加密清洗交易

美国国家经济研究局工作论文系列 加密洗交易林威廉CongXi李 可唐杨杨 工作文件30783http://www.nber.org/papers/w30783 国家经济研究局(NATIONALBUREAUOFECONOMICRESEARCH) 麻萨诸塞州大道1050号马萨诸塞州,剑桥021382022年12月 这项研究部分由尤因·马里恩·考夫曼基金会和中国国家科学基金会资助。本文表达的观点是作者的观点 ，不一定反映国家经济研究局的观点。 分发NBER工作文件供讨论和评论之用。它们没有经过同行评审，也没有接受NBER官方出版物随附的 NBER董事会的审查。 ©2022由林威廉聪、李曦、唐柯和杨洋创作。保留所有权利。未经明确许可，可以引用不超过两段的短段文字，但须注明来源，包括©通知。 加密洗交易 林威廉聪、李曦、唐柯、杨洋NBER第30783号工作文件编号 2022年12月 冻胶。G18、G23G29 摘要 我们引入了系统测试，利用交易中强大的统计和行为模式来检测29个加密货币交易所的虚假交易。受监管的交易所具有在金融市场和自然界中一致观察到的模式;不受监管的交易所的异常首位数有效分布、规模四舍五入和交易尾部分布揭示了不太可能由策略或交易所异质性驱动的猖獗操纵。我们量化了每个不受监管的交易所的清洗交易，平均超过报告交易量的70%。我们进一步记录了这些虚构的数量（每年数万亿美元）如何提高交易所排名，暂时扭曲价格，并与交易所特征（例如年龄和用户群）、市场条件和监管有关。 林威廉琮 SC康奈尔大学约翰逊商学院的圣人大厅 14853年和NBER纽 约伊萨卡岛 习李 5奥Rd,纽卡斯尔NE14英国xi.li@newcastle.ac.uk 可唐 清华大学中国 杨杨北京清华大学中国bbhgchina@gmail.com 在线附录可在https://sites.google.com/site/linwilliamcong/CWTOA.pdf 1介绍 2021年2月，所有加密货币的市值超过1.5万亿美元，仅2020年第一季度的总交易量就达到8.8万亿美元 （Helms，2020年）。金融机构和散户投资者都对加密货币行业有很大的敞口（Bogart，2019;FCA，2019年;富达，2019;Henry，Huynh，andNicholls，2019）.1与此同时，加密货币交易所，可以说是生态系统中最赚钱的参与者，仍然大多不受监管。就在2022年年中，受监管的交易所（Coinbase、BitStamp、Gemini 、BitFlyer、Tibit等）仍然只占现货市场交易的不到3%。在这个监管宽松的市场中争夺主导地位的过程中，一些交易所被怀疑以道德和法律上可疑的方式获得优势（罗杰斯（福布斯），2019年;维尼亚（华尔街日报） ，2019年;BTI，2019年）。这种市场操纵的一种形式是Wash交易——投资者同时出售和购买相同的金融资产 ，以在市场上创造人为活动，众所周知，这会扭曲价格，数量和波动性，并降低投资者对金融市场的信心和参与度（Aggarwal和Wu，2006;卡明、约翰和李，2011年;伊米西克和塔斯，2018年）。 在这样的背景下，我们对加密货币交易所的清洗交易和误报进行了首次系统和严格的研究。通过检查交易规模的分布，其第一个有效数字应遵循本福德定律，应表现出整数的聚类，并且其尾部分布传统上由幂定律（帕累托-利维定律）描述，我们发现大多数不受监管的交易所都有清洗交易（捏造交易并充当双方的交易对手以增加交易量）.2我们还在样本中估计，在不受监管的交易所，报告的交易量平均膨胀了70多。此外，我们提供了暗示性的证据，表明这种虚假报告和交易量伪造提高了交易所在行业内的排名和突出地位，与交易所之间的短期价格分散有关，更多地发生在用户群较小的新建立的交易所，并对长期的行业组织、发展和监管产生影响。 