统计和机器学习模型在比特币限价订单簿中异常检测的比较分析-计算机科学-机器学习-量化金融-算法交易-加密货币.pdfVIP

统计和机器学习模型在比特币限价订单簿中异常检测的比较

分析

IvanLetteri

DepartmentofLife,HealthandEnvironmentalSciences

UniversityofL’Aquila,P.leS.Tommasi

Coppito-67100,L’Aquila,Italy

ivan.letteri@univaq.it

本

译ABSTRACT

中在加密货币限价订单簿（LOB）中检测异常值对于理解市场动态至关重要，特别是在高度波

1动和监管尚不成熟的环境中。本研究对稳健的统计方法和先进的机器学习技术进行了全面比

v较分析，以实现实时识别加密货币LOB中的异常情况。在一个名为AITAOrderBookSignal

0

6（AITA-OBS）的统一测试环境中，我们评估了十三种不同模型的有效性，以确定哪种方法最

9适合检测潜在操纵交易行为。通过回测一个主要交易所的26,204条记录的数据集进行的经验

4

1评估表明，表现最佳的模型经验协方差（EC）实现了6.70%的增长，显著超过了标准的买入

7.并持有基准。这些发现强调了基于异常值策略的有效性，并提供了关于模型复杂度、交易频

0率和性能之间权衡关系的见解。本研究通过提供严格的异常检测模型基准测试，并突出它们

5在增强算法交易和风险管理方面的潜力，为加密货币市场微观结构的研究文献做出了贡献。

2

:

v

iKeywords限价订单簿算法交易量化金融机器学习异常检测加密货币

x

r

a

1介绍

加密货币市场以其极端的波动性、显著的流动性波动以及与传统金融市场如股票和债券相比相对欠发达的市

场微观结构(Koutmos,2018)而著称。这些独特的特征使得市场特别容易受到操纵交易行为的影响，包括幌

骗、洗售和平层交易，这些行为可能会扭曲价格发现过程并损害市场完整性(Fratrietal.,2022)。尽管存在这

些挑战，比特币等加密货币的去中心化特性已引起了零售和机构投资者的高度兴趣，推动了对能够实时检测

和缓解市场异常现象的高级工具的需求。

近期的研究强调了订单流——持续不断的买入和卖出指令流——在决定加密货币市场价格走势和流动性方

面的关键作用(Apergisetal.,2021;DimpflandPeter,2021)。然而，限价订单簿（LOB）中离群值检测的现有

方法通常无法充分捕捉这些市场内在的高频、非线性动态特性，在极端条件下导致性能不佳。本研究通过进

行广泛的统计和机器学习模型的严格比较分析来解决这一不足。为了确保公平且可重复的比较，我们开发了

AITA订单簿信号（AITA-OBS），这是一个统一测试环境，旨在在相同条件下评估每个模型的表现。AITA-OBS

是主要应用“人工智能交易助手”(AITA)(Letteri,2023a)的一个模块，该应用集成了用于与AITA-OBS结合使

用的波动率交易系统（VolTS）(Letteri,2023b)模块。

比特币限价订单簿中的异常检测比特币限价订单簿中的异常检测比特币限价订单簿中的异常检测

我们的研究建立在加密货币市场微观结构文献日益增长的基础上，扩展了诸如(KerchevalandZhang,2015)等

研究的发现，他们应用支持向量机（SVM）来预测限价订单簿中的中间价格变动，以及(Tad