基于高频比特币数据的Informer算法投资策略

本文考察了Informer架构用于构建针对高频比特币数据的自动交易策略的应用。提出了三种使用不同损失函数的Informer策略：根均方误差（RMSE）、广义均绝对方向损失（GMADL）和分位数损失，并对其进行评估，分别与买入持有基准以及基于技术指标的两个基准策略进行比较。评估使用不同频率的数据：5分钟、15分钟和30分钟区间，覆盖6个不同时间段。虽然使用分位数损失的Informer模型未超过基准，但另外两种模型取得了更好的结果。使用RMSE损失的模型在更高频率数据上表现恶化，而采用新颖GMADL损失函数的模型受益于更高频率数据，在5分钟区间训练时在大多数测试时段中击败了所有其他策略。本研究的主要贡献是将RMSE、GMADL和分位数损失函数应用于Informer模型进行未来收益预测，随后开发这些预测用于自动化交易策略。研究提供了证据表明，采用GMADL损失函数训练的Informer模型可实现优于买入持有方法的优越交易结果。