1调查显示，22%的机构投资者投资了加密货币（富达，2019年），到2019年4月，9%的成年人尤其拥有比特币（Bogart，2019年）。在英国，25%的消费者可以识别“加密货币”，3%的消费者购买了它们（FCA，2019）。在2016年至2018年期间，比特币所有权从3%增加到5%（Henry等人，2019）。 2根据美国商品交易法，清洗交易是“进入或声称进入交易，以给人以购买和销售的假象，而不会引起市场风险或改变交易者的市场地位。美国商品交易法中清洗交易的定义可以在以下位置找到： https://www.cftc.gov/ConsumerProtection/EducationCenter/CFTCGlossary/glossary_wxyz.html 我们的目标不是确定某些特定的清洗交易案例，而是首次严格确定清洗交易是加密货币市场的一个猖獗的全行业问题。我们也是最早为该行业监管的有效性提供暗示性证据的公司之一，这对投资者保护和金融稳定具有影响。我们的发现与正在进行的诉讼和经常参考交易量的加密货币的实证研究相关。最后，它们增加了法务金融统计和行为原则的应用，对金融科技及其他领域具有监管影响。 出于几个原因，加密货币交易所的清洗交易值得我们关注。首先，加密货币交易所在行业中发挥着至关重要的作用（例如，Amiram、Lyandres和Rabetti，2022年），像传统交易所一样提供流动性并促进价格发现。许多加密货币交易所已经扩展到上游（例如挖矿）和下游（例如支付）领域，因此作为交易平台、托管人、银行和清算所的综合体，具有巨大的影响力。当然，加密货币交易所构成了从学术、工业和监管角度理解生态系统的锚点。其次，由于流动性会产生流动性，加密货币交易所有很强的经济动机来增加交易量，以提高品牌知名度和在第三方聚合网站或媒体（例如CoinMarketCap，CoinGecko，Bitcointalk和Reddit）上的排名 ，这反过来又增加了交易所从交易费用中获得的利润。大多数金融市场和发达经济体（IOSCO，2000） ，加密货币特别容易在有限的监管监督下清洗交易。 我们从TokenInsight维护的专有数据库中收集29个主要交易所的加密货币交易信息（www.tokeninsight.com ），为加密货币相关业务提供咨询、评级和研究报告的数据提供商。TokenInsight根据其宣传性（在第三方网站上的排名），代表性和API兼容性选择了29家交易所。覆盖范围包括币安、Coinbase和火币等知名交易所，以及许多不起眼的交易所.4我们的数据涵盖从2019年7月9日00：00（TokenInsight开始从这些交易所收集交易信息时）到2019年11月3日23：59（我们撰写初稿的时间）。我们 3我们并不是声称所有的清洗交易都是由交易所完成的。个人也可以清洗贸易。例如，不可替代代币（NFT）在2021年有一个突破年，据记录，交易者使用清洗交易来净赚取数百万的利润（Cong、Landsman、Maydew和Rabetti，2022年;奎罗斯-古铁雷斯，2022年）。 4人们担心我们的数据过度代表交易所的潜在偏见是可以理解的，这些交易所洗得更多。然而，这些数据涵盖了广泛的排名（加密货币交易所为1-300），正如我们稍后所显示的，排名较低的交易所也有很高的动机来清洗交易。此外，TokenInsight在选择交易所时考虑了超越等级的代表性。由于这些原因，一些在后来几年变得突出的交易所，例如FTX，刚刚成立，没有被覆盖。 数据还包含变量，包括总交易量、声誉指标和交易所特征，如交易所年龄。 我们采用纽约州对受监管交易所的定义，该州拥有世界上最早的监管框架之一.5对于每个交易所，我们专注于四种最广泛认可和交易量最大的加密货币对美元的交易（USD）-比特币（BTC）、以太坊（ETH）、莱特币（LTC）和瑞波币（XRP）。