💰 quantitative finance

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

Este estudo propõe uma estrutura de diagnóstico utilizando medidas de complexidade e de estrutura estatística em dados de negociação de alta frequência para detectar padrões de transações artificiais, revelando uma anomalia significativa na corretora Bitget para BTC e ETH em meados de 2025, caracterizada por um surto de negociações de baixo volume que sugere uma potencial manipulação de mercado.

Autores originais: Jakub Zwydak, Marcin Wątorek, Jarosław Kwapień, Stanisław DroĊdĊ

Publicado 2026-07-16

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Jakub Zwydak, Marcin Wątorek, Jarosław Kwapień, Stanisław DroĊdĊ

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine o sistema financeiro global como uma pista de dança gigante e caótica onde milhões de pessoas estão negociando tokens digitais. No mundo das criptomoedas, essa dança nunca para; ela acontece 24 horas por dia, 7 dias por semana, em diferentes clubes (corretoras) ao redor do mundo. Mas aqui está a parte complicada: às vezes, parece que a música acelerou não porque há mais pessoas dançando, mas porque alguns dançarinos estão girando em círculos apenas para fazer a sala parecer cheia. Isso é chamado de "wash trading", e é uma forma de fingir entusiasmo, enganando todos para que pensem que a festa é maior e mais popular do que realmente é.

Para pegar esses farsantes, cientistas usam um tipo especial de trabalho de detetive chamado "análise de complexidade". Pense nisso como ouvir o ritmo da música. Em um mercado real e saudável, os altos e baixos dos preços, o número de negociações e o volume de dinheiro se movendo seguem um padrão complexo, bagunçado, mas previsível — como uma banda de jazz improvisando junta. Se alguém estiver fingindo atividade, o ritmo pode subitamente tornar-se perfeito demais, aleatório demais ou apenas "fora do tom" de uma forma que não combine com o caos natural de uma multidão real. Este artigo usa essas ferramentas de verificação de ritmo para ver se alguma corretora de cripto está secretamente girando em círculos.

Os pesquisadores neste estudo decidiram colocar quatro grandes corretoras de cripto — Binance, Bitget, Kraken e KuCoin — sob o microscópio. Eles observaram três criptomoedas específicas: Bitcoin (BTC), Ethereum (ETH) e XRP. Eles não apenas observaram os preços; eles contaram cada única negociação, mediram o volume de moedas se movendo e rastrearam a frequência com que as negociações aconteciam, minuto a minuto, de 1º de abril a 30 de junho de 2025. O objetivo deles não era pegar uma pessoa ou conta específica, mas ver se o batimento cardíaco estatístico do mercado soava normal ou se havia desenvolvido uma arritmia estranha e artificial.

O que eles descobriram foi um enorme sinal de alerta em um clube específico: o Bitget. Enquanto as outras corretoras (Binance, Kraken e KuCoin) mantinham um ritmo constante e natural, o Bitget começou a agir de forma estranha por volta de meados de maio de 2025. Especificamente para o Bitcoin e o Ethereum, o número de negociações disparou. Parecia um frenesi de atividade. Mas aqui está a pegadinha: a quantidade de dinheiro realmente trocando de mãos não aumentou, e os preços não ficaram mais voláteis. Era como se o DJ de repente começasse a tocar 1.000 batidas minúsculas e pequeninas por minuto, mas os dançarinos não estivessem realmente se movendo mais longe.

Os cientistas usaram um conjunto de ferramentas de "medidas de complexidade" para provar que isso não era apenas uma coincidência de sorte. Eles verificaram a "autocorrelação", que é como ver se a próxima batida da música está relacionada à anterior. No Bitget, a conexão entre as negociações se quebrou; as negociações tornaram-se tão frequentes e aleatórias que perderam sua estrutura natural. Eles também observaram a "multifractalidade", uma forma sofisticada de descrever como a complexidade do mercado muda em diferentes escalas de tempo. No Bitget, essa estrutura complexa e de múltiplas camadas colapsou em algo simples e plano, quase como uma máquina gerando ruído aleatório em vez de uma multidão humana reagindo a notícias.

