[논문 리뷰] Explainable Patterns in Cryptocurrency Microstructure

Bartosz Bieganowski, Robert Ślepaczuk|arXiv (Cornell University)|2026. 01. 31.

Financial Markets and Investment Strategies인용 수 0

한 줄 요약

이 논문은 서로 다른 자본화 규모를 가진 자산들 간의 단기간 암호화폐 수익을 예측하는 상위 주문 및 거래 파생 특징의 통합 세트가 예측력이 있음을 보여주고, SHAP를 사용하여 일관된 미시구조 정렬 의존 패턴과 대형 플래시 크래시 동안의 강건성을 밝힙니다.

ABSTRACT

We document stable cross-asset patterns in cryptocurrency limit-order-book microstructure: the same engineered order book and trade features exhibit remarkably similar predictive importance and SHAP dependence shapes across assets spanning an order of magnitude in market capitalization (BTC, LTC, ETC, ENJ, ROSE). The data covers Binance Futures perpetual contract order books and trades on 1-second frequency starting from January 1st, 2022 up to October 12th, 2025. Using a unified CatBoost modeling pipeline with a direction-aware GMADL objective and time-series cross validation, we show that feature rankings and partial effects are stable across assets despite heterogeneous liquidity and volatility. We connect these SHAP structures to microstructure theory (order flow imbalance, spread, and adverse selection) and validate tradability via a conservative top-of-book taker backtest as well as fixed depth maker backtest. Our primary novelty is a robustness analysis of a major flash crash, where the divergent performance of our taker and maker strategies empirically validates classic microstructure theories of adverse selection and highlights the systemic risks of algorithmic trading. Our results suggest a portable microstructure representation of short-horizon returns and motivate universal feature libraries for crypto markets.

연구 동기 및 목표

• 다른 유동성과 시가총액을 가진 자산들 간에 단기간 암호화폐 수익을 예측하는 보편적인 미시구조 특징을 탐색하려는 동기를 제시한다.
• 단일 기능 라이브러리와 방향 인식 GMADL 목적을 갖춘 CatBoost를 사용한 휴대 가능하고 해석 가능한 모델링 파이프라인을 개발한다.
• SHAP를 사용하여 특징 중요도와 의존 형태의 자산 간 일관성을 진단하고 미시구조 이론과 연결한다.
• Taker 및 maker 백테스트를 통해 경제적 의미를 평가하고, 대형 플래시 크래시 동안 강건성 스트레스 테스트를 수행한다.

제안 방법

• 상단 주문 정보와 거래 흐름 지표(스프레드, VWAP 편차, 주문 흐름 불균형)로부터 통합 특징 라이브러리를 설계한다.
• 방향 인식 GMADL 목표와 단, 1초 시계열 예측 horizon으로 시계열 교차 검증을 수행하는 gradient-boosted trees(CatBoost)를 학습시킨다.
• SHAP로 모델 예측을 설명하여 글로벌 특징 순위와 로컬 의존성 플롯을 얻는다.
• BTC, LTC, ETC, ENJ, ROSE 간 SHAP 패턴을 비교하고 강건성 점검(R2 최적화 모델)을 통해 자산 간 안정성을 검증한다.
• Taker 및 maker 실행 가정 하에서 거래 신호를 백테스트하고, 경제성과 위험을 평가하기 위한 보수적인 현금 표기 체계를 포함한다.

실험 결과

연구 질문

• RQ1 다른 자산의 대형에서 소형에 이르는 암호화폐 자산 전반에 걸쳐 동일한 엔지니어링된 미시구조 특징이 유사한 예측 중요도를 나타내는가?
• RQ2 주요 특징의 SHAP 의존 형태(주문 흐름 불균형, 스프레드, VWAP-to-mid 편차)가 자산 간에 일관된가?
• RQ3 예측 패턴이 보수적인 실행 규칙 하에서 거래 가능 신호로 전환되며, 대형 플래시 크래시 동안 어떻게 동작하는가?
• RQ4 틱 사이즈가 자산 간 불균형 효과의 강도와 미시가격 메커니즘에 어떤 영향을 미치는가?

주요 결과

• 주문 흐름 불균형, 스프레드, VWAP 편차에 대한 특징 중요도와 SHAP 의존 형태가 서로 다른 유동성의 자산 간에도 안정적이다.
• 불균형에 대한 의존 패턴은 전반적으로 단조로우며, 극단에서 볼록성이 나타나고; 더 넓은 스프레드는 예측 가능성을 감소시키며; VWAP-to-mid 편차는 미시구조 재억세와 일치하는 단기 비대칭을 보인다.
• Taker 실행은 ETC, ENJ, ROSE에서 의미 있는 수익과 정보비를 제공하는 반면, Maker 실행은 더 혼재된 성과를 보인다.
• 대형 플래시 크래시가 프레임워크를 스트레스 테스트한다: taker 전략은 급격한 움직임을 이용하고, maker 전략은 역선택으로 인해 손해를 입어 고전적인 미시구조 이론을 검증한다.