我们使用网络流量排名作为品牌知名度和声誉的代表，进一步对不受监管的交易所进行分类，以便于参考：SimilarWeb.com金融/投资部分排名前700名的交易所为“Tier-1”，我们数据中其他不受监管的交易所为“Tier-2”（均排名在前960名之外）。 我们的第一个关键发现是，洗盘交易广泛存在于不受监管的交易所，但在受监管的交易所中不存在。我们采用多种方法，这些方法已成功应用于科学和社会科学的众多领域，并且不太可能受到分散交易者的策略、交易所特征或资产类别的特殊性的影响。 首先，我们根据本福德定律检查每个交易所交易的第一个有效数字的分布—自然科学和社会科学中著名的统计基准，广泛用于检测宏观经济、会计和工程领域的欺诈行为（例如，Durtschi、Hillison和Pacini，2004年;李聪和王，2004）。接下来，我们利用交易中的经典行为规律：在整数的交易规模上聚类——个人决策中的认知参考点（例如，十进制系统中的10倍作为认知参考点，Rosch，1975），这在金融中很常见（Chen， 2018年;坎德尔、萨里格和沃尔，2001年;郭林、赵，2015;米切尔，2001），包括分析师的预测（克拉克森 ，涅克拉索夫，西蒙和图蒂奇，2015;罗杰、罗杰和夏特，2018年）或LIBOR提交（Hernando-Veciana和Tröge，2020年）。我们的第三个测试探讨了观察到的交易规模的分布是否具有传统金融市场和其他经济环境中的幂律特征的肥尾（例如，Gabaix，Gopikrishnan，Plerou和Stanley，2003a）。我们一直只在不受监管的交易所发现异常交易模式，一级交易所失败 5受监管的交易所由BitLicense颁发，并由纽约州金融服务部监管。Bitlicense有一些最严格的要求。我们的主要结果对受监管交易所的替代分类是稳健的。截至2020年6月，NYDFS已向25个受监管实体颁发了许可证，其中6个提供加密交换服务。它们是Itbit，Coinbase，Bitstamp，Bitflyer，Gemini和Bakkt（仅限期货和期权）。更多信息可在以下位置找到： https://www.dfs.ny.gov/apps_and_licensing/virtual_currency_businesses/regulated_entities。(最后访问:7月3日,2020) 超过20%的测试和Tier-2交易所失败超过60%。这些发现在联合假设检验中仍然有效。 除了识别清洗交易的交易所外，我们还利用四舍五入规律来量化虚假交易量的比例。为了在不容易被发现的情况下实现规模，非法交易者经常提交机器生成的虚假订单并限制订单大小（例如，Vigna和Osipovich，2018年;罗杰斯，2019）。因此，主要由自动化程序生成的洗盘交易可能具有较低的圆度水平，即交易的有效小数位数较大。由于算法交易或其他交易需求，真实交易可能是不四舍五入的。因此，我们采用非四舍五入交易与具有整数的真实交易的基准比率（基于受监管交易所的计算）。高于该比率的额外非四舍五入交易自然构成不受监管的交易所的清洗交易。 我们发现，在不受监管的交易所，平均交易量高达总交易量的77.5%，中位数为79.1%。特别是，十二个二级交易所的清洗交易估计占总交易量的80%以上，在考虑可观察到的交易所异质性后，这一比例仍超过70%。结合Helms（2020年）报告的交易量，这些估计值仅在2020年第一季度就转化为现货市场超过4.5万亿美元的清洗交易和衍生品市场的超过1.5万亿美元。为了减轻交易者异质性和算法交易策略在各个交易所的影响，我们验证了圆度比估计，并进行了几次稳健性测试以减轻选择问题。 然后，我们研究与交易所交易相关的交易所特征，并调查洗盘交易对市场结果（如交易所排名）的影响。我们从CoinMarketCap获得有关历史排名和交易量信息的专有数据，并显示交易所排名取决于清洗交易（报告总交易量的70%使交易所的排名上升了46位）。我们发现，交易所的清洗交易在短期内与其加密货币价格呈正相关。我们还发现，具有较长历史和更大