Além disso, eles mediram a "entropia", ou a imprevisibilidade dos padrões. No Bitget, os padrões de transação tornaram-se estranhamente irregulares e menos repetíveis, sugerindo que as negociações não estavam seguindo a lógica usual de compradores e vendedores. Quando compararam o número de negociações com o volume real de moedas, o elo se rompeu. Em corretoras normais, mais negociações geralmente significam mais volume. No Bitget, após meados de maio, eles poderiam ter milhares de negociações com quase nenhum volume, como uma fábrica produzindo caixas vazias.

O estudo também descartou algumas coisas. Eles confirmaram que essa estranheza não estava acontecendo com o XRP no Bitget, o que sugere que o problema não era um erro no software de toda a corretora. Eles também viram que os preços no Bitget ainda se moviam em sincronia com as outras corretoras, o que significa que as negociações "falsas" não estavam realmente movendo o preço do mercado; elas estavam apenas preenchendo o registro de transações.

Então, o que tudo isso significa? O artigo sugere que, após 21 de maio de 2025, os mercados de Bitcoin e Ethereum do Bitget foram inundados por um componente "tipo ruído". É altamente provável que estas fossem negociações artificiais — talvez geradas por bots ou scripts automatizados projetados para fazer a corretora parecer mais movimentada do que era. Os autores são cuidadosos ao dizer que não podem provar que foi "wash trading" no sentido jurídico, pois não têm acesso às contas privadas por trás das negociações. No entanto, a evidência estatística é esmagadora: o batimento cardíaco natural e complexo do mercado foi substituído por um estrondo mecânico e repetitivo.

No fim, esta pesquisa mostra que você não pode apenas olhar para o preço para saber se um mercado de cripto é saudável. Você tem que ouvir o ritmo das negociações. Se o número de transações aumenta, mas o volume e o caos dos preços permanecem os mesmos, você pode estar apenas assistindo a uma festa digital onde os dançarinos estão girando no mesmo lugar para fazer a sala parecer cheia. Os autores concluem que essas ferramentas baseadas em complexidade são novas formas poderosas de detectar essas anomalias ocultas, ajudando a manter a pista de dança digital honesta.

Resumo Técnico: Detecção de Padrões de Negociação Incomuns em Corretoras de Criptomoedas por Meio de Medidas de Complexidade

Definição do Problema
Os mercados de criptomoedas são particularmente vulneráveis à manipulação de mercado, especificamente ao wash trading, onde transações artificiais inflam o volume e a liquidez reportados sem uma transferência genuína de risco econômico. Em corretoras centralizadas (CEXs), detectar tal atividade é desafiador porque os dados públicos de nível de transação carecem de identidades de traders ou informações de propriedade de contas. Consequentemente, transações individuais não podem ser diretamente classificadas como artificiais. Em vez disso, a detecção deve basear-se na identificação de desvios estatísticos das regularidades complexas e não lineares tipicamente observadas na microestrutura de mercado genuína. Indicadores padrão baseados em preço frequentemente falham em revelar essas anomalias, pois a dinâmica de preços pode permanecer consistente entre as corretoras devido à arbitragem, mesmo quando a atividade de negociação é artificialmente manipulada.

Metodologia
O estudo propõe um framework de diagnóstico utilizando medidas de complexidade e estrutura estatística derivadas de dados de transações de alta frequência, tick-by-tick. A análise foca em três variáveis primárias agregadas em séries temporais de 1 minuto: log-retornos ( $R$ ), volume de negociação ( $V$ ) e o número de transações ( $N$ ).

A metodologia emprega um conjunto de ferramentas de econofísica para caracterizar a organização de escala e as dependências cruzadas destas variáveis:

