인덱스 펀드는 보유 자산을 해당 벤치마크 지수와 동등하게 유지하기 위해 재조정 기간을 정의했습니다. 이는 인덱스 펀드 재조정 직전 인덱스 펀드의 주식 수에 따라 20~80bp의 이익을 제공하는 예상 거래를 활용하는 알고리즘 거래자에게 수익성 있는 기회를 제공합니다. 오늘날 알고 트레이딩의 대부분은 사전 프로그래밍된 지침을 기반으로 여러 시장과 여러 결정 매개변수에 걸쳐 빠른 속도로 대량 주문을 시도하는 초단타 거래(HFT)입니다. 알고리즘 거래는 컴퓨터 프로그래밍과 금융 시장을 결합하여 정확한 순간에 거래를 실행합니다. 블록체인 ETF와 암호화폐 및 나스닥 시장 사이의 상호 상관관계에는 다중분열성이 존재합니다. 핀테크 혁신의 기하급수적인 성장은 암호화폐와 그 기반 블록체인 기술이 핀테크의 심오하면서도 모호한 측면을 대표한다는 점에서 암호화폐 시장의 정보 효율성에 대한 관심을 높였습니다. 섹션 2에서는 암호화폐 시장 효율성과 가격 행동에 관한 관련 문헌을 간결하게 논의합니다. 이 전략은 주가가 우호적으로 움직일 때 목표 참여율을 높이고 주가가 반대로 움직일 때 목표 참여율을 낮추는 것입니다. 목표는 거래량 가중 평균 가격(VWAP)에 가까운 주문을 실행하는 것입니다. 50일 이동평균이 200일 이동평균보다 낮아지면 주식을 매도하세요. 우리는 XRP가 0.67%로 가장 높은 값을 가지며 BNB(0.46%), BTC(0.42%) 등 모든 암호화폐의 긍정적인 평균 수익률을 관찰합니다. XRP는 표준편차가 11.15%로 가장 변동성이 높은 암호화폐이고, ETH는 변동성이 가장 낮습니다. 암호화폐의 확장성 속성과 다중 프랙탈 특성을 이해함으로써 정책 입안자와 투자자는 시스템의 단기 또는 장기 예측 가능성에 대한 통찰력을 얻을 수 있습니다. 마지막으로 허스트 지수에 대한 동적 조사는 약세 및 강세 시장 상태에 대한 심층적인 통찰력을 제공하고 암호화폐 시장 효율성의 일일 변화를 반영합니다.

시장 효율성은 금융에서 가장 어려운 주제 중 하나입니다(Fama, 1970). 주류 시장 효율성 문헌에서는 자산 수익률이 정규 분포를 따른다고 가정하지만 변동성이 큰 암호화폐의 경우에는 그렇지 않습니다. 암호화폐, 특히 비트코인 ​​시장의 시장 효율성에 대한 초기 연구에서는 약한 형태의 효율적 시장 가설(EMH)을 고려합니다(Fama, 1970). Malkiel(1989)에 따르면, 김프가사이트 정보 세트가 자산 가격/수익률의 내역으로 구성될 때 약한 형태의 시장 효율성이 뒷받침됩니다. Nadarajah와 Chu(2017)는 비트코인의 간단한 전력 전송이 EMH를 지원함을 보여줍니다. 이를 통해 우리는 비효율성 수준이 시간이 지남에 따라 어떻게 변동하는지, 그리고 극단적인 사건과 위기 기간에 어떻게 변할 수 있는지 보여줄 수 있습니다(Naeem et al., 2021). 둘째, 우리는 암호화폐 시장에서 다중 프랙탈 행동 패턴을 식별할 수 있는 MFDFA 접근 방식을 사용합니다. 그러나 코로나19 팬데믹을 다루는 표본 기간 동안 주요 암호화폐의 다중 프랙탈성과 시변 효율성은 과소 연구되고 있습니다. 하지만 이번 글로벌 보건 위기로 인해 암호화폐의 수익률 분포가 형성되어 과도한 첨도와 0이 아닌 왜곡도가 발생했습니다. 최상의 실행: 거래는 종종 최상의 가격으로 실행됩니다. 주문이 원하는 대로 실행되면 차익거래 이익도 따라옵니다. 문제는 식별된 전략을 주문을 위해 거래 계좌에 액세스할 수 있는 통합된 컴퓨터 프로세스로 변환하는 것입니다. 주문 기회에 대해 알고리즘에 의해 모니터링되는 시장 데이터 피드에 액세스합니다. 적응형 시장 가설(AMH)을 바탕으로 TRLIBOR에서 TLREF로의 전환이 터키 금융 시장의 효율성에 미치는 영향을 조사합니다.