Is There Any Witching in the Cryptocurrency Market?
Notice bibliographique
Résumé
This paper explores price effects caused by the expiration of derivatives in the cryptocurrency market. Applying different statistical tests (ANOVA, Mann–Whitney, and t-tests) and econometric methods (the modified cumulative abnormal return approach, regression analysis with dummy variables, and the trading simulation approach) to daily and weekly Bitcoin data over the period 2018–2021, the following hypotheses are tested: (H1) Expiration days create patterns in price behavior in the cryptocurrency market; and (H2) Price patterns can be exploited to generate abnormal profits from trading. The results suggest that expiration effects are only nominally present in the cryptocurrency market. There are differences in returns between expiration-related periods and average returns, but these differences are statistically insignificant. The only case in which an anomaly was detected was related to abnormally high returns during the week of expiration: returns during such weeks were positive in 65% of cases, and were on average 5 times higher than during usual weeks. Trading strategies based on this fact were able to generate results different from those of random trading, with a Sharpe ratio above 1. This is evidence in favor of the existence of a real price anomaly, which contradicts the efficient market hypothesis, and this could be implemented in the practice of traders and investors by creating trading strategies based on detected price effects or special technical analysis indicators to generate trading signals. For academics, these results might provide an opportunity to improve time series forecasting analysis in the case of Bitcoin.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».