La Manipulación del Precio en el Ecosistema de Bitcoin

Neil Gandal JT Hamrick

Berglas School of Economics Tandy School of Computer Science
Tel Aviv University, Israel The University of Tulsa, USA
gandal@post.tau.ac.il jth563@utulsa.edu

Tyler Moore Tali Oberman

Tandy School of Computer Science Berglas School of Economics
The University of Tulsa, USA Tel Aviv University, Israel
tyler-moore@utulsa.edu otalika@yahoo.com
tyler-moore@utulsa.edu

Resumen

Identificamos y analizamos el impacto de la actividad trading sospechoso

(ATS) en el exchange Mt Gox Bitcoin entre febrero y noviembre de 2013.
Discutimos dos períodos ATS distintos en los que aproximadamente 600,000
bitcoins (BTC) valorados en $188 millones fueron adquiridos por agentes que
lo hicieron no pagar por los bitcoins. Durante el segundo período, la tasa de
cambio USD-BTC aumentó en un promedio de $20 en Mt Gox los días en que se
realizaron operaciones sospechosas, en comparación con un ligero descenso
en los días sin actividad sospechosa. Con base en un análisis riguroso con
controles exhaustivos de robustez, concluimos que la actividad comercial
sospechosa provocó un aumento sin precedentes en la tasa de cambio USD-BTC
a fines de 2013, cuando la tasa aumentó de alrededor de $ 150 a más de $ 1,000
en dos meses.

1 - introducción

Bitcoin ha experimentado un ascenso meteórico en popularidad desde su

introducción en 2009 [17]. Mientras que las monedas digitales se propusieron
ya en la década de 1980, Bitcoin fue el primero en ponerse al día. El valor total
de todos los bitcoins en circulación en la actualidad es de alrededor de $ 28 mil
millones [6], y ha inspirado a decenas de criptomonedas competidoras que
siguen un diseño similar. Bitcoin y la mayoría de las otras criptomonedas no
requieren una autoridad central para validar y liquidar transacciones. En
cambio, estas monedas usan solo criptografía (y un sistema interno de
incentivos) para controlar las transacciones, administrar el suministro y
1 – Traducción @veg2021
prevenir el fraude. Los pagos son validados por una red descentralizada. Una
vez confirmadas, todas las transacciones se almacenan digitalmente y se
graban en un blockchain público", que puede considerarse como un sistema
contable(1).

Mientras Bitcoin muestra una gran promesa de alterar los sistemas de pago
existentes a través de innovaciones en su diseño técnico, el ecosistema
Bitcoin(2) ha sido un blanco frecuente de ataques por parte de criminales con
motivación financiera. En este documento, aprovechamos un conjunto de datos
único y muy detallado para examinar la actividad comercial sospechosa que se
produjo durante un período de diez meses en 2013 en Mt Gox, el principal
mercado de divisas de Bitcoin en ese momento. Primero cuantificamos el
alcance de la actividad comercial sospechosa/fraudulenta y mostramos que
constituye una gran fracción de las operaciones en los días que la actividad
ocurrió. Luego examinamos si y cómo esta actividad comercial impactó a Mt
Gox y al ecosistema Bitcoin en general.

----------------------------------------
(1) Para una descripción en profundidad de cómo funciona el ecosistema de Bitcoin, ver B? Ohme et al. [4].

(2) El ecosistema de Bitcoin incluye la red principal para la propagación de transacciones, la cadena de bloques y muchos
intermediarios, como Exchange de divisas, grupos de minería y procesadores de pagos que facilitan el comercio. Usamos \
Bitcoin "con un capital \ B" para referirnos al ecosistema y \ bitcoin "con un pequeño \ b" o BTC para referirnos a la
moneda.

Nuestros principales resultados son los siguientes:

- Los precios aumentaron en aproximadamente el 80 por ciento de los días en

que se produjo la actividad comercial sospechosa. Por el contrario, los precios
aumentaron en aproximadamente el 55 por ciento de los días en los que no se
produjo ninguna actividad comercial sospechosa.

- Durante los días en que el actor clave estuvo activo, en promedio, la tasa de
cambio USD/BTC aumentó en más de $20 por día. Durante el mismo período,
la tasa de cambio prácticamente no se modificó en los días en que el actor no
estaba activo.

- La actividad comercial sospechosa de un solo actor fue la causa principal del

aumento masivo en la tasa de cambio USD / BTC en la que la tasa aumentó de
alrededor de $ 150 a más de $ 1,000 en solo dos meses a finales de 2013. La
caída fue casi tan precipitada: el exchange Mt Gox se cerró debido a la
insolvencia a principios de 2014 y Bitcoin tardó más de tres años en igualar el
aumento provocado por las transacciones fraudulentas.

2 – Traducción @veg2021
1.1 - ¿Por qué deberíamos importarnos?

¿Por qué debería importarnos la manipulación en Bitcoin que tuvo lugar en

2013? Después de todo, el ecosistema de Bitcoin no es tan importante como la
Bolsa de Nueva York. No obstante, las tendencias recientes indican que Bitcoin
se está convirtiendo en un importante sistema de pago y moneda en línea.
Entonces, es importante entender cómo funciona o no el ecosistema de Bitcoin.

Además, el comercio de activos de criptomoneda se ha disparado

recientemente. En el caso de Bitcoin, durante el período de un año que finalizó
a mediados de mayo de 2017, la capitalización de mercado aumentó de forma
masiva, de alrededor de 7 mil millones de USD a 28 mil millones USD [6]. Eso
es un aumento de aproximadamente 300 por ciento en un año. El límite del
mercado de otras criptomonedas aumentó aún más. En el período de un año
que finalizó a mediados de mayo de 2017, el valor de mercado de las
criptomonedas excluyendo el bitcoin aumentó de 1.7 mil millones de USD a
más de 29 mil millones de USD [7]. Eso es un aumento de más de 1.900 por
ciento. Al igual que en el mercado de bitcoins en 2013 (el período que
examinamos), los mercados para estas otras criptomonedas son muy escasos.
Nuestro análisis sugiere que la manipulación es bastante factible en tales
entornos.

El comercio en criptomonedas se realiza sin receta (OTC). Dichos exchange

ocurren directamente entre dos partes, es decir, sin pasar por una bolsa
regulada. El comercio extrabursátil se ha disparado en los últimos años. En
2008, alrededor del 16 por ciento de las operaciones bursátiles de los EE. UU.
Eran de tipo OTC. Para 2014, las operaciones OTC representaban el cuarenta
por ciento de todas las operaciones bursátiles en los EEUU. Al igual que el
comercio de criptomonedas, las operaciones OTC no son transparentes y no
están reguladas, y existe la preocupación de que dicha negociación sea más
perjudicial que la negociación de alta frecuencia a través de bolsas reguladas
[13].

