כתבה
arXiv cs.LG ·
רשתות קולמוגורוב-ארנולד זמני (T-KAN) לצפייה מתקדמת של ספר ערעורים בעלי תדר גבוה
Temporal Kolmogorov-Arnold Networks (T-KAN) for High-Frequency Limit Order Book Forecasting: Efficiency, Interpretability, and Alpha Decay
במאמר זה, נוצרה רשת T-KAN חדשה שמשפרת את צפיית ספר ערעורים בעלי תדר גבוה. ה-T-KAN יוצרת רשת זמנית של פונקציות B-spline, שמאפשרת לה ללמוד את צורת האותות של השוק. ה-T-KAN הוכיחה עצמה כרשת זמנית יעילה, שמציגה תוצאות טובות יותר מאלה של רשתות LSTMs רגילות.
תקציר מקורי באנגליתarXiv:2601.02310v2 Announce Type: replace Abstract: High-Frequency trading (HFT) environments are characterised by large volumes of limit order book (LOB) data, which is notoriously noisy and non-linear. Alpha decay represents a significant challenge, with traditional models such as DeepLOB losing predictive power as the time horizon (k) increases. In this paper, using data from the FI-2010 dataset, we introduce Temporal Kolmogorov-Arnold Networks (T-KAN) to replace the fixed, linear weights of standard LSTMs with learnable B-spline activation functions. This allows the model to learn the 'shape' of market signals as opposed to just their magnitude. This resulted in a 19.1% relative improvement in the F1-score at the k = 100 horizon. The efficacy of T-KAN networks cannot be understated, pr
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית