Ин таҳқиқот як омӯзиши назоратшавандаи benchmark мебошад, ки нӯҳ меъмории омӯзиши амиқро, ки барои пешгӯии бисёруфуқии нарх дар қаторҳои вақти молиявӣ истифода мешаванд, таҳти як протоколи таҷрибавӣ муқоиса мекунад. Autoformer, DLinear, iTransformer, LSTM, ModernTCN, N-HiTS, PatchTST, TimesNet ва TimeXer дар вазифаҳои пешгӯии 4 соат ва 24 соат ба пеш дар 12 абзори молиявӣ аз се синфи дороиҳо — криптовалюта, асъор ва индексҳои саҳомӣ — арзёбӣ шудаанд. ModernTCN меъмории конволютсионии қаторҳои вақт аст, ки конволютсияҳои depthwise-и замонии дорои ядрои калонро бо поённамунасозии бисёрмарҳила истифода мебарад ва дар рейтинги глобалии таҳқиқот бо мақоми миёнаи 1,333 ҷои аввалро гирифтааст. PatchTST бо мақоми миёнаи 2,000 дуюм шудааст. Бо вуҷуди ин, ин натиҷа маънои онро надорад, ки ModernTCN дар ҳар дороӣ ё ҳар шароит мутлақо бартарӣ дорад; махсусан дар баъзе ҷуфтҳои криптовалюта N-HiTS ва PatchTST пасттарин RMSE-ро додаанд.

Ҷанбаи фарқкунандаи тарҳи таҷрибавӣ ин аст, ки моделҳо на бо маҷмӯаҳои гуногуни додаҳо ё буҷетҳои гуногуни танзим, балки дар як раванди назоратшаванда санҷида шудаанд. Аз 918 иҷрои умумӣ, 270 иҷро ба оптимизатсияи гиперпараметрҳо ва 648 иҷро ба омӯзишҳои ниҳоӣ, ки аз нӯҳ модел × 12 дороӣ × ду уфуқи пешгӯӣ × се seed-и мустақил иборатанд, рост меояд. Ба ҳамаи моделҳо танҳо вуруди OHLCV аз арзишҳои Open, High, Low, Close ва Volume дода шудааст; индикатори техникӣ, маълумоти sentiment, order book ё маълумоти берунии макроиқтисодӣ илова нашудааст.

Натиҷаҳои глобалӣ рейтинги равшани сеқабатаро нишон додаанд. ModernTCN ва PatchTST гурӯҳи болоиро; iTransformer, TimeXer, DLinear ва N-HiTS гурӯҳи миёнаро; TimesNet, Autoformer ва LSTM гурӯҳи поёниро ташкил додаанд. ModernTCN дар 18 аз 24 нуқтаи арзёбии дороӣ-уфуқ, яъне дар %75, пасттарин RMSE-ро ба даст овардааст. Бо вуҷуди ин, фарқи хурди байни ModernTCN ва PatchTST дар ҳар дороӣ аз ҷиҳати оморӣ ҷудошаванда набуд; масалан, барои BTC/USDT дар уфуқи 24 соат муқоисаи Diebold-Mariano байни ду модел аҳамиятнок нест.

Натиҷаи дуюми муҳими таҳқиқот мавҷуд будани фарқи қавӣ байни пешгӯии сатҳи нарх бо хатои паст ва пешгӯии самти нарх мебошад. Дар 54 комбинатсияи модел-синф-уфуқ, ки аз нӯҳ модел, се синфи дороиҳо ва ду уфуқи пешгӯӣ иборатанд, дақиқии миёнаи самтӣ %50,08 будааст. Ин арзиш аз сатҳи партофтани танга фарқ карда нашудааст. Аз ин рӯ, RMSE ё MAE-и паст худ ба худ маънои онро надорад, ки самти харидуфурӯш боэътимод пешгӯӣ шудааст.

Таҳқиқот инчунин нишон медиҳад, ки бо зиёд шудани шумораи параметрҳои модел дақиқӣ мунтазам афзоиш намеёбад. DLinear бо тақрибан 1.000 параметр нисбат ба баъзе меъмориҳое, ки садҳо ҳазор параметр истифода мекунанд, рейтинги беҳтар гирифтааст. Натиҷаҳо дастгирӣ мекунанд, ки дар пешгӯии қаторҳои вақти молиявӣ аз иқтидори хом дида муҳимтар метавонад он бошад, ки модел сохтори замониро бо кадом майли индуктивӣ ифода мекунад.

Масъалаи таҳқиқот: оё “модели калонтарин” воқеан беҳтарин пешгӯкунанда аст?

Дар ҳоле ки шумораи меъмориҳои омӯзиши амиқ дар қаторҳои вақти молиявӣ босуръат меафзояд, муқоисаи одилонаи моделҳо осон нест. Барои як меъморӣ санҷишҳои бештари гиперпараметр анҷом додан, натиҷаро танҳо бо як random seed пешниҳод кардан, танҳо як синфи дороиро интихоб кардан ё танҳо як уфуқи пешгӯиро истифода бурдан метавонад қувваи воқеии меъмориро бо таъсири протоколи таҷрибавӣ омехта кунад. Аз ин рӯ, таҳқиқот бо сохтани як тарҳи ягонаи таҷрибавии мустақил аз оилаи модел кӯшиш мекунад таъсири меъмориро то ҳадди имкон ҷудо кунад.

Муаллиф махсусан панҷ холигии методологиро баррасӣ мекунад: буҷетҳои нобаробари оптимизатсияи гиперпараметрҳо, арзёбии як-seed, муқоисаҳои бар як уфуқи пешгӯӣ асосёфта, набудани ислоҳи оморӣ дар муқоисаҳои сершумори ҷуфтӣ ва benchmark-ҳои маҳдуде, ки танҳо бо як синфи дороӣ анҷом шудаанд. Саволи асосии таҳқиқот ин аст, ки дар муҳите, ки ин мушкилот ҳамзамон назорат мешаванд, кадом меъмориҳои қаторҳои вақт пайваста пеш меоянд.

Чор гипотеза

Чаро Майли Индуктивии Меъморӣ дар Пешгӯии Молиявӣ Муҳим Аст?

Майли индуктивии меъморӣ интихоби тарҳиест, ки муайян мекунад кадом сохторҳои қаторҳои вақтро модел табиатан осонтар меомӯзад; дар ин таҳқиқот дида шудааст, ки аҳамияти тавзеҳии он аз шумораи параметрҳо бештар аст. ModernTCN намунаҳои маҳаллӣ ва бисёрмиқёсро бо конволютсияҳои ядрои калон, PatchTST қаторҳои вақтро бо тақсим кардан ба patch-ҳо, N-HiTS миқёсҳои зиёди вақтро бо pooling-и иерархӣ, Autoformer ва TimesNet бошад сохторҳои даврӣ ё ба басомад асосёфтаро ифода мекунанд. Дар додаҳои молиявӣ ин фарзияҳои гуногун ҳатто бо як буҷети параметрӣ фарқиятҳои намоёни иҷро ба вуҷуд овардаанд.

Нӯҳ меъмории муқоисашуда

Чаро қаторҳои вақти молиявӣ душворанд?

Қаторҳои молиявӣ мисли системаҳои физикӣ бо қонунҳои собит пеш намераванд. Тақсимотҳо метавонанд бо гузашