[论文解读] A Deep Learning Framework for Predicting Digital Asset Price Movement from Trade-by-trade Data

Qi Zhao|arXiv (Cornell University)|Oct 11, 2020

Stock Market Forecasting Methods参考文献 23被引用 5

一句话总结

本文提出了一种基于长短期记忆（LSTM）网络的深度学习框架，利用高频逐笔交易数据预测加密货币的短期价格走势。模型在超过1.19亿笔BTC-USDT交易上进行训练，在样本外测试数据上准确率超过60%，且无需微调即可有效泛化至其他数字资产，表明逐笔交易数据中存在普遍的价格预测特征。

ABSTRACT

This paper presents a deep learning framework based on Long Short-term Memory Network(LSTM) that predicts price movement of cryptocurrencies from trade-by-trade data. The main focus of this study is on predicting short-term price changes in a fixed time horizon from a looking back period. By carefully designing features and detailed searching for best hyper-parameters, the model is trained to achieve high performance on nearly a year of trade-by-trade data. The optimal model delivers stable high performance(over 60% accuracy) on out-of-sample test periods. In a realistic trading simulation setting, the prediction made by the model could be easily monetized. Moreover, this study shows that the LSTM model could extract universal features from trade-by-trade data, as the learned parameters well maintain their high performance on other cryptocurrency instruments that were not included in training data. This study exceeds existing researches in term of the scale and precision of data used, as well as the high prediction accuracy achieved.

研究动机与目标

• 开发一种深度学习框架，能够仅使用单一加密货币的高频逐笔交易数据，预测其短期价格方向。
• 解决金融时间序列预测中的挑战，如类别分布偏斜、非平稳价格状态以及高交易频率。
• 在样本外数据上评估模型性能，并评估其在不同加密货币交易对之间的可迁移性。
• 探究逐笔交易数据中是否存在普遍特征，使价格预测模型能够实现跨资产泛化。
• 在现实的交易模拟环境中，展示该模型的实际盈利潜力。

提出的方法

• 模型采用长短期记忆（LSTM）网络架构，处理固定回溯窗口内的序列逐笔交易数据。
• 从原始交易数据中精心构建特征，包括价格变动、成交量失衡以及滚动时间窗口内的订单流指标。
• 提出一种新颖的数据采样策略，通过随机偏移生成多样化的训练样本，降低冗余性，同时保持数据覆盖范围和利用率。
• 通过分层采样构建训练集和验证集，以保持类别分布的一致性，提升泛化能力并减少过拟合。
• 通过广泛的网格搜索调整超参数，最优设置为回溯窗口长度（l=300,000笔交易）和预测时域（m=6个五分钟间隔）。
• 通过将交易数据重采样为五分钟间隔，并根据模型预测执行交易，开展交易模拟，同时考虑交易成本。

实验结果

研究问题

• RQ1 基于LSTM的模型能否仅使用单一加密货币的逐笔交易数据，在预测短期价格走势方面实现高准确率？
• RQ2 该模型是否无需微调即可泛化至其他数字资产，表明逐笔交易数据中存在普遍特征？
• RQ3 超参数选择（尤其是回溯窗口大小和预测时域）如何影响模型性能与泛化能力？
• RQ4 该模型的预测结果是否可在考虑交易成本的现实交易模拟环境中实现盈利？
• RQ5 模型性能与重采样间隔长度或预测时域之间是否存在稳定的关联？

主要发现

• 最优LSTM模型在三个月的样本外测试期（2019/12/01–2020/02/28）中，预测准确率超过60%，显著优于先前研究中的基线表现。
• 该模型在其他主要加密货币上表现出有效的泛化能力：以太坊（60.48%）、比特币现金（60.17%）、莱特币（59.96%）和EOS（60.03%）均在未微调的情况下展现出高准确率。
• 在模拟交易环境中，该模型的表现优于比特币的价格表现，表明尽管面临交易成本挑战，仍具备现实盈利潜力。
• 该模型在不同时间跨度和重采样间隔下表现稳健，较长的重采样间隔和较短的预测时域能带来更优结果。
• 使用随机偏移采样显著降低了训练冗余性，同时保持了数据利用率和模型泛化能力。
• 结果表明，数字资产价格走势在一定程度上具有可预测性，且逐笔交易数据中蕴含可通过深度学习模型提取的普遍特征。