Profitable Strategies on Ethereum Blockchain

Bernardi, Gabriele (2025) Profitable Strategies on Ethereum Blockchain. [Laurea], Università di Bologna, Corso di Studio in Informatica [L-DM270]
Documenti full-text disponibili:
[thumbnail of Thesis] Documento PDF (Thesis)
Disponibile con Licenza: Creative Commons: Attribuzione - Non commerciale - Condividi allo stesso modo 4.0 (CC BY-NC-SA 4.0)

Download (264kB)

Abstract

Questo​‍​‌‍​‍‌ articolo intende capire sono i profili tipici che meglio descrivono le abitudini di investimento di portafogli profittevoli e quali sono le implicazioni finanziarie della loro presenza sulla blockchain di Ethereum. Per analizzare ciò abbiamo utilizzato un approccio data-driven: abbiamo utilizzato solo dati on-chain open-source che abbiamo raccolto in batch da un nodo pubblico; abbiamo pre-elaborato i dati in un cluster HPC con l’archiviazione intermedia su SQLite e normalizzato i dati con valori robusti (mediana e IQR) per affrontare il problema della natura «heavy-tailed» delle variabili. Per raggruppare i profili abbiamo usato una tecnica di deep clustering non supervisionata (Deep Embedded Clustering, che pre-allenare un autoencoder e quindi affinare le centrali) con la regolarizzazione e la valutazione della qualità dei cluster (Silhouette, entropia e Gini). I nostri risultati mostrano che la maggior parte dei portafogli profittevoli sembra adottare strategie passive a accumulo (buy-and-hold): due grandi cluster (retail e “whales”) rappresentano più del 56% del nostro campione e hanno una frequenza piuttosto bassa di transazioni giornaliere. Sorprendentemente, i “retail” profittevoli sembrano avere coefficienti di profitto mediamente più alti rispetto a quelli delle “whales”, sebbene le istituzioni abbiano una maggiore probabilità di essere profittevoli. Abbiamo anche trovato i “flash users” cluster ad alta attività di breve periodo, che possono essere interpretati come portafogli monouso, airdrop cacciatori o trader. Le nostre conclusioni suggeriscono che su Ethereum la pazienza e la bassa attività sono un forte fattore di accumulo di ricchezza; questo ha implicazioni per studi di politica economica, per la modellazione del mercato crypto e la progettazione di strumenti di analisi on-chain.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Bernardi, Gabriele
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Ethereum,blockchain,clustering,deep-learning,on-chain-analysis,investimenti,data-driven
Data di discussione della Tesi
17 Dicembre 2025
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^