Análise de Flutuação Detendida Multifractal (MFDFA) e Análise de Correlação Cruzada Detendida Multifractal (MFCCA): Estes métodos são utilizados para caracterizar as propriedades de escala das séries temporais individuais e as correlações cruzadas dependentes da escala entre pares de variáveis ( $|R|$ vs. $V$ , $|R|$ vs. $N$ , e $V$ vs. $N$ ). Esta abordagem separa a estrutura temporal genuína de não-estacionariedades locais e tendências.
Entropia Aproximada (ApEn) e Entropia de Amostra (SampEn): Estas métricas quantificam a regularidade e a imprevisibilidade das séries temporais. Valores de entropia mais altos indicam dinâmicas menos repetíveis e mais irregulares, enquanto valores mais baixos sugerem padrões mais previsíveis e repetitivos.
Análise de Janela Móvel (Rolling Window Analysis): Para identificar mudanças de regime localizadas no tempo, as referidas medidas (especificamente coeficientes de correlação cruzada detendida e entropia) são calculadas dentro de janelas móveis (7 dias) ao longo do período de amostragem.
Detecção de Mudança de Ponto (Change-Point Detection): Um procedimento estatístico formal é aplicado à série de contagem de transações para identificar quebras estruturais, dividindo os dados em subamostras pré e pós-anomalia para análise comparativa.

O estudo analisa dados de Bitcoin (BTC), Ethereum (ETH) e XRP negociados na Binance, Bitget, Kraken e KuCoin de 1 de abril a 30 de junho de 2025.

Principais Resultados
A análise revela uma anomalia pronunciada e específica de uma corretora na Bitget em relação ao BTC e ETH, surgindo após meados de maio de 2025 (especificamente 21 de maio de 2025). Embora a dinâmica de preços (log-retornos) tenha permanecido consistente em todas as corretoras, a organização estatística da atividade de negociação na Bitget para estes dois ativos desviou-se significativamente das normas observadas na Binance, Kraken e KuCoin.

Principais achados relativos à anomalia da Bitget incluem:

Desacoplamento de Volume e Contagem de Transações: Houve um aumento acentuado no número de transações ( $N$ ) sem um aumento proporcional no volume negociado ( $V$ ) ou nas flutuações de retorno ( $|R|$ ).
Mudança Distribucional: A distribuição das contagens de transações mudou de um comportamento de cauda pesada, do tipo lei de potência (típico de mercados genuínos), para um comportamento quase Gaussiano.
Correlações Enfraquecidas: As autocorrelações da série de contagem de transações enfraqueceram significativamente, e as correlações cruzadas detendidas entre $N$ e tanto $V$ quanto $|R|$ caíram para níveis próximos de zero, indicando uma perda de sincronização entre a intensidade de transação e o impacto de mercado.
Perda de Multifractalidade: A organização multifractal da série de contagem de transações colapsou, exibindo características de escala monofractal, sugerindo uma homogeneização do processo através das escalas.
Aumento da Irregularidade: Os valores de Entropia Aproximada e de Amostra para a série de contagem de transações aumentaram bruscamente, indicando que os padrões de curto prazo tornaram-se menos repetíveis e mais semelhantes a ruído.
Dominância de Baixo Volume: A decomposição dos dados revelou que o período pós-anomalia foi dominado por inúmeras transações de baixo volume. Quando as menores transações foram filtradas, períodos de ausência de negociação reemergiram, confirmando que a continuidade aparente da atividade era impulsionada por microtransações.
Especificidade de Ativo: Esta mudança de regime foi específica para BTC e ETH na Bitget; o XRP na mesma corretora e todos os ativos em outras corretoras não exibiram estas características.

Significância e Alegações
O artigo afirma que indicadores baseados em complexidade são ferramentas de diagnóstico eficazes para detectar anomalias de negociação específicas de corretoras que permanecem ocultas quando se depende apenas de medidas baseadas em preço. O estudo demonstra que as relações estatísticas entre contagens de transações, volume negociado e flutuações de retorno servem como um benchmark robusto para o comportamento "usual" do mercado.

Os autores interpretam as características observadas na Bitget — especificamente o componente de ruído na atividade de negociação, o desacoplamento da contagem de transações em relação ao volume e a quebra estrutural das correlações cruzadas — como consistentes com contagens de transações artificialmente aumentadas, potencialmente indicativas de wash trading. No entanto, o artigo afirma explicitamente que estes achados não fornecem prova direta de wash trading, uma vez que a análise é baseada em dados agregados públicos sem acesso a informações de nível de conta ou de livro de ordens. Em vez disso, o estudo conclui que o processo de contagem de transações para BTC e ETH na Bitget após 21 de maio de 2025 é estatisticamente distinto do seu comportamento anterior e do comportamento observado em outras grandes corretoras, sugerindo uma alteração fundamental na organização interna da atividade de mercado.

Mais como este