Como la corriente principal invierte en activos de criptomonedas y los países

toman medidas para legalizar Bitcoin como sistema de pago (como lo hizo
Japón en abril de 2017), es importante entender cómo son los mercados de
criptomonedas susceptibles a la manipulación. Como se verá en este
documento, la primera vez que Bitcoin alcanzó un tipo de cambio de más de $
1,000, el aumento fue impulsado por el fraude. Pasaron más de tres años hasta
que se alcanzaron nuevamente estos tipos de cambio, y nos quedamos
preguntándonos si el aumento actual fue impulsado por intereses legítimos o
por algo más infame.

3 – Traducción @veg2021
Por todas estas razones, creemos que es importante entender cómo funciona
el ecosistema de Bitcoin y cómo se puede abusar de él. En este documento,
hemos dado un paso inicial en esa dirección.

1.2 - Mapa de ruta

El documento procede de la siguiente manera. La Sección 2 discute los

antecedentes y el trabajo relacionado. En la sección 3, explicamos nuestra
metodología para identificar la ATS y la evidencia detallada de por qué
consideramos que estas transacciones son sospechosas. Las Secciones 4 y 5
examinan los datos en detalle, presentan nuestros hallazgos y muestran que
nuestros resultados son sólidos. La Sección 6 tiene discusión adicional y
conclusiones breves.

2 - Antecedentes y trabajo relacionado

Las criptomonedas y los mercados asociados representan una fuerza naciente

pero creciente dentro del sector financiero. Bitcoin, que se convirtió en la
primera criptomoneda descentralizada popular en 2009, es la más investigada
porque es la más exitosa de las monedas digitales. Dentro de la literatura de
nance, hay un interés creciente en descubrir qué es lo que impulsa una moneda
"sin valor". Li y Wang investigan la tasa de cambio de bitcoin en un esfuerzo
por ampliar nuestra comprensión de la motivación detrás del aumento y la
caída de los valores de la criptomoneda [12]. Además, Hayes construye un
modelo para determinar el valor de una criptomoneda tipo bitcoin calculando
su costo de producción [10]. Ciaian et al. concluyó que el atractivo del inversor
ha tenido un impacto significativo en el precio de bitcoin [18]. (3) Aunque en
ocasiones se reconoce el potencial de manipulación para influir en las
valoraciones, ninguno de estos documentos consideró cómo los exchange no
autorizados como los que estudiamos podrían afectar las valoraciones.

Los exchange de criptomonedas no regulados, como Mt Gox, son una parte

esencial del ecosistema de Bitcoin. Para la mayoría de los usuarios, es a través
de los exchange de divisas que se adquieren los bitcoins. Tal como lo demuestra
el auge y la caída de Mt Gox, ningún exchange de criptomonedas es demasiado
grande como para fallar. Según informaron Moore y Christin, a principios de
2013, el 45% de los exchange de Bitcoin se habían cerrado, y muchos de los
mercados restantes estaban sujetos a cortes de seguridad e incumplimientos
frecuentes [15]. Vasek et al. realizó una investigación en profundidad de los
ataques de denegación de servicio contra los exchange de criptomonedas y
otros servicios de Bitcoin, documentando 58 de estos ataques [21]. Feder et. al
4 – Traducción @veg2021
[8] realizó el primer estudio econométrico del impacto de los ataques de
denegación de servicio en la actividad comercial en exchange de Bitcoin,
aprovechando los datos de Vasek et al. Confían en los mismos datos de
comercio filtrados de Mt Gox utilizados en nuestro documento, pero lo utilizan
para mostrar cómo el volumen de operaciones se torna menos sesgado (menos
operaciones grandes) el día después de que los ataques de denegación de
servicio se dirigieran al exchange de Mt Gox. En este documento, utilizamos los
datos de negociación para identificar transacciones no autorizadas y
examinamos los efectos de dichas transacciones en el ecosistema de Bitcoin.

Debido a su naturaleza relativamente anárquica, las criptomonedas están bajo

constante amenaza de ataque. Numerosos investigadores han realizado
estudios para documentar y combatir amenazas como los esquemas Ponzi [21],
el lavado de dinero [16], botnets mineras [11] y el robo de \ brain "wallets [20].
Ron y Shamir intentan identificar actividad comercial sospechosa mediante la
construcción de un gráfico de las transacciones de Bitcoin encontradas en el
libro mayor público [19]. (4)

Ninguno de estos documentos puede asociar transacciones individuales con

usuarios específicos en exchange de divisas. Nuestros datos incluyen la
identificación del usuario. Por lo tanto, podemos asociar exchange con usuarios
particulares.

Para una revisión más completa de la literatura, ver Bonneau et al. para la
cobertura de problemas técnicos [5] y B? ohme et al. para una discusión sobre
el diseño, los riesgos y los desafíos abiertos de Bitcoin [4].

----------------------------------------
(3) Gandal y Halaburda [9] examinan la competencia entre las criptomonedas. Encuentran que los datos son consistentes
con los fuertes efectos de red y la dinámica del ganador se lleva todo.

(4) Meiklejohn y col. examine el blockchain para determinar si las transacciones de bitcoin son verdaderamente anónimas.
Vincularon exitosamente las transacciones a los proveedores de servicios populares de Bitcoin, como los exchange de
divisas [14].

3 - Identificación de actividad de trading sospechoso en Mt Gox

3.1 - Actividad del exchange

A principios de 2014, en medio de acusaciones de robo, el historial de

transacciones de Mt Gox se filtró en la forma de varios archivos grandes CSV.
El volcado de datos de Mt Gox dio acceso a aproximadamente 18 millones de
transacciones de compra y venta coincidentes entre abril de 2011 y noviembre
de 2013. Estos datos son mucho más precisos que los datos que podríamos

5 – Traducción @veg2021
obtener de blockchain por dos razones. En primer lugar, la mayoría de la
actividad comercial se registra solo por el exchange. En segundo lugar, el
exchange vincula las transacciones con la cuenta de usuario.

Los datos del volcado incluyen campos tales como ID de transacción, cantidad,
tiempo, moneda y códigos de país y estado del usuario. También se incluye la
identificación del usuario, que es el número interno asociado con los usuarios
de Mt Gox. La identificación de usuario es crucial, ya que nos permite vincular
transacciones por parte del mismo actor.

Complementamos los datos de Mt Gox con los valores agregados diarios

disponibles públicamente de bitcoincharts.com. Esta información se utilizó
para verificar los volúmenes de negociación, para comparar las tasas de cambio
de Mt Gox con otras plataformas líderes y para verificar las tasas de cambio
diarias de USD a BTC.

