" Всего через восемь дней после того, как соучредитель Terra До Квон сказал американо-канадской шахматной звезде Александре Ботез, что 95% криптовалют потерпят неудачу, добавив, что наблюдение за гибелью компаний тоже может быть «развлечением», произошел крах Luna flash.
«95% монет умрут, но наблюдать за гибелью компаний — тоже развлечение», – сказал тогда До Квон.
Активы инвесторов на сумму более 40 миллиардов долларов были потеряны в результате краха в период с 5 по 13 мая 2022 года. Менее чем через год До Квон был арестован после того, как пытался скрыться от судебного преследования за преступную деятельность, связанную с потерями.
С тех пор были написаны тома работ, в которых обсуждался сбой, в результате которого монета Luna (LUNC) резко упала, а стабильная монета Terra UST снизилась по отношению к доллару США.
Теперь, кажется, впервые ученые применили статистическую механику, чтобы, по сути, реконструировать аварию, используя те же методы, которые использовались для изучения физики элементарных частиц.
Исследование, проведенное в Королевском колледже Лондона, было сосредоточено на транзакциях и заказах, имевших место во время краха. Согласно препринту исследовательской работы команды:
«Мы рассматриваем заказы как физические частицы, движущиеся по одномерной оси. Размер порядка соответствует массе частицы, а расстояние, которое прошел порядок, соответствует расстоянию, которое проходит частица».
Эти же методы используются для отображения термодинамических взаимодействий, молекулярной динамики и взаимодействий на атомном уровне. Применяя их к отдельным событиям, происходящим в течение определенного периода времени в замкнутой экосистеме, такой как рынок Luna, исследователи смогли получить более глубокое представление о микроструктуре монеты и основных причинах краха.
Этот процесс включал отказ от методологии моментальных снимков, используемой в современном подходе, обнаружение аномалий на основе Z-показателей и переход к детальному представлению событий по мере их возникновения.
Рассматривая события как частицы, команда смогла включить в свой анализ данные уровня 3 (которые, помимо данных уровней 1 и 2, включают данные, относящиеся к отправке заказов, отменам и совпадениям).
По словам исследователей, это привело их к обнаружению «широко распространенных случаев спуфинга и наслоения на рынке», которые в значительной степени способствовали быстрому падению Luna.
Спуфинг Luna, обнаруженный во время коллапса Terra с использованием трех разрозненных методов анализа данных. Источник: Ли и др., 2023 г.
Затем команда разработала алгоритм для обнаружения наслоения и спуфинга. Согласно документу, это представляло серьезную проблему, поскольку нет известных наборов данных, связанных с крушением Luna, которые содержали бы точно помеченные случаи спуфинга или наслоения.
Чтобы научить свою модель распознавать эти действия без таких данных, исследователи создали синтетические данные. После обучения модель применялась к набору данных Luna и сравнивалась с существующим анализом, проведенным с помощью системы Z-оценки.
«Наш метод успешно обнаружил случаи спуфинга в исходном наборе данных торгового рынка LUNA», — написали исследователи, прежде чем отметить, что метод Z-оценки «не только не смог идентифицировать спуфинг, но и неправильно пометил крупные лимитные ордера как спуфинг».
Исследователи полагают, что в будущем их работа может послужить основой для изучения микроструктуры рынка в сфере финансов.
