コンテンツへスキップ
ライブラリの全資料

暗号資産取引向け合成時系列ベンチマーク

記事 arXiv papers · 著者: Yihao Ang et al.
原文を読む

サマリー

CTBenchは、連続取引、高いボラティリティ、急速な状態変化を特徴とする市場を背景に、合成暗号資産時系列を評価するベンチマークです。452トークンのデータを集め、四つの市場状態にわたって代表的な生成モデル八つを評価します。13個の指標は、予測精度、横断面の順位付け、取引結果、リスク、計算コストを対象とします。

このベンチマークでは二つの課題を扱います。予測有用性では生成データに予測に役立つパターンが保たれるかを検証し、統計的裁定では再構成した系列が平均回帰シグナルを支えられるかを調べます。報告された分析では、統計的な忠実度と収益性の間にトレードオフが見られ、比較ランキングとモデル選択の指針も示されています。このベンチマークは合成データを評価する枠組みを提供しますが、結果は選択したモデル、指標、市場状態、評価に用いた戦略に左右されます。合成データが統計的に似ているだけでは、実運用での価値は証明されません。

主なアイデア

  • CTBenchは生成した暗号資産時系列を予測用途と取引用途の両方で評価します。
  • 指標は予測、順位の再現性、取引成績、リスク、計算効率を対象とします。
  • 予測有用性の課題では、合成データに予測に役立つパターンが保たれているかを検証します。
  • 統計的裁定の課題では、平均回帰型の取引シグナルを支えられるかを評価します。
  • 比較結果では、統計的な忠実度と収益性が一致しない場合が示されています。

タグ

暗号資産機械学習統計バックテスト平均回帰
全文
# CTBench: Cryptocurrency Time Series Generation Benchmark


# CTBench: Cryptocurrency Time Series Generation Benchmark









Synthetic time series are essential tools for data augmentation, stress testing, and algorithmic prototyping in quantitative finance. However, in cryptocurrency markets, characterized by 24/7 trading, extreme volatility, and rapid regime shifts, existing Time Series Generation (TSG) methods and benchmarks often fall short, jeopardizing practical utility. Most prior work (1) targets non-financial or traditional financial domains, (2) focuses narrowly on classification and forecasting while neglecting crypto-specific complexities, and (3) lacks critical financial evaluations, particularly for trading applications. To address these gaps, we introduce \textsf{CTBench}, the first comprehensive TSG benchmark tailored for the cryptocurrency domain. \textsf{CTBench} curates an open-source dataset from 452 tokens and evaluates TSG models across 13 metrics spanning 5 key dimensions: forecasting accuracy, rank fidelity, trading performance, risk assessment, and computational efficiency. A key innovation is a dual-task evaluation framework: (1) the \emph{Predictive Utility} task measures how well synthetic data preserves temporal and cross-sectional patterns for forecasting, while (2) the \emph{Statistical Arbitrage} task assesses whether reconstructed series support mean-reverting signals for trading. We benchmark eight representative models from five methodological families over four distinct market regimes, uncovering trade-offs between statistical fidelity and real-world profitability. Notably, \textsf{CTBench} offers model ranking analysis and actionable guidance for selecting and deploying TSG models in crypto analytics and strategy development.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。