Supervised Autoencoders with Fractionally Differentiated Features and Triple Barrier Labelling Enhance Predictions on Noisy Data

创建于 2025-05-12T16:07:35.558188+08:00 更新于 2025-05-21T11:12:31.616284+08:00

摘要

本研究提出将监督自编码器（SAE）结合分数阶差分特征和三重障碍标签法应用于加密货币交易策略，通过添加基于历史波动率的噪声增强训练数据，采用步进式验证评估性能。结果显示，适度的噪声增强与合适的编码瓶颈大小显著提升策略的风险调整收益指标（如信息比率IR和星标信息比率IR*），并在比特币、以太坊和莱特币等资产的多时间周期策略中表现优异，相较传统买入持有策略具有更佳的风险控制能力和风险调整回报，[page::0][page::4][page::5][page::6]。此外，量化组合策略也显示出超越被动组合的表现，为机器学习在资产管理领域的应用提供了有力支持。

速读内容

研究背景与目标：提出利用监督自编码器（SAE）结合分数阶差分特征处理金融时间序列的噪声问题，应用三重障碍标签法进行资产价格趋势分类，以改进加密货币交易策略的风险回报表现 [page::0][page::1][page::2].

- 数据与特征工程：使用2016年至2022年期间的比特币、以太坊和莱特币1分钟K线数据，结合经济指标和大宗商品期货价格等6个特征，通过固定宽度窗口方法计算最优分数阶差分参数确保平稳性 [page::0][page::1].

三重障碍标签法定义了多类交易信号（多头、空头、无交易），并研发针对该标签法的优化性能指标，综合考虑直接正确交易、错误交易及时间到期退出交易，以反映策略的盈利潜力和风险承受偏好 [page::2].

- 数据增强策略：基于历史特征的波动率注入比例噪声，扩充训练数据，降低模型过拟合风险，提高模型对潜在市场变动的鲁棒性，保持时间序列时序依赖性 [page::2][page::3].

模型架构与训练：采用监督自编码器MLP结构，结合编码器−瓶颈−解码器部分，同时融合有标签监督信号，提升数据重构和预测准确度；使用步进式前向验证方法，确保模型适应市场环境动态变化 [page::3][page::4].

- 交易策略构建：基于模型输出的买卖信号构造简单买卖策略，假设交易即时执行且交易成本为0.05%，计算账户资产变化及风险指标 [page::4].

主要实验结果及分析：

- 比特币策略：30分钟策略表现最佳，信息比率(IR)=2.03，最大回撤14.02%，年化波动率21.11%，比买入持有策略风险更低但收益稍逊。 Bitcoin Equity Curve

- 以太坊策略：20分钟策略表现最佳，信息比率(IR)=2.64，年化收益率达133.75%，显著优于买入持有。 Ethereum Equity Curve

- 莱特币策略：30分钟策略最优，信息比率(IR)=2.11，年化收益率59.37%，明显超出买入持有。 Litecoin Equity Curve

- 多资产等权组合：30分钟策略控制波动和回撤表现最佳，IR=2.56，显著优于买入持有组合。 Portfolio Equity Curve

- 相关性分析表明策略收益高度相关，结果受2020-2022年牛市行情影响明显 [page::4][page::5][page::6].

量化因子与策略总结：SFAN结合分数阶差分保留时间序列记忆特征，严谨的数据增强和三重障碍标签优化指标共同提升了SAE模型对加密货币高频数据的预测能力，实现优于传统统计模型和简单买入持有的风险调整回报 [page::2][page::4][page::6].

- 研究贡献：首次将此类监督自编码器结构应用于算法交易，开发了专门针对三重障碍标签的优化指标，推动机器学习在金融领域尤其是算法交易策略的研究与应用 [page::6].

未来发展与局限：当前研究基于历史数据，未考虑滑点和执行延迟，建议未来研究探索不同类型噪声注入、引入滑点模型、多架构深度学习模型应用及拓展至其他金融时间序列 [page::6].

深度阅读

金融研究报告详尽分析

报告标题： Supervised Autoencoders with Fractionally Differentiated Features and Triple Barrier Labelling Enhance Predictions on Noisy Data
作者及机构：

Robert Ślepaczuk，华沙大学经济科学学院，定量金融与机器学习系

- Bartosz Bieganowski，华沙大学经济科学学院，定量金融与机器学习系
发布时间： 未明确具体日期，文中数据及引用文献最晚至2024
研究主题： 利用监督式自编码器（Supervised Autoencoder, SAE）结合分数差分特征（Fractionally Differentiated Features）和三重屏障标注法（Triple Barrier Labelling, TBL）优化加密货币时间序列预测和算法交易策略性能。

---

1. 元数据与报告概览

本报告着重探讨在噪音较大的金融时间序列中，如何通过监督式自编码器结合分数差分特征和三重屏障标注，提升基于神经网络的投资策略表现。研究对象为比特币、以太坊和莱特币，从2016年1月1日到2022年4月30日的高频数据。核心论点是：

利用SAE结合分数差分形成的特征及三重屏障标注进行数据增强和去噪，可有效提升策略的风险调整收益（用夏普率和信息比率衡量）。

- 数据增强中的噪声幅度和自编码器瓶颈层大小需适中，过大反而会损害性能。

通过实验验证后，监督式自编码器包装的多层感知机（SAE-MLP）策略在风险收益比方面普遍优于买入持有策略。

报告目标是展示基于SAE的算法交易策略在加密货币市场上的优越性，且强调提出的策略与优化指标针对三重屏障标注问题的创新性。

---

2. 逐节深度解读

2.1 数据与研究对象

研究对象为三种加密货币（Bitcoin、Ethereum、Litecoin）的1分钟OHLC高频数据，覆盖2016至2022年4月。

- 除加密货币价格外，作者还引入六个宏观经济和商品价格特征时间序列：失业数据（Initial Claims）、WTI原油期货、亨利哈伯天然气期货、玉米期货、黄金、铜和铝。这些代表不同经济领域，旨在丰富模型对宏观经济环境的感知。

数据主来源为Binance和FirstRateData。利用2020年前的数据用于训练，2020年后用于测试，确保严格的时序划分和模型验证。

- 图1（Logarithmic price index）展示三种币种自2016年以来的对数价格路径，表明各币种价格波动和上升趋势，有助于理解基准价格走势和研究背景。
[图1展现了三币种价格指数从2016至2022年的发展，Bitcoin、Ethereum波动明显且总体上涨，Litecoin增速略低。][page::0,1]

2.2 特征工程

2.2.1 分数差分特征的理论与应用

金融时间序列因套利机制噪音大，传统整数阶差分（如一阶差分）虽实现平稳化但会丢失重要的长期记忆。报告引入ARFIMA模型的分数差分思想，允许差分阶数为非整数，从而在维持平稳性的同时，最大化对历史信息的保留。

- 数学上，利用二项级数展开定义分数差分权重，并对底层特征序列作加权求和，实现柔和的差分变换。

通过固定窗口滚动方式（FFD法）利用ADF平稳性检验动态确定最佳分数阶数$d$。如$d=0$表示序列本身平稳，$0

- 实施过程中，针对训练数据滚动计算最优$d$，然后应用到测试数据，确保特征平稳但又包含充分的历史信息，有助于模型学习。
该方法弥补了传统差分和直接原价输入之间的矛盾，构造了更有信息含量且适合神经网络处理的特征。
[详细算法步骤列出从$d$选择到ADF检验判断的流程，保证科学严谨性。][page::1]

2.3 三重屏障标注法（Triple Barrier Labelling，TBL）

TBL是现代机器学习交易策略中常用的多分类标注方法，输出市场实时仓位信号，1为多头，-1为空头，0为观望。

- 标注基于价格突破设定的三条“边界”：上边界（价格涨幅超过$\lambda$，考虑为多头信号）、下边界（跌幅超过$\lambda$，判断为空头）、时间上限边界（最大持仓时间$n$分钟内未触及上下界，标注为0）。

图2形象地展示三种标注情形，说明对应时刻的理想仓位。

- 交易理论收益对应正确预测固定为$\lambda$，错误预测收益为负$\lambda$，未开仓预测收益为0，间接错误预测收益介于$(-\lambda,\lambda)$之间。

该方法映射了现实交易中的止损与止盈设置，模型训练基于此实现交易信号分类。

- 引入特别设计的优化指标$\Phi$，综合考虑了直接正确（DCC）、直接错误（DIC）和时间退出交易（TEC）的不同影响，表明对错误类别赋予不同惩罚权重，鼓励模型在真实交易条件下提升收益优化。

参数$\delta$调节了对时间退出处罚的严重程度，体现策略设计的灵活性。

[图2与公式式样化标注方法，展示了模型对复杂次序数据的理解能力。][page::1,2]

2.4 数据增强与去噪

采用基于历史波动率的噪声注入作为数据增强（Data Augmentation）手段，扩大数据集多样性，增强模型泛化能力。

- 该方法避免了其他领域常用的破坏时间序列结构的数据增强技术（如图像旋转、语义替换）带来的不适用性。

噪声以高斯分布随机生成，幅度按各特征历史波动率比例缩放，保证合成数据保留市场真实波动特征。

- 数据增强帮助模型跳出历史轨迹的依赖，聚焦于时间序列中价格变化潜在模式，减少过拟合风险，提升交易策略的稳健性。
[详细说明了通过噪声注入保证时间序列模型训练的科学合理。][page::2,3]

