Στατιστική ανάλυση στο δίκτυο συναλλαγών του Bitcoin = Statistical analysis to Bitcoin transactions network

Περίληψη

Το θέμα που πραγματεύεται η παρούσα εργασία είναι η ανάλυση δεδομένων σε ένα νεοεμφανιζόμενο σύνολο δεδομένων στην ερευνητική κοινότητα. Iδιαίτερης ποιότητας καθώς εμπεριέχει οικονομικές συναλλαγές οι οποίες αυξήθηκαν ραγδαία, μαζί με το ενδιαφέρον της κοινωνίας, τον Δεκέμβριο του 2017 εξαιτίας της μεγάλης αύξησης της τιμής του Bitcoin. Η μέθοδος που ακολουθείται χωρίζεται σε δύο σκέλη, στην στατιστική ανάλυση δικτύων και στην ανάλυση οικονομικής δραστηριότητας. Η στατιστική ανάλυση δικτύων είναι το εργαλείο για την ανάλυση των πολύπλοκων συστημάτων της σύγχρονης εποχής τα οποία αναπαριστώνται ως δίκτυα, είναι αδύνατον να αναλυθούν τμηματικός καθώς οδηγούν σε λανθασμένα συμπεράσματα. Η ανάλυση οικονομικής δραστηριότητας αφορά δείκτες από τον χρηματιστηριακό τομέα και της επιστήμης των οικονομικών, οι οποίοι έχουν μεταφερθεί και αντιστοιχηθεί με το οικονομικό μοντέλο που αντιπροσωπεύει το Bitcoin. Και τα δύο σκέλη της μεθοδολογίας που ακολουθήθηκε είχαν ως προαπαιτούμενο την εξαγωγή των δεδομένων, την μετατροπή τους σε δίκτυο και τον τεμαχισμό τους. Στα αποτελέσματα διακρίνεται η έκταση των δεδομένων που δημιουργήθηκαν από την στατιστική ανάλυση δικτύων και την ανάλυση οικονομικής δραστηριότητας. Την δευτέρου βαθμού στατιστική ανάλυση χρονικών σειρών που εφαρμόστηκε για να τροφοδοτήσει όσο το δυνατών περισσότερους συνδυασμούς μοντέλων Τεχνητά Νευρωνικά Δίκτυα. Συμπερασματικά παρουσιάζονται οι σημαντικές παραδοχές που προέκυψαν για την δομή και την εξέλιξη των ημερήσιων δικτύων συναλλαγών. Οι δυνατότητες και τα προβλήματα που παρουσιάστηκαν κατά την διεξαγωγή της έρευνας. Η καινοτόμα προσέγγιση για την δημιουργία ενός ευρύ μέτρου σύγκρισης μεταξύ των δεδομένων περιγραφικής στατιστικής και των δεδομένων οικονομικής δραστηριότητας από τα μοντέλα ΤΝΔ. Η ολοκλήρωση της παρούσας εργασίας ήταν ένας αγώνας δρόμου καθώς υπήρχε ο φόβος, της κατάρρευσης της τιμής του Bitcoin, της συγκέντρωσης του 51% της ισχύς του Bitcoin, της κήρυξης του παράνομου. Όλα αυτά θα είχαν ως αποτέλεσμα την ραγδαία μείωση των χρηστών και των συναλλαγών.

The topic dealt with in the present work is the analysis of data in a newly emerging dataset in the research community. Of particular quality as it involves financial transactions that have grown rapidly, along with the interest of the public, in December 2017 due to the sharp rise in the price of Bitcoin. The method followed is divided into two parts, statistical network analysis and economic activity analysis. Network statistical analysis is the tool for analyzing the complex systems of modern times which are represented as networks, it is impossible to analyze them in part as they lead to incorrect conclusions. The analysis of economic activity relates to indicators from the stock market and the economics of science, which have been transposed and matched with the economic model represented by Bitcoin. Both strands of the methodology followed included the extraction of data, their conversion to network and their fragmentation. The results distinguish the extent of the data generated by the statistical analysis of the networks and the analysis of economic activity. The second-order statistical analysis of time series applied to feed as many combinations of Artificial Neural Network models as possible. In summary, the important assumptions that have emerged for the structure and evolution of daily transactions networks are presented. The opportunities and problems encountered in conducting the research. The innovative approach to create a broad measure of comparison between descriptive statistics and economic activity data from ANN models. Completion of this work was a race as there was fear, of the collapse of the Bitcoin price, of the 51% concentration of Bitcoin's power and its distortion, of being declared illegal by central banks around the world. All this would result in a sharp decline in users and transactions, that is to say, the data generated and ultimately the interest of the research community.