3.2 - Validación del conjunto de datos

Con la excepción de unos pocos pasos clave, la validación de los datos de Mt

Gox siguió de cerca el trabajo previo realizado por Feder et al. [8] en el que se
eliminaron duplicados mediante la inspección de combinaciones de campos
clave. Las filas duplicadas contenían valores coincidentes para ID de usuario,
marca de tiempo, tipo de transacción (compra / venta) y cantidad de
transacción. Examinamos dos métodos para eliminar entradas duplicadas.
Ambos métodos trataron las tuplas como únicas (ID de usuario, indicación de
fecha y hora, tipo de transacción, cantidad en BTC, cantidad en JPY, es decir,
Yen japonés) con el método más agresivo excluyendo la cantidad en JPY de la
tupla.(5) Ambos métodos produjeron resultados que fueron más consistentes
con otros datos de negociación disponibles públicamente que el conjunto de
datos original. Feder et al. [8] optó por proceder con la menos agresiva de las
dos estrategias, lo que resultó en un conjunto de datos limpio de
aproximadamente 14 millones de registros. Elegimos el método más agresivo,
pero nuestros resultados son sólidos para ambos métodos.

----------------------------------------
(5) Mt Gox was based in Tokyo.

Durante la fase de exploración de datos, descubrimos registros duplicados

adicionales que no coincidían con el modelo único de tupla descrito
anteriormente. En estos casos, parecían ser copias de una de las caras
(compra/venta) de la transacción o de toda la transacción con pequeñas
alteraciones en los datos en las columnas "User ID", "Money" y "Money JPY". El
factor común utilizado para iniciar el proceso de eliminación fue la nueva
6 – Traducción @veg2021
identificación de usuario. Podríamos encontrar un lado de la transacción
haciendo coincidir esta ID de usuario y luego usar las columnas de Money y
Money JPY para encontrar el lado opuesto correspondiente de la transacción.
En total, 5.991 filas adicionales fueron eliminadas usando este método, todas
involucrando una única identificación de usuario. Posteriormente,
identificamos estas entradas duplicadas como originarias del comerciante
denotado\Markus. "Realizamos comprobaciones de cordura adicionales de los
datos utilizando los datos comerciales históricos disponibles de Mt Gox de
bitcoincharts.org. Estamos seguros de que los datos son de alta calidad.

3.3 - Actividad trading sospechoso

A principios de 2014, después de la filtración de datos de Mt Gox, varias

personas que comerciaban en Mt Gox encontraron lo que consideraban
"actividad sospechosa" y escribieron extensamente al respecto [1, 3]. Llevamos
a cabo nuestro propio análisis de los datos, confirmando gran parte de lo que
se informó en los blogs. El resto de esta sección resume la evidencia de por qué
la actividad comercial debe considerarse sospechosa, junto con una
descripción del comportamiento(6). En el Apéndice B, revisamos
cuidadosamente los detalles que confirmaron que las transacciones relevantes
eran sospechosas. Presentamos un resumen de los hallazgos clave aquí.

----------------------------------------
(6) Los comentarios en línea sobre estas transacciones frecuentemente se refieren a los comerciantes como `bots '(por
ejemplo, [1, 3]). Nos abstenemos de hacerlo en este documento porque no tenemos evidencia de si las transacciones se
emitieron automáticamente o no, como sería el caso de los bots.

3.3.1 - Trader sospechoso 1: Markus

Durante la exploración inicial de datos, encontramos un grupo de usuarios con

atributos que diferían del resto de los usuarios en el conjunto de datos. En
particular, para estos usuarios, cada transacción tenía "??" como entrada para
el país del usuario y los campos de estado del usuario. Esto parecía sospechoso
ya que estos campos normalmente contienen códigos de ubicación FIPS, un
valor NULL o "!!". Una cuenta que contiene los valores de ubicación anormales
se destacó en comparación con los demás porque esta cuenta compró y vendió
bitcoins, mientras que los demás solo compraron. Nos adherimos a la
convención de nomenclatura en los blogs y nos referimos a la primera cuenta
como Markus.

Tras una inspección más cercana, los exchange de Markus levantaron muchas
banderas rojas. Nunca pagó tarifas de transacción y, según los informes, pagó
precios aparentemente aleatorios por bitcoins. Lo más curioso de todo es que

7 – Traducción @veg2021
identificamos muchas transacciones duplicadas en las que el monto pagado se
cambió de un precio increíblemente aleatorio a uno que era coherente con
otras transacciones ese día. Al final, hemos llegado a la conclusión de que
Markus en realidad no pagó los bitcoins que adquirió; más bien, su cuenta fue
acreditada fraudulentamente con bitcoins reclamados que casi con seguridad
no estaban respaldados por monedas reales. Además, debido a que las
transacciones se duplicaron, ningún cliente legítimo de Mt Gox recibió la
moneda fiduciaria que Markus supuestamente pagó para adquirir las monedas.

Markus comenzó a comprar bitcoin el 14-02-2013 y estuvo activo hasta el

2013-09-27. No pagó los bitcoins que adquirió ni pagó tarifas por las
transacciones. Durante los 225 días que la cuenta estuvo activa, Markus
adquirió un total de 335,898 bitcoins (por valor de alrededor de $ 76 millones)
en 33 días.

3.3.2 - Trader sospechoso 2: Willy

Las cuentas restantes que contenían "??" en el estado del usuario y en los
campos del país de usuario se agruparon por separado de la cuenta de Markus
porque su actividad comercial se veía diferente. Nuevamente, nos adherimos a
las convenciones de nombres encontradas en línea [3, 1] y nos referimos a esta
colección de cuentas como "Willy". A diferencia de Markus, Willy no usó una
sola identificación; en cambio, era una colección de 49 cuentas separadas que
cada una compró rápidamente exactamente 2,5 millones de dólares en orden
secuencial y nunca vendió el bitcoin adquirido. La primera cuenta de Willy se
activó el 2013-09-27, apenas 7 horas y 25 minutos después de que Markus
permaneció inactivo de forma permanente, y podemos rastrear la actividad de
Willy hasta que finalice el período de 2013-2030. Cada cuenta pasó a gastar
exactamente 2,5 millones de dólares luego se volvió inactiva. Luego, la próxima
cuenta se activaría y el proceso se repetiría.