2.5 监督式自编码器（Supervised Autoencoder, SAE）结合MLP

介绍自编码器基础结构，包括编码器、瓶颈层和解码器，核心在于压缩数据并重构，达到对数据特征降噪和维度压缩目的。

- SAE是自编码器的扩展，监督信号加入模型训练，不仅重构数据，还同时优化分类/回归预测性能，编码信息直接辅助任务学习。

图3展示典型深度SAE结构，包括隐藏层$h1$, $h2$（瓶颈层），连接原始输入和输出，以及监督标签的路径。

- SAE在噪音数据上的优越表现，使其成为算法交易中捕获噪声干扰数据有效信号的理想模型。

与纯监督模型相比，SAE通过重构损失的正则化提高泛化能力，减少过拟合，特别适合多特征、高频噪声金融时间序列。

[图3详细描述模型架构，结合监督与无监督学习目标。][page::3]

2.6 验证方法：滚动窗口前移（Walk-forward Validation）

传统训练/测试集划分忽视时间序列的动态变化，不符合实际交易策略需动态更新的特点。

- 采用滚动窗口法，固定长度的数据段依时间前移，保证模型在最新数据上训练和测试，模拟真实情况。

图4示意该验证流程，窗口开始为扩展型，后转为固定长度滑动窗口，兼顾建立训练基线和及时反应市场变化。

- 此法有效防止过拟合于某个时期，提升模型稳定性评价的准确性。

该方法也用以超参数调优，确保模型持续适应数据的时变特性。

[图4展示滚动验证动态过程，关注时间演变。][page::3,4]

2.7 交易策略构造

基于SAE-MLP预测未来价格涨跌信号构造简单买卖策略：若模型发出买入信号，则平空开多仓，卖出信号则持空仓，持仓规模不限小数。

- 假设高流动性市场，买卖即时执行，交易成本固定为0.05%。

初始账户资产为1000美元，累计未实现盈亏计算考虑进出仓交易成本。

[阐述实现层面关键假设，确保模拟贴近实际。][page::4]

2.8 性能指标

采用多种指标衡量策略表现，重点包括总收益、年化收益率、年化波动率、信息比率（IR）、最大回撤（Max Drawdown）、以及文章特有的带星号信息比率$IR^{\star}$。

- 特别关注风险调整后的表现，强调策略在控制风险的同时实现盈利。

---

3. 图表深度解读

3.1 加密货币单币种策略表现

图5（Bitcoin策略权益曲线）中，买入持有策略总体收益最高，但波动和回撤也最大；三种不同采样间隔的SAE策略收益略低，但波动率和最大回撤显著更低，表现平稳。

- 图6（Bitcoin策略性能指标）中，30分钟策略拥有最高的信息比率2.03和最大回撤最低14.02%，表明最好的风险调整收益。买入持有虽然回报高达406%，但最大回撤高至53.3%。

图7-8（Ethereum策略）与比特币趋势相似，但收益水平显著更高。买入持有策略年化收益达143.85%，但波动率高达82.85%。20分钟SAE策略平衡效果最佳，信息比率最高2.64且最大回撤为37.17%。

- 图9-10（Litecoin策略）显示SAE策略尤其是30分钟采样下表现超越买入持有，后者波动极大（88.61%标准差，75.21%最大回撤），对比显示机器学习策略在低流动性或高风险资产中的优势。30分钟SAE策略信息比率达2.11，远超买入持有的0.29。

3.2 多币种组合策略表现

图11-12（均等权重组合策略）进一步验证单币种结论，20分钟SAE策略获得最高总收益619.8%，稍优于买入持有（595.24%），但波动和回撤大幅降低，30分钟策略信息比率最高2.56，最大回撤仅23.55%，体现更优的风险调整表现。

- 图13（相关性热图）揭示策略收益间相关性较高，尤其同一资产不同频率策略间相关度达到0.7至0.9，表明不同频率策略未完全分散风险，组合优化空间值得关注。
[综合图表清楚展示了SAE策略在不同采样粒度下的收益与风险表现，为风险调整后的投资决策提供科学依据。][page::4,5,6]

---

4. 估值分析

本报告不涉及传统公司估值方法，如DCF或市盈率，而是探索算法交易策略的风险调整绩效指标及其提升路径。通过信息比率（IR）和改进指标$IR^\star$（综合考虑错误类型的不同惩罚程度），量化各策略相对买入持有策略的收益风险权衡。这种指标设计对应高频交易环境中的风险容忍度和交易信号精准度，具有重要实际意义。

---