TEMPORAL KOLMOGOROV-ARNOLD NETWORKS (T-KAN) FOR HIGH-FREQUENCY LIMIT ORDER BOOK FORECASTING: EFFICIENCY, INTERPRETABILITY, AND ALPHA DECAY
创建于 更新于
摘要
本文提出 Temporal Kolmogorov-Arnold Network (T-KAN)，在 LOB 高频预测任务中用可学习的 B-spline 激活替代标准 LSTM 的固定线性权重，从而提高长期预测的鲁棒性与可解释性；在 FI-2010 数据集 k=100 的实验中，T-KAN 在 F1-score 上相对 DeepLOB 提升 19.1%，并在考虑 1.0 bps 交易成本的回测中取得 +132.48% 终值（DeepLOB 为 -82.76%），表明模型不仅统计显著且具备经济可行性 [page::0][page::3][page::5].