¿Por qué sospechamos de juego sucio? A diferencia de Markus, no había

evidencia de un encubrimiento mediante la introducción de registros
duplicados manipulados. De hecho, parece que los usuarios que vendieron a
Willy estaban conscientes de la transacción. Además de la evidencia
circunstancial de uso secuencial y proximidad a Markus, la evidencia más
sólida que tenemos de que estuvo involucrado el juego sucio se puede
remontar a la identificación del usuario interno. Las investigaciones previas
sobre las identificaciones de cuenta utilizadas para esta actividad mostraron
que eran anormalmente altas para el período de tiempo en el que operaban [3].
Las cuentas normales para este período de tiempo tenían ID que limitaban a

8 – Traducción @veg2021
650000, donde los usuarios en el centro de esta investigación tenían ID en el
rango de 658152-832432.

Además, se pueden encontrar varios informes en línea de la API de comercio

de Mt Gox sin conexión durante varios períodos de tiempo en los que no se
procesó ninguna actividad comercial con una excepción; La actividad comercial
de Willy continuó sin descaro [1]. El 2014-01-07, la API de trading estuvo fuera
de línea durante 90 minutos. Durante este período, la única actividad
procesada siguió el patrón de compra exacto de Willy cuando estaba activo: 10-
19 bitcoins comprados cada 6-20 minutos.

En los 65 días entre la primera transacción de Willy y nuestro límite de datos,

los exchange de Willy se realizaron en 50 de esos días. En total, Willy compró
alrededor de 268.132 bitcoins por poco menos de $ 112 millones. El número
de bitcoins adquiridos por Willy fue ligeramente menor que el número de
bitcoins que adquirió Markus. Sin embargo, la actividad de Markus se produjo
en 36 días durante un período de 225 días. Por lo tanto, la actividad de Willy
fue mucho más intensa. A diferencia, Markus, parece que Willy estaba
interactuando con usuarios reales. Mientras que las cuentas de estos usuarios
fueron "nominalmente" acreditadas con la moneda de Fiat, Willy en realidad
no pagó por los bitcoins.

Por lo tanto, en conjunto, estos comerciantes no autorizados "adquirieron"

alrededor de 600,000 bitcoins en noviembre de 2013. Tal vez, como era de
esperar, esto es muy similar al número de bitcoins (650,000) que Mt Gox
afirmó haber perdido cuando se retiró a principios de 2014(7).

----------------------------------------
(7) Cuando el monte. Gox doblado, inicialmente anunció que alrededor de 850,000 bitcoins pertenecientes a clientes y la
compañía estaban desaparecidos y probablemente fueron robados. Poco después, Mt. Gox encontró 200,000 bitcoins
adicionales. Por lo tanto, la pérdida total fue de 650,000 bitcoins.

Teorías sobre qué motivó el comportamiento de Willy - ¿Por qué Willy

compró grandes cantidades de Bitcoin? ¿Hubo un motivo de ganancia? Si es así,
¿cómo funcionaba el ardid? No podemos saber con certeza, pero nos
enfocaremos en dos explicaciones plausibles.

La primera teoría, inicialmente expuesta en un post de Reddit poco después del

colapso de Mt Gox [2], es que los piratas informáticos robaron una gran
cantidad de BTC de Mt Gox en junio de 2011 y que el fundador Mark Karpales
tomó medidas extraordinarias para cubrir la pérdida durante varios años.

Tenga en cuenta que los exchange de Bitcoin funcionan de muchas maneras,

como los bancos. Los clientes compran y venden bitcoins, pero normalmente
mantienen saldos de monedas fiduciarias y bitcoins en el exchange sin retener
9 – Traducción @veg2021
el acceso directo a la moneda. Para Bitcoin, esto significa que una cuenta de
cliente puede reflejar un saldo de, digamos 100 BTC, pero el cliente no retiene
el acceso a las claves privadas que le permitirían gastar los bitcoins
directamente. En cambio, el usuario tendría que solicitar las claves para
hacerlo, que es análogo a un cliente del banco que retira efectivo de una
sucursal local. Así como un banco mantiene reservas de efectivo que
representan una fracción de los depósitos totales, también un exchange podría
representar para los clientes que tienen más bitcoins en sus cuentas que las
disponibles.

Si Mt Gox estuviera tratando de ocultar la ausencia de una gran cantidad de

BTC de sus arcas, podría tener éxito siempre y cuando los clientes
permanecieran seguros de sí mismos en el exchange. Al ofrecer comprar
grandes cantidades de bitcoins, Willy podría apuntalar el volumen de
negociación en Mt Gox y "convertir" los saldos de consumo de "bitcoin" en
dinero fiduciario. La estratagema podría funcionar siempre y cuando los
usuarios que vendieron bitcoin tuvieran suficiente confianza para dejar la
mayor parte de su saldo fiduciario en Mt Gox. En consecuencia, esta teoría
sostiene que Willy no estaba tratando de obtener ganancias directamente de
estas grandes compras, sino que estaba tratando de evitar el colapso del
exchange.

Esta estrategia también sería útil incluso si algunos consumidores solicitaran

llevar a cabo nuestro balance fiduciario en Mt Gox. Si los consumidores
quisieran sacar bitcoins, Mt Gox tendría que suministrarlos inmediatamente.
Por otro lado, si los consumidores quisieran canjear el efectivo fiduciario en
sus cuentas, Mt Gox podría "retrasar" el retiro diciendo que su banco estaba
limitando la cantidad de efectivo fiduciario que Mt Gox podría retirar en un
período determinado. Esto de hecho sucedió, y muchos consumidores no
pudieron retirar efectivo de sus cuentas fiduciarias durante los últimos meses
antes de que cerrase Mt Gox. Al usar esta estrategia, el comerciante convirtió el
"déficit de bitcoin" de Mt Gox en un déficit de moneda fiduciaria. Esto retrasó
la inevitable caída de Mt Gox. Aunque esto no puede funcionar a largo plazo,
Bernie Madoff, un corredor de bolsa que una vez fue respetado, mantuvo un
esquema similar en funcionamiento durante muchos años.

Como veremos en las secciones posteriores, las acciones de Willy produjeron

un efecto positivo significativo (aunque de corta duración) sobre el precio del
bitcoin en Mt Gox y otras bolsas. Esto lleva a una segunda teoría, menos
conspirativa, sobre la motivación detrás del comportamiento de Willy.
Supongamos que el usuario detrás de Willy había adquirido bitcoins
previamente a un precio menor. Muchos de los primeros en adoptar Bitcoin
habían adquirido grandes cantidades a precios bajos. Si uno de estos usuarios
se da cuenta de que debido a una debilidad de seguridad en Mt Gox, hay una
10 – Traducción @veg2021
manera de iniciar compras de bitcoin sin costo (dado que los usuarios que
vendieron a Willy solo recibieron saldos nocionales en su cuenta Gox), este
usuario podría iniciar estas compras al por mayor para impulsar el tipo de
cambio. Entonces el usuario podría vender los bitcoins con un beneficio
significativo, ya sea en Mt Gox o en uno de los otros exchange.

