- Cross-Venue Divergentie ( $D_{CV}$ ): Identificeert tijdelijke prijsverschillen tussen ETP's die hetzelfde actief volgen op verschillende beurzen, gemeten via rollende OLS-residuen.
- No-Recovery ( $D_{NR}$ ): Detecteert extreme prijsdalingen gevolgd door een beperkt herstel (cumulatief rendement over de volgende 10 bars < 30% van de initiële daling).
- Momentum-Reversal ( $D_{MR}$ ): Identificeert extreme negatieve rendementen die direct volgen op een periode van positief kortetermomomentum (5-bar cumulatief rendement).
Microstructuur Analyse: De studie vergelijkt de statistische eigenschappen van anomale bars met normale bars met behulp van Mann–Whitney U-testen. De geanalyseerde kernvariabelen van de microstructuur zijn onder meer effectieve spreads, relatief volume, Amihud-illiquiditeitsratio's, Kyle's $\lambda$ en order flow imbalances (OIB).
Voorspellend Model: Er wordt een out-of-sample voorspellingsframework gehanteerd om te voorspellen of de volgende bar anomaal zal zijn. Vier classificatiesystemen worden getest: Logistic Regression (LR), Random Forest (RF), Extreme Gradient Boosting (XGBoost) en Light Gradient Boosting Machine (LightGBM). Kenmerken omvatten 22 prijs/volatiliteitsmetrieken (bijv. rollende standaarddeviatie, drawdown, RSI) en 12 microstructuurmetrieken. Twee benaderingen voor feature engineering worden vergeleken: sessie-gebaseerd (dagelijks gereset) en cumulatief (gebruikmakend van de volledige historische actieve bars).

Belangrijkste Bijdragen

Marktkarakterisering: Het artikel biedt een uitgebreid overzicht van de Europese crypto ETP-markt en merkt op dat hoewel er meer dan 200 producten bestaan, het handelsvolume sterk geconcentreerd is, waarbij Xetra en Nasdaq Stockholm de dominante locaties zijn.
Nieuwe Anomalie-indicatoren: De auteurs introduceren drie specifieke binaire anomalie-definities ( $D_{CV}$ , $D_{NR}$ , $D_{MR}$ ) die zijn afgestemd op hoogfrequente ETP-data, ter aanvulling op de standaard EVT-gebaseerde POT-benadering.
Bewijs van Voorspelbaarheid: De studie toont aan dat alle vier de anomalie-typen één bar vooruit voorspelbaar zijn, wat de opvatting uitdaagt dat dergelijke gebeurtenissen louter willekeurige ruis zijn in gereguleerde markten.

Resultaten

Statistische Eigenschappen: Anomale bars vormen minder dan 1% van de totale geldige bars. Statistische analyse laat zien dat anomalie-observaties significant hogere effectieve spreads, hogere liquiditeitsgerelateerde ratio's (Amihud, Kyle's $\lambda$ ) en meer uitgesproken order-flow imbalances (doorgaans negatief, wat wijst op verkooppressure) vertonen vergeleken met niet-anomale bars.
Overlap en Timing: De vier definities vatten verschillende soorten gebeurtenissen. $D_{CV}$ vertoont minimale overlap (Jaccard-index < 0,03) met andere definities en legt locatie-specifieke divergenties vast. $D_{NR}$ en $D_{MR}$ vertonen matige overlap. Anomalie-percentages pieken nabij de marktopening en -sluiting, en zijn over het algemeen hoger op vrijdagen.
Voorspellingsprestaties: Alle vier de classificatiesystemen voorspellen succesvol anomalieën één bar vooruit. De Area Under the Curve (AUC–ROC) waarden variëren van 0,56 tot 0,82.
- De POT-definitie is het meest voorspelbaar, waarbij LR en RF AUC–ROC-waarden tot 0,82 bereiken voor Bitcoin-instrumenten.
- De Cross-Venue Divergentie ( $D_{CV}$ ) wordt het best voorspeld door Random Forest, wat duidt op niet-lineaire relaties in cross-venue prijsignalen.
- De cumulatieve feature-benadering (het gebruik van historische data over sessies heen) presteert over het algemeen beter dan de sessie-gebaseerde benadering.
Feature Belang: Permutatie-belang-analyse geeft aan dat kortetermijnvolatiliteit en drawdown-maten over het algemeen voorspellender zijn dan microstructuurvariabelen. Zo zijn rollende standaarddeviatie en drawdown bijvoorbeeld top-voorspellers voor POT, terwijl RSI en volatiliteitsratio's cruciaal zijn voor momentum-reversal anomalieën.

Betekenis en Claims
Het artikel claimt de eerste te zijn die onderzoekt hoe anomaal prijsgedrag verschijnt in gereguleerde Europese cryptovaluta ETP-markten en of dit detecteerbaar en voorspelbaar is met behulp van microstructuurinformatie. De bevindingen suggereren dat hoewel deze anomalieën zeldzaam zijn, ze geassocieerd worden met specifieke microstructuurcondities (bijv. hogere spreads en verkooppressure) en voorspellende informatie bevatten. De resultaten impliceren dat recente intraday-variabelen, met name volatiliteit en drawdown-maten, gebruikt kunnen worden om de waarschijnlijkheid van anomale gebeurtenissen gedeeltelijk te vatten, wat potentieel nut biedt voor risicobeheer en monitoringsystemen in gereguleerde cryptomarkten. De auteurs blijven bescheiden en merken op dat hoewel voorspelling mogelijk is, de precisie laag blijft vanwege de klasse-imbalans, en dat de studie zich richt op detectie en één-stap-vooruit forecasting in plaats van handelsstrategieën.

Meer zoals dit