探索加密货币限价订单簿的微观结构动力学：更好的输入比堆叠额外隐藏层更重要
机器学习
2025-06-11 v2 交易与市场微观结构
摘要
加密货币价格动力学主要由限价订单簿（LOB）中的微观供需失衡所驱动，然而LOB数据的高度噪声特性使信号提取过程变得复杂。先前的研究表明，深度学习架构在处理预处理后的股票和期货LOB数据时可实现良好的预测性能，但往往将模型复杂度视为绝对的优势。在本文中，我们旨在检验是否通过添加额外的隐藏层或参数来增强“黑箱式”神经网络，能真正提升短期价格预测的准确性，抑或所获收益主要归功于数据预处理和特征工程。我们在BTC/USDT LOB快照（采样间隔为100毫秒至多秒）上，对模型进行基准测试，包括可解释的基线模型、逻辑回归、XGBoost以及深度架构（DeepLOB、Conv1D+LSTM），并引入两种数据过滤管道（卡尔曼滤波、萨维茨基-戈里算法），评估二元（涨/跌）与三元（涨/平/跌）标记方案。我们的分析在样本外准确率、延迟以及对噪声的鲁棒性方面进行了比较。结果表明，经过数据预处理和超参数调优，较简单的模型可匹配甚至超越更复杂的网络，同时实现更快的推理速度和更好的可解释性。
引用
@article{arxiv.2506.05764,
title = {Exploring Microstructural Dynamics in Cryptocurrency Limit Order Books: Better Inputs Matter More Than Stacking Another Hidden Layer},
author = {Haochuan Wang},
journal= {arXiv preprint arXiv:2506.05764},
year = {2025}
}