《Digital Signal Processing》:Cellular-Automaton Feature Extraction from Nonstationary Financial Signals: The Information Is Compositional
编辑推荐:
摘要基于固定基或训练参数构建的特征提取器难以处理信噪比极低的非平稳信号。本文评估了一种无参数替代方案:将金融时间序列的窗口进行二值化,通过Hilbert映射或光栅映射排列在小网格上,在康威生命游戏规则下演化,并由七个轨迹统计量汇总,用于逻辑回归读出。在2017年8月至2024
摘要
基于固定基或训练参数构建的特征提取器难以处理信噪比极低的非平稳信号。本文评估了一种无参数替代方案:将金融时间序列的窗口进行二值化,通过Hilbert映射或光栅映射排列在小网格上,在康威生命游戏规则下演化,并由七个轨迹统计量汇总,用于逻辑回归读出。在2017年8月至2024年12月的774,121条5分钟BTC/USDT交易数据上的216种配置中,82种配置在以受试者工作特征曲线下面积(AUC)的块置换检验下将类别排序优于随机水平,该检验对类别分布和重叠窗口产生的依赖性不敏感,并实施族系误差控制。最强配置达到测试AUC为0.5385,并在五折滚动前向评估的所有五折中均超过0.5。信息是组合性的:Hilbert和光栅映射表现无法区分,置换每个窗口几乎不改变最强配置的AUC,而基于初始活细胞密度及其与二分之一之差的两个特征读出与轨迹统计量持平或更优(平均AUC 0.5120对比0.5092)。因此空间填充曲线未带来可测量的优势,自动机动力学在平均值上未提供超越组合的可测量信息。读取实数收益的提取器达到更高的峰值AUC;将小波提取器限制为二值输入移除了其大部分优势,表明差距在于单比特编码。
引言
从信噪比极低的非平稳序列中提取特征会以两种方式失败。基于固定基的方法,如傅里叶和小波分解,假设了真实信号所违反的正则性,并且需要选择阈值或层次,当信号微弱时校准失当的代价很高[1], [2]。数据驱动模型避免了固定基,但需要与其容量成比例的训练数据,当信号被噪声掩盖时容易过拟合[3], [4]。一种非线性、预先固定的、不含可训练参数的变换可以避免这两种失败模式,代价是不能适应具体任务。
高频金融回报是对此类变换的严苛考验。它们表现出制度变化、重尾分布、波动率聚集,以及信噪比低到难以将可预测结构从噪声中分离出来[5];有效市场论据说可利用的模式微小且短暂[6],尽管机器学习研究记录了统计规律性[7], [8]。在此设定下,特征提取器的关键问题不是它是否产生交易信号,而是其输出在诚实推断下是否在随机水平上分隔类别,以及变换的哪个部分承载了分隔能力。
元胞自动机(CA)提供了一种此类固定非线性变换。小波收缩和经验模态分解(EMD)是分解方法:它们重新表达信号,并将判别统计量的构建留给后续步骤,EMD在强噪声下尤其容易受模态混合影响[9]。而元胞自动机是一个确定性、空间局域的动力系统;一旦固定编码,在生命游戏规则下的演化不涉及基、阈值或估计参数,且该规则在计算上是通用的[10], [11]。驱动一个固定动力系统并仅训练一个线性读出,使该方法接近储层计算[12], [13], [14],因此回声状态网络是下文比较提取器之一。
本文研究的流水线将k2个5分钟交易窗编码为二值序列,通过保邻域Hilbert映射或行优先光栅映射排列在k × k网格上,在生命游戏规则下演化该网格,并由七个统计量汇总密度轨迹,输入逻辑回归分类器。我们在超过七年的BTC/USDT数据上评估了216种配置,将CA特征与五个替代提取器、三个诊断读出和两个消融实验在相同协议下比较,并使用受试者工作特征曲线下面积(AUC)的块置换检验测试显著性,该检验对类别分布和重叠窗口产生的依赖性不敏感。
三个发现组织了本文。首先,216种配置中有82种在族系控制下显著,峰值测试AUC为0.5385;该效应在五个滚动前向折中稳定但微弱,准确率仅略高于多数类比率,因此证据涉及排序能力而非可用分类器。其次,信息是组合性的。Hilbert和光栅映射在统计上无法区分,映射前置换每个窗口不改变前10个最强配置的AUC(平均变化),而基于初始活细胞密度及其与二分之一之差的两个特征读出匹配或超过完整CA特征集(平均AUC 0.5120对比0.5092,且在领先波动率配置上显著更高)。生命游戏动力学仅在波动率目标上优于线性密度读出,因为密度非线性地进入这些目标:具有许多或少量1的窗口指示趋势。第三,读取实数收益窗口的提取器达到高于任何二值输入提取器的平均AUC,将最强提取器限制为二值输入移除了其大部分优势。
本文的贡献来自这些发现。本文提供了相同协议的基准测试,隔离CA特征提取器的每个阶段,并表明在这些数据上,判别内容在于编码窗口的组合,而两个特征密度读出至少与CA轨迹一样好地捕获了它,因此Hilbert曲线的邻域保持性和生命游戏动力学都不是使方法奏效的原因。它表明基于准确率对0.5的检验在不平衡时间划分上的弱分类器上夸大了显著性(104种配置对0.5显著,48种对多数类比率显著),而一种对类别分布不敏感、对依赖性稳健的AUC检验解决了该问题。它还将对最强经典提取器的差距分解为编码效应和提取器效应,指出单比特量化而非CA阶段是约束性瓶颈。
第2节回顾相关工作,第3节描述数据和方法,第4节报告结果,第5节讨论其解释和局限,第6节结论。
章节摘录
文献综述
线性处理的局限性催生了广泛的非线性工具集。高阶谱捕获了功率谱看不见的相位耦合[15],EMD提供数据驱动的多分量分析[9],符号动力学将信号离散化为鲁棒但有损的符号流[16];此处使用的编码阶段与符号动力学相关,但将符号映射到空间而非序列域。在学习端,循环网络[3]、基于注意力的架构[17]、
数据与目标
数据来自币安的BTC/USDT一分钟交易数据,重采样为2017年8月至2024年12月的774,121条5分钟交易数据。跨度涵盖2017年牛市和2018年崩盘、2020年3月暴跌、2020–2021年牛市、2022年回撤以及2023–2024年复苏。交易所维护期间的缺失交易在重采样中被丢弃,没有进行值插补。
设为收盘价序列,为简单回报。局部变异性为滚动标准差
主要结果
表3总结了216种配置,其中82种在主要检验(族系控制)下显著,124种在名义5%水平下显著。平均准确率仅超过多数类比率 ,并且在216种配置中的126种中超过:分类器对观察的排序优于随机,但在默认0.5阈值下,仅略优于常数预测。因此AUC是整个过程中相关的度量。图3显示了这两个分布。
图4
讨论
结果支持比涌现计算框架所暗示的更窄的CA特征提取解释。在这些数据上,判别信息在于编码窗口的组合。Hilbert曲线,其邻域保持性激发了设计,未带来优势,因为它保持的排列无关紧要:随机置换实验移除了所有排列,将前10个最强配置的AUC平均变化不到0.001。该
结论
本文评估了一种无参数特征提取器,将金融时间序列的窗口二值化,通过Hilbert或光栅映射排列在小网格上,通过生命游戏动力学过滤,并汇总密度轨迹用于线性读出。在超过七年的5分钟BTC/USDT数据上,216种配置中有82种在对类别分布不敏感、对依赖性稳健且具有族系控制的检验下,将类别排序优于随机水平,最好的达到AUC为0.5385,
利益冲突声明
作者声明不存在已知的竞争性经济利益或个人关系可能影响本文所述工作的。
崔仁秀(Insu Choi)