[論文レビュー] ReLaMix: Residual Latency-Aware Mixing for Delay-Robust Financial Time-Series Forecasting

Tianyou Lai, Wentao Yue+6 more|arXiv (Cornell University)|Mar 21, 2026

Stock Market Forecasting Methods被引用数 0

ひとこと要約

ReLaMix は Zero-Order Hold (ZOH) 待機下で清晰な高周波金融信号を回復する軽量な Residual Latency-Aware Mixing ネットワークで、ベースラインよりはるかに少ないパラメータ数で最先端の精度を達成し、資産間で一般化する。

ABSTRACT

Financial time-series forecasting in real-world high-frequency markets is often hindered by delayed or partially stale observations caused by asynchronous data acquisition and transmission latency. To better reflect such practical conditions, we investigate a simulated delay setting where a portion of historical signals is corrupted by a Zero-Order Hold (ZOH) mechanism, significantly increasing forecasting difficulty through stepwise stagnation artifacts. In this paper, we propose ReLaMix (Residual Latency-Aware Mixing Network), a lightweight extension of TimeMixer that integrates learnable bottleneck compression with residual refinement for robust signal recovery under delayed observations. ReLaMix explicitly suppresses redundancy from repeated stale values while preserving informative market dynamics via residual mixing enhancement. Experiments on a large-scale second-resolution PAXGUSDT benchmark demonstrate that ReLaMix consistently achieves state-of-the-art accuracy across multiple delay ratios and prediction horizons, outperforming strong mixer and Transformer baselines with substantially fewer parameters. Moreover, additional evaluations on BTCUSDT confirm the cross-asset generalization ability of the proposed framework. These results highlight the effectiveness of residual bottleneck mixing for high-frequency financial forecasting under realistic latency-induced staleness.

研究の動機と目的

• Zero-Order Hold (ZOH) の停滞下での高周波予測を formalize し、既存モデルの故障モードを識別する。
• ReLaMix を提案する。ボトルネックベースの残差混合フレームワークで、遅延による冗長性を抑制しつつ非線形市場ダイナミクスを保持する。
• リアルタイムデプロイに適したコンパクトなモデルで最先端の精度と資産横断的な一般化を実証する。

提案手法

• 入力を D_in から小さな潜在次元 (d_b) に圧縮する情報ボトルネック風のボトルネック投影を適用する。
• 2つのサブモジュールを備えた残差遅延認識混合ブロックを使用する：Time Mixing（残差付き時系列線形混合）と Expand–Compress Feature Mixing（ボトルネック拡張と圧縮）。
• 勾配流と情報伝搬を層間で改善するために多レベルのスキップ接続を組み込む。
• ZOH による腐敗履歴から将来のクリーンなダイナミクスを回復するために、MSE 損失でエンドツーエンドに訓練する。
• 模擬 ZOH 遅延を伴う第二解像度の PAXGUSDT で評価し、BTCUSDT へ一般化する。

実験結果

リサーチクエスチョン

• RQ1 ZOH による遅延発生性のある腐敗が高周波予測モデルにどのような影響を与えるのか。
• RQ2 軽量なボトルネックと残差混合アーキテクチャは、遅延観測下で真の市場ダイナミクスを既存のミキサー/Transformer ベースラインより効果的に回復できるのか。
• RQ3 ReLaMix ははるかに少ないパラメータ数で精度を維持し、リアルタイム展開を可能にし、資産間で一般化するのか。
• RQ4 ボトルネック圧縮と残差精練の遅延下での性能寄与はどの程度か。
• RQ5 このアプローチは PAXGUSDT から BTCUSDT へその利点を転用できるのか。

主な発見

• ReLaMix は second-resolution の PAXGUSDT ベンチマークで遅延比 (15%, 25%, 35%) と horizon (k=1,5,7,10) において最先端の予測精度を達成。
• 15% 遅延・ horizon k=1 において、ReLaMix は MSE 0.02928、MAE 0.06109、R2 0.99103 を 13.93K パラメータで達成し、TimeMixer や他のベースラインを上回る。
• 遅延を超えて、ReLaMix は TimeMixer (~41K)、PatchTST (~102K)、TimesNet (~229K) に比べて最小のパラメータフットプリントを維持（概ね 13.9K–15.4K）。
• アブレーションにより、ボトルネック圧縮は ZOH の冗長性を抑制するうえで重要であり、残差精練は予測ダイナミクスを保持するうえで必須であることが示され、どちらの要素を欠いても性能は大きく劣化する。
• ReLaMix は BTCUSDT へ一般化し、25% および 35% の遅延下で k=5 または k=10 のとき最良の指標を達成（MSE 0.0328/0.0302、MAE 0.0226/0.0293、R2 0.7727/0.7865）。
• Multi-level のスキップ接続は訓練の安定性と情報伝搬を改善し、遅延で乱れた入力の下で収束を援助する。