比特币交易市场在哪里 BitExTract：交互式可视化

发表于：IEEE TVCG 2018

作者：Xuanwu Yue, Xinhuan Shu, Xinyu Zhu, Xinnan Du, Zhejiang Yu, Dimitrios Papadopoulos, and Siyuan Liu)

简介：本文介绍了一个用于分析比特币交易的可视化系统：BitExTract

系统总览

相关工作

现有工作主要分为三个层次，如下图所示：

的

总体而言，作者借鉴了已有的一些研究成果，针对文章中提出的不足和不足，进行了相应的设计。 最终做出了一个分析比特币交易演变过程的可视化系统BitExtract。

任务分析

在项目过程中，笔者与4位专家、2位比特币金融专家、2位资深交易专家合作长达6个月。 在长达6个月的合作过程中，他们不断地对系统进行讨论、设计、修改和迭代。 并基于三个层次提出了6个核心问题。 有两个关键词：第一，时间，随着时间的推移情况的演变。 第二，其次是具体事件的影响。

面对挑战

交易数据量大，10GB+

交易网络复杂，应考虑交易的数量、频率和地理位置

视觉设计应该既全面又易于理解

对这篇文章有贡献

第一个可视化系统，允许用户通过交互分析和比较不同比特币交易平台的演变

块平行坐标图同时显示多个交易平台随时间的演变

将系统融入专家和从业者的分析中，挖掘更深层、更有价值的幕后信息

数据初始数据

本项目的数据可以描述为分布在5大洲的65个交易平台，7年交易量超过6000万笔，结合一些新闻事件信息和公司信息，形成初始数据

数据处理

比特币数据交易基于NxN交易，但这种交易数据难以理解和可视化。 项目按比例拆解成一对一的交易。

并从初始数据中提取三个参数：市场份额/网络地位/业务接近度。 具体解释如下：

引入可视化面板

概述

Comparison View as a whole 用于表达整体市场和交易平台随时间的变化

海量序列视图主要反映整体行情和交易平台随时间的买卖变化

Connection View主要用于表达交易平台与个别情况的关系

交易所列表面板提供了每个交易平台的概览，以及用于选择一个或多个交易平台的选择面板。

单一视图介绍比较视图

如上图，Comparison View是基于平行坐标，用来表达高维信息。 这里的高维指的是不同的时间段。

一个竖直的大长方形记录了一个月的交易记录。 它的宽度代表当月的客户总数。 矩形中的每一行代表一家贸易​​公司。 那么行和行的顺序是怎样的呢？ 分为三种（网络站数，买卖差价，或交易笔数）

数据填写方式也有两种（一种是买卖差价，一种是成交量大小）。 营业额是指：收到的数量减去发出的数量，有点像普通商家的最终利润收入（收入减去支出）。 红色表示结果为正，蓝色表示结果为负。

它们之间的线连接的是同一类公司，或者是同一家公司。 一家公司被突出显示，如上面的黄线所示。

这个观点回答了任务分析中的两个核心问题：T5 的单个平台的性能如何随时间变化？ 单机T6平台有哪些重要的特殊时期？

交易所列表面板

交易所列表面板主要用于让用户快速选择某个交易平台，查看其美元历史交易量。 每个小条形图显示了某个国家/地区的交易数量随时间的变化。 用户可以选择两种排序方式：一种是按照第一笔交易的时间排序。 较早的放在底部，较晚的放在顶部。 一种是按洲排序的，即一种是亚洲的，一种是欧洲的，依此类推。 每种颜色都是一个大陆。

海量序列视图

海量序列视图提供易于理解的全球买卖概览。 颜色填充基于买卖价差。 红色代表卖出多于买入比特币交易市场在哪里，蓝色代表买入多于卖出。 以单位绘制。

在下方的图表中，横坐标是时间，纵坐标是不同时间比特币的价格。 上图和下图共享时间轴。

上半部分的图表：每一行是一个交易所，右边写着交易所的名称，行与行之间按照交易参与者的年龄进行排序。 新的在上面，旧的在下面。 单杠填充反映：买入和卖出的区别。 在某个时间点卖多于买吗？ 还是买多于卖？