No sabemos con certeza cuáles de estos escenarios reflejan si sucedió

realmente. Pero eso está en gran parte al lado del punto. Nuestro objetivo es
demostrar que estos exchange fraudulentos de hecho tuvieron un impacto
significativo en el precio de bitcoin.

4 - Impacto de la actividad trading sospechoso: análisis preliminar

La Figura 1 muestra que la tasa de cambio USD/BTC aumentó drásticamente

durante el período en que Willy estuvo activo. Por supuesto, no somos los
primeros en notarlo. Pero eso en sí mismo no significa que la actividad de Willy
haya provocado el aumento del precio. En esta sección y la siguiente,
proporcionamos evidencia convincente de que la actividad de Willy de hecho
causó el aumento del precio.

En la actividad no autorizada en Mt Gox, Markus y Willy fueron casi siempre los

compradores en las transacciones. En los días que estuvieron activos,
compraron grandes cantidades de bitcoins.

Figura 1: Tasa de cambio Bitcoin-USD en el exchange Bitstamp, con períodos

de actividad sospechosa sombreados.

11 – Traducción @veg2021
Como muestra la Tabla 1, Markus estuvo activo como comprador en 33 días,
mientras que Willy estuvo activo en 50 días. En los días en que Markus estuvo
activo, compró un promedio de 9,302 BTC, lo que representó
aproximadamente el 21 por ciento del volumen diario de exchange de Mt Gox.
En los días que Willy estuvo activo, compró un promedio de 4,962 BTC, lo que
representó el 18 por ciento del volumen diario de exchange de Mt Gox. En
ambos casos, estas son cantidades sustanciales. El porcentaje de las compras
de los BOT también fue una cantidad no trivial del comercio total de bitcoins,
como lo muestra el cuadro. Marcus representó el 12 por ciento y Willy
representó el 6 por ciento del comercio total en las cuatro principales bolsas
de comercio de bitcoin y USD en los días que estuvieron activos. Además de Mt
Gox, los otros exchange principales que negocian USD / BTC durante este
período de tiempo fueron Bitstamp, Bitfinex y BTC-e.

12 – Traducción @veg2021
Figura 2: Parte superior: Porcentaje del volumen comercial diario total en Mt
Gox cuando Willy y Markus están activos; sombreado verde si el tipo de cambio
BTC / USD cerró más alto y rojo de lo contrario. Centro: Tasa de cambio BTC /
USD a lo largo del tiempo en Mt Gox y otras bolsas líderes. Abajo: Diferencia en
el tipo de cambio entre Mt Gox y otras bolsas líderes.

13 – Traducción @veg2021
4.1 - Compras sospechosas y cambios de precio

Esperaríamos una asociación entre las compras sospechosas y un aumento en

los precios en Mt Gox (y también en otras bolsas). Esto se debe a que un cambio
alcista en la demanda debería llevar a un aumento en el precio. Examinaremos
este problema en esta sección. Aunque la actividad tuvo lugar exclusivamente
en Mt Gox, también estamos interesados en examinar cómo afectó a los otros
exchange en el ecosistema de Bitcoin.

El gráfico superior en la Figura 2 muestra la fracción de BTC diaria

intercambiada en la plataforma de exchange Mt Gox que fueron llevadas a cabo
por Markus y Willy, respectivamente. Es importante tener en cuenta que la
actividad de Markus y Willy se solapó por un día solamente. En los días en que
hubo actividad comercial sospechosa en Mt Gox, la evidencia descriptiva
sugiere que los precios también tendieron a subir. Las líneas en la figura son de
color verde si el tipo de cambio se elevó y el rojo si el tipo de cambio cayó.

Luego examinamos si los cambios de precio difirieron en los días en que se

produjo la actividad fraudulenta. Hicimos esto durante los 9.5 meses que
Markus y Willy estuvieron activos (y para los cuales tenemos datos) y
observaron con qué frecuencia subió la tasa de cambio en Mt Gox, como se
indica en la Tabla 2. Podemos ver que, en días sin actividad sospechosa, 55%
de la época en que la tasa de cambio de hecho aumentó. Pero en los 82 días que
hubo actividad de compra sospechosa, el 79% del tiempo subió la tasa de
cambio. Según una prueba de proporciones chi-cuadrado, es poco probable que
esta diferencia se deba a la aleatoriedad (p <0,05). Esta es una evidencia
preliminar de que esta actividad sí contribuyó al aumento de los precios en Mt
Gox.

14 – Traducción @veg2021
Como era de esperar, la actividad de Markus y Willy afectó los precios en las
otras plataformas también. Como se muestra en la Tabla 3, en días sin actividad
no autorizada, la tasa de cambio en Bitstamp aumentó 55% del tiempo. Sin
embargo, en los 82 días que Markus o Willy adquirieron bitcoins, el tipo de
cambio aumentó más del 80 por ciento del tiempo. Por lo tanto, también hay
una fuerte evidencia de que los efectos de los exchange sospechosos en Mt Gox
se extendieron a otros exchange.

Esto tiene sentido porque todas estas plataformas intercambiaron el mismo

par de divisas USD-BTC.

Luego dividimos los datos en cinco períodos iguales de tres meses,

comenzando desde 2012-12-01 (2.5 meses antes de que Markus estuviera
activo) y terminando la fecha en que dejó de funcionar Mt Gox (2014-25-02,)
que fue tres meses después del filtrado del conjunto de datos Mt Gox. Para el
quinto período, no tenemos ningún dato sobre actividad de actividad comercial
sospechosa, pero sí tenemos datos sobre los precios en Mt Gox y las demás
plataformas.

15 – Traducción @veg2021
La Tabla 4 muestra el porcentaje de días en cada período en el que hubo
actividad comercial sospechosa. Markus estuvo activo durante 8 meses, que
abarcan más de 4 períodos. Sin embargo, estuvo activo principalmente en el
período 3. Por otro lado, Willy estuvo activo durante menos de tres meses y
toda la actividad ocurrió en el período 4. No tenemos datos sobre ninguna
actividad no autorizada desde el final del período 4. Mt Gox cerró poco después
de eso.

En la Tabla 5 vemos cómo la tasa de cambio diaria (cierre - apertura) cambió,

en promedio, en 4 plataformas de exchange. Dado que la actividad fraudulenta
se produjo esencialmente en el tercer y cuarto período, nos centramos en estos
dos períodos. Pero los períodos uno y dos se pueden ver como puntos de
referencia.

En el período 3, cuando la actividad de Markus alcanzó su punto máximo, no

vemos muchos cambios en los precios en general. Sin embargo, si observamos
los días en que Markus está activo, el aumento promedio diario del precio es
más alto. Esto es cierto, tanto en Mt Gox como en todas las demás plataformas
también.

En el período 4, el único período en el cual Willy estuvo activo, vemos un gran

salto en el cambio promedio diario de la tasa de cambio. Separar los días en los
que Willy estuvo activo y los que no lo fueron, revela una diferencia dramática:
en el caso de Mt Gox, la tasa promedio USD / BTC aumentó en $ 21.85 en los 50
días que Willy estuvo activo; en realidad cayó (por $ 0,88 en promedio) los días
en que Willy no estaba activo.

16 – Traducción @veg2021
La misma diferencia dramática se mantiene para los otros exchange también.
Estos resultados son llamativos y sugieren que la actividad de Willy podría
haber causado enormes saltos en el tipo de cambio en todos los exchange.
Vamos a ejecutar regresiones para controlar otras variables en la Sección 5,
pero estas estadísticas resumen dejan muy claro que la actividad de compra
sospechosa probablemente causó los enormes aumentos de precios.(9)

----------------------------------------
(9) En el período 4, Willy estuvo activo en 50 de 91 días. Pero como Willy no comienza a comerciar hasta después de que
Markus deja de actividad, toda la actividad de Willy tiene lugar en un período de 65 días en el Período 4 desde el 27 de
septiembre de 2013 hasta el 30 de octubre de 2013 (al final del período 4). Está activo durante 50 de los sesenta y cinco
días. En el Apéndice C, mostramos la Tabla 5 para este subperiodo del período 4. Los "patrones" que se muestran en la
Tabla 5 son cualitativamente sin cambios.

4.2 - Actividad sospechosa y diferencias de precio entre los exchange

Otro indicador de precio interesante es la diferencia en los precios de apertura

en Mt Gox y otras plataformas. En el gráfico del medio de la Figura 2 graficamos
las diferencias en los precios de apertura diarios (en términos porcentuales)
entre Mt Gox y las otras tres plataformas.

El gráfico muestra que hubo diferencias en los precios de apertura entre Mt

Gox y los otros exchange, y estas diferencias tuvieron lugar cuando ocurrió la
actividad sospechosa.

Para explorar esto más a fondo, dividimos los datos en 5 períodos. En la Tabla
6 tenemos la diferencia porcentual promedio en los precios diarios de
"apertura" entre Mt Gox y las otras plataformas. Esto mide en qué porcentaje
fue el precio de apertura de Mt Gox más alto (o más bajo) que los precios de las
otras plataformas.(10)

Vemos una tendencia interesante en las diferencias de precios. En los períodos

uno y dos (antes de la actividad fraudulenta significativa), hay una diferencia
17 – Traducción @veg2021
relativamente pequeña entre Mt Gox y los otros exchange. De manera similar,
en el período 5, nuevamente hay muy poca diferencia en los precios entre Mt
Gox y las demás bolsas.

Las diferencias porcentuales crecen en períodos 3 y 4, los períodos en los que

ATS es más frecuente. Esta tendencia se invierte en el período 5, que es el
período en el que cerró Mt Gox. Aunque no contamos con datos sobre
actividades comerciales sospechosas durante este período, las pequeñas
diferencias de precios de apertura entre Mt Gox y las demás bolsas sugieren
que estos jugadores no estaban activos en ese momento o eran menos activos.
Esto sugiere que durante el tiempo en que hubo una actividad fraudulenta
significativa, la actividad tuvo un papel en la creación de una brecha entre Mt
Gox y las otras plataformas.

----------------------------------------
(10) Lo mismo es cierto para los precios de cierre. Los precios de cierre en el día t son iguales a los precios de apertura del
día t + 1, ya que hay 24 horas de negociación. El precio de apertura / cierre es a las 24:00 GMT.

5 - Análisis de regresión

El análisis en la sección anterior proporciona una fuerte evidencia de que la

actividad sospechosa en Mt Gox afectó los precios en todos los intercambios.
Para examinar más a fondo esto, utilizamos el análisis de regresión, aunque
dados los resultados claros de las estadísticas de resumen en la sección 4, el
análisis de regresión probablemente no sea necesario. En cualquier caso,
ejecutamos regresiones con la variable dependiente siendo el cambio de precio
en Mt Gox. Luego ejecutamos las mismas regresiones para los otros tres
intercambios también.

5.1 - Fluctuaciones de precios en Mt Gox

Ejecutamos la siguiente regresión:

Nuestra variable dependiente, RateChange, es la diferencia diaria en la tasa de

cambio de BTC, es decir, la diferencia diaria entre los precios de cierre y
apertura en MtGox.(11)

Ahora describimos nuestras variables independientes. Markus es una variable

ficticia que toma el valor uno en los días en que Markus está activo como
comprador. Del mismo modo, definimos la variable ficticia Willy. DDoS es una
18 – Traducción @veg2021
variable ficticia que toma el valor uno los días que ocurrió un ataque DDoS en
Mt Gox. El día después de DDoS es una variable ficticia que toma el valor uno el
día después de que ocurrió un ataque DDoS en Mt Gox. La variable Other (u
OtherAttacks) es una variable ficticia que toma el valor uno los días en que
ocurrieron los ataques no DDoS.(12) Et un término de error de ruido blanco.(13)
El subíndice "t" se refiere al tiempo. En el análisis, utilizamos los datos de los
primeros cuatro períodos, ya que en el período 5, no tenemos datos sobre si los
comerciantes fraudulentos estaban activos. Tenemos un total de 365
observaciones.

La ecuación (1) es una regresión de forma reducida. Es decir, no estamos

estimando la demanda o la oferta, sino el efecto de los cambios en las variables
exógenas del lado derecho en la variable endógena (cambio de precio diario).
Pero en nuestro caso, los coeficientes de esta regresión de forma reducida son
exactamente lo que queremos medir Las estadísticas de resumen aparecen en
el Apéndice A.

----------------------------------------
(11) Recuerde que los precios de cierre en el día t son iguales a los precios de apertura del día t + 1, ya que hay 24 horas
de negociación. El precio de apertura/cierre es a las 24:00 GMT

(12) Tal vez porque fue el principal intercambio durante el período de nuestros datos, la mayoría de los ataques DDoS se
realizaron en Mt Gox.

(13) Verificamos la autocorrelación de errores calculando la estadística de Durbin Watson (DW) para cada regresión. El
valor de DW no es estadísticamente diferente de dos en ninguno de los cuatro casos; esto sugiere fuertemente que no hay
autocorrelación y que un término de error de ruido blanco es apropiado.

5.1.1 - Resultados

19 – Traducción @veg2021
Los resultados en la Tabla 7 muestran que el coeficiente que representa la
actividad de Willy es positivo y significativo: de ahí que haya una asociación
positiva muy fuerte entre la actividad de Willy y los precios en Mt Gox. Esta
regresión confirma los sorprendentes resultados de la Sección 4. El coeficiente
estimado de la variable "ficticia" para Willy es de $ 21.65, mientras que el
"estimado" en la sección 4 fue de $ 21.85. Esto nuevamente sugiere que el tipo
de cambio USD / BTC aumentó en Mt Gox en más de 20 dólares por día en
promedio en los días que Willy estuvo activo.

Las regresiones para los otros intercambios en la misma tabla muestran que el
precio en ese intercambio también aumentó en promedio de 19 a 20 dólares
diarios los días que Willy estuvo activo. De nuevo, los coeficientes estimados
son consistentes con las "estimaciones" de la Tabla 5 en la sección 4.

Tenga en cuenta que para estas regresiones, el coeficiente estimado en la

variable ficticia que representa la actividad de Willy es el único coeficiente que
es significativo. En particular, los ataques de denegación de servicio y otros
shocks no parecen influir en el tipo de cambio.

El coeficiente estimado asociado con la actividad de Markus es positivo, pero

no significativo, lo que sugiere que la intensa actividad de Willy tuvo un mayor
efecto en los precios que la actividad más difusa de Markus.

6 - Conclusión

En este documento, utilizamos los datos comerciales delineados por el usuario

para determinar si hubo (como se afirma en la prensa popular) actividad
comercial sospechosa en el intercambio de Mt Gox. Encontramos una
abrumadora evidencia de actividad sospechosa / fraudulenta en Mt Gox. Luego
mostramos cómo esta actividad afectó el ecosistema de Bitcoin.

Hemos demostrado que las manipulaciones pueden tener efectos reales

importantes. La actividad comercial sospechosa de un solo actor provocó que
el aumento masivo en la tasa de cambio USD-BTC subiera de alrededor de $
150 a más de $ 1000 a finales de 2013. La caída fue aún más dramática y rápida,
y le ha tomado más de tres años a Bitcoin. para que coincida con el aumento
provocado por las transacciones fraudulentas.

Debido a que los datos delineados prácticamente nunca están disponibles para
los investigadores, no podemos decir si dicha actividad continúa plagando el
ecosistema de Bitcoin. Dado el reciente ascenso meteórico en Bitcoin a niveles

20 – Traducción @veg2021
que superan el máximo de 2013 (y el enorme aumento en los precios de otras
criptomonedas), es importante que los intercambios garanticen que no haya
operaciones fraudulentas. Dado que el ecosistema de Bitcoin no está regulado
en la actualidad, es esencial que los jugadores y las organizaciones clave se
controlen a sí mismos. Además, es posible que los reguladores deseen
comenzar a asumir una función de supervisión activa a medida que el
ecosistema de Bitcoin se integra más en las finanzas y los sistemas de pago
internacionales.

21 – Traducción @veg2021
Referencias

[1] Free willy! – identifying the gox buy bot., January 2014. https://www.reddit.com/
r/Bitcoin/comments/20k4zc/free_willy_identifying_the_gox_buy_bot/.

[2] Peter Rs theory on the collapse of Mt Gox, March 2014. https://www.reddit.com/

r/Bitcoin/comments/1zdnop/peter_rs_theory_on_the_collapse_of_mt_gox/.

[3] The Willy Report, May 2014. https://willyreport.wordpress.com/.

[4] Rainer B¨ohme, Nicolas Christin, Benjamin Edelman, and Tyler Moore. Bitcoin:
Economics, technology, and governance. Journal of Economic Perspectives, 29(2):213–
38, 2015.

[5] Joseph Bonneau, Andrew Miller, Jeremy Clark, Arvind Narayanan, Joshua A. Kroll, and
Edward W. Felten. Research Perspectives and Challenges for Bitcoin and
Cryptocurrencies. In IEEE Symposium on Security and Privacy, May 2015.

[6] CoinMarketCap. Cryptocurrency market capitalizations. https://coinmarketcap.

com/currencies/bitcoin/. Last accessed May 16, 2017.

[7] CoinMarketCap. Total market capitalization (excluding bitcoin). https://

coinmarketcap.com/currencies/bitcoin/. Last accessed May 16, 2017.

[8] Amir Feder, Neil Gandal, JT Hamrick, and Tyler Moore. The impact of DDoS and other
security shocks on Bitcoin currency exchanges: Evidence from Mt Gox. In 15th Workshop
on the Economics of Information Security (WEIS), 2016.

[9] Neil Gandal and Hanna Halaburda. Can we predict the winner in a market with network
effects? In Games, July 2016.

[10] Adam S. Hayes. Cryptocurrency value formation: An empirical study leading to a cost of
production model for valuing bitcoin. Telematics and Informatics, May 2016.

[11] Danny Yuxing Huang, Hitesh Dharmdasani, Sarah Meiklejohn, Vacha Dave, Chris Grier,
Damon McCoy, Stefan Savage, Nicholas Weaver, Alex C Snoeren, and Kirill Levchenko.
Botcoin: Monetizing stolen cycles. In Proceedings of the Network and Distributed System
Security Symposium, 2014.

[12] Xin Li and Chong Alex Wang. The technology and economic determinants of
cryptocurrency exchange rates: The case of bitcoin. Decision Support Systems, December
2016.
[13] John McCrank. Dark markets may be more harmful than high-frequency trading. Reuters
Business News, apr 2014. http://www.reuters.com/article/ us-dark-markets-analysis-
idUSBREA3508V20140406.

22 – Traducción @veg2021
[14] Sarah Meiklejohn, Marjori Pomarole, Grant Jordan, Kirill Levchenko, Damon McCoy,
Geoffrey M Voelker, and Stefan Savage. A fistful of Bitcoins: Characterizing payments
among men with no names. In Proceedings of the Internet Measurement Conference,
pages 127–140. ACM, 2013.

[15] Tyler Moore and Nicolas Christin. Beware the middleman: Empirical analysis of Bitcoin-
exchange risk. In Financial Cryptography and Data Security, volume 7859 of Lecture
Notes in Computer Science, pages 25–33. Springer, April 2013.

[16] Malte Mo¨ser, Rainer B¨ohme, and Dominic Breuker. An inquiry into money laundering
tools in the Bitcoin ecosystem. In Proceedings of the Seventh APWG eCrime Researcher’s
Summit, pages 1–14. IEEE, 2013.

[17] Satoshi Nakamoto. Bitcoin: A peer-to-peer electronic cash system. https://bitcoin.

org/bitcoin.pdf, 2008.

[18] Miroslava Rajcaniova Pavel Ciaian and dArtis Kancs. The economics of bitcoin price
formation. Applied Economics, 48:1799–1815, May 2016.

[19] Dorit Ron and Adi Shamir. Quantitative analysis of the full Bitcoin transaction graph. In
Financial Cryptography and Data Security, volume 7859 of Lecture Notes in Computer
Science, pages 6–24. Springer, 2013.

[20] Marie Vasek, Joseph Bonneau, Ryan Castellucci, Cameron Keith, and Tyler Moore. The
Bitcoin brain drain: a short paper on the use and abuse of bitcoin brain wallets. In
Financial Cryptography and Data Security, Lecture Notes in Computer Science. Springer,
2016.

[21] Marie Vasek and Tyler Moore. There’s no free lunch, even using Bitcoin: Tracking the
popularity and profits of virtual currency scams. In Rainer B¨ohme and Tatsuaki
Okamoto, editors, Financial Cryptography and Data Security, volume 8975 of Lecture
Notes in Computer Science, pages 44–61. Springer, January 2015.

23 – Traducción @veg2021
Apéndice A: Estadísticas descriptivas

24 – Traducción @veg2021
Apéndice B: Detalles de la actividad de Markus y Willy

Markus aparentemente pagó tasas aleatorias por los bitcoins que adquirió. Por
ejemplo, en dos transacciones que tuvieron lugar la misma hora en 2013-04-
03, pagó 0.000374 USD por bitcoin en una transacción y 925489.67 USD por
bitcoin en otra.

La Tabla 11 muestra la amplia gama de tasas que pagó Markus. La tabla informa
la cantidad de compras que hizo Markus para diferentes rangos de tarifas.
Durante el tiempo en que Markus negoció, las tasas de cambio publicadas
oscilaron entre $ 20 y $ 229. Por lo tanto, cualquier transacción con tasas fuera
de este rango levanta sospechas. De hecho, solo una cuarta parte de los
intercambios de Markus cayeron dentro de este rango. 13% de las veces,
Markus pagó menos de un dólar, mientras que en 821 transacciones (3% del
total), supuestamente pagó una tasa de más de $ 100,000 por bitcoin.

Tras una inspección más cercana, las tasas de cambio aleatorias parecen
provenir de transacciones publicadas antes de las transacciones de Markus. La
Tabla 12 ilustra el patrón. La transacción 1362466144485228 fue publicada
con el usuario 238168, que compró bit0.398 de bitcoins por 15.13 USD. Cada
25 – Traducción @veg2021
transacción de Markus que siguió (indicada en negrita) "tomó prestados" los
valores Money, JPY Money de la transacción anterior. Confirmamos este patrón
de comportamiento en todo momento: cada vez que Markus compró, el monto
pagado provino de una transacción anterior no relacionada, mientras que el
número de bitcoins adquiridos aparece al azar.

De vez en cuando, Markus también vendía bitcoin, y la tasa de cambio BTC-fiat

para estas transacciones parece ser correcta. Por ejemplo, en 2013-06-02
Markus vendió 31.5 bitcoins por 3757.95 USD, o 119.3 USD por bitcoin, que es
similar a la tasa promedio pagada por los usuarios ese día. En total, Markus
vendió 35867.18 bitcoins por un valor aproximado de 4018681.65 USD en
2927 transacciones en 6 días diferentes.

Como se indica en la sección 3.2, prestamos más atención a los registros que
eliminamos al deduplicar los datos. Esto se debió al hecho de que varias
transacciones contenían filas duplicadas de compra y venta; ver la Tabla 13
para un ejemplo de estas transacciones. Podemos ver que aparentemente el
usuario 201601 vendió un bitcoin dos veces al mismo tiempo, primero al
usuario 698630 por 15.13 USD y al usuario 634 por 38.11 USD.

26 – Traducción @veg2021
Tras una inspección más cercana, concluimos que las filas que contienen
15.13163 en las columnas de dinero son las filas originales para esta
transacción. En cada instancia donde se descubrieron duplicados, implicaron
al usuario 698630 y al usuario 634; 634 pareció "corregir" el 698630. Existen
múltiples rarezas que involucran al usuario 634. En primer lugar, el ID de
usuario numérico es extremadamente bajo, lo que sugiere que podría ser una
cuenta interna de Mt Gox. Segundo, antes de emitir las transacciones
corregidas, el usuario 634 compró y vendió un total de 824,297.7 bitcoins entre
2011-04-07 y 2012-08-01. Esta cuenta estuvo inactiva durante 197 días antes
de que la veamos nuevamente en las transacciones duplicadas que involucran
a Markus.

La Tabla 14 resume las discrepancias entre las identidades de Markus. 2966

transacciones de compra realizadas por 698630 se duplicaron posteriormente
como originadas por el usuario 634 a precios de mercado. En total, como
usuario 698630, se informa que Markus pagó 1080617 USD por 67452 bitcoin.
Al actuar como usuario 634 en su lugar, Markus "pagó" 2000729 USD por las
mismas transacciones. Esto solo incluye las transacciones corregidas que
involucran al usuario 634; ignoramos cualquier actividad comercial que
ocurriera antes de que Markus estuviera activo. Vale la pena señalar que solo
se modificaron las cantidades pagadas por bitcoins, nunca la cantidad de
bitcoins. Además, para las 196 transacciones en las que el usuario 698630
vendió bitcoin y encontramos una fila duplicada con el usuario 634, no se
modificaron los importes monetarios. Solo el ID de usuario había cambiado.

Finalmente, vale la pena señalar que la mayoría de las transacciones realizadas

por el usuario 698630 nunca se modificaron, a pesar de la presencia de tipos
de cambio a menudo salvajes. El usuario 698630 solo funcionó entre febrero y
septiembre de 2013, y durante ese tiempo compró 268446.09 BTC, según los
informes, a precios que totalizan $76,4 millones. Observamos que este monto
total en USD debe considerarse con precaución, dado que se basa en tasas de
cambio aparentemente aleatorias.

27 – Traducción @veg2021
Apéndice C: Revisión adicional del período 4

28 – Traducción @veg2021
Apéndice D: Cuota de mercado de Bitcoin

Figura 3: Distribución de la cuota de mercado entre las bolsas de cambio de

Bitcoin por volumen de comercio comunicado, abril de 2011 a noviembre de
2013. (Fuente: bitcoincharts.com)

29 – Traducción @veg2021