2013年到2015年斜边比较明显，说明大量交易所出现并开始交易。 16年之后，还有很多空白，说明有的交易所倒闭倒闭了。

总的来说，基于这个观点，可以回答T1/T2/T3的三个问题

随着时间的推移，T1整体市场网络的格局是如何演变的？

T2具体事件会对整体市场产生怎样的影响？

随着时间的推移，T3 平台之间的联系发生了怎样的变化？

Massive Sequence View在两种交互下会有不同的展示方式：

互动一：

如果选择了交易平台，右上角会显示与该交易平台相关的所有交易。 而整体面板也会做出相应的联动变化。

互动二：

选择某个时间段，新闻面板会显示相应时间段内发生的相关事件。 时间段的选择也会影响Comparison View视图和Connection View视图的时间段变量。

连接视图

Connection View的主要目标是将具体的交易行为可视化，辅之以地理层面的信息，如大洲、国家、个人等。 主要是为了回答之前T3/T6的问题：T3平台之间的连接是如何随时间变化的？ 单机T6平台有哪些重要的特殊时期？

Connection View是一个比较全面的视图，由两部分组成：outer part和inner part。 一个大陆就是一种颜色，同一大陆的不同国家用不同的颜色透明度来表示。 外圈的弧长由大陆交易量占市场的比例决定。 也可以从“世界视图”中选择某条弧线进入“大陆内部”的交易视图。 中心的圆圈节点代表两者之间的Business Proximity，具体计算公式如图所示。 Vt 表示 a 和 b 之间的事务数。 Ft 表示 a 和 b 之间的交易频率。 这里a和β的大小相同，因为他们认为这两个因素对Business Proximity同等重要。您也可以将任意节点拖到中间成为单独的视图，仅显示与该平台相关的交易份额和交易平台

个人观点：

在个人看来，中心节点与周围节点的连线粗细代表交易的数量，从中心节点向外的方向代表一段时间，上面的每一个点代表一个时间点。 在这条线上，箭头越大越密，表示此时的交易量越大。 红色代表发送的比特币比特币交易市场在哪里，蓝色代表接收的比特币。

用户评价

参与者：领域专家、比特币交易员和研究人员

三个案例研究：

市场繁荣成因探析

从Comparison View可以看出，从2015年7月到2015年12月，矩形的宽度越来越宽，这也意味着市场逐渐繁荣。 要探究繁荣背后的原因，看看这段时间的 Connection View 就会发现，中国的交易平台占据了大部分市场份额。 在交易所列表面板中选择中文交易平台后，观察到中文交易平台的份额在逐渐增加。 因此，此时比特币市场的繁荣，被确定为中国市场大量交易所致。

分析政策事件的影响（中国的比特币禁令）

中国禁止比特币交易具体体现在中国人民银行于2017年2月对中国最大的比特币交易平台火币进行监管，此后该平台在中国的比特币提现业务被暂停。 随着监管的启动，该平台的亚洲市场份额大幅下降，该平台与中国其他比特币交易平台的联系也大大减弱，该平台的北美市场份额有所上升。 随着该平台于2017年6月重启比特币提现业务，该平台恢复了与中国其他平台的部分连接。 但中国的市场份额并未恢复。

查看Comparison View，我们发现平台的市场份额，随着调控的开始，市场份额有所下降，随着调控的结束，市场份额有一定程度的回升，但在亚洲的市场份额并没有恢复。

使用BitG​​o后两个交易平台的可靠性对比探索

BitGo 服务可以理解为监管钱包或中间人。 发行的比特币只能通过钱包发行。

Bitfinex 和 Kraken 是两个看似相同的交易所，它们也使用 BitGo 服务。 但是谁更靠谱呢？

从上面A/B两张图可以看出，使用该服务后，两个交易平台的交易表现基本一致

分析上图中的Comparison View，发现两者在Inverse Volatility上存在较大差异。 从指标含义可以推测：两个平台使用BitG​​o服务后，Kraken在可靠性上要大于Bitfinex。 根据详细分析，这是因为：Bitfinex将大部分比特币交给了BitGo监管服务。 我只保留钱包的一小部分。 然而，Kraken 只将必要数量的比特币放入 BitGo，并保留了绝大部分比特币。 因此，Kraken 的 Inverse volatility 几乎不受影响，这也保证了其平台的稳健性。 然后在 2016 年 8 月，BitGo 服务遭到黑客攻击，导致价值 7000 万美元的比特币被盗，Bitfinex 终止了与贸易伙伴的所有关系。

总结——未来的工作

系统还通过对市场各个层面的解读，回答了开篇提出的六个核心问题。 从而更好地帮助研究人员和交易者进行分析和决策。 作者打算未来将该系统扩展为实时系统，增加对短期震荡的分析，并能够分析其他数字货币。

提问与讨论： ☉️ 403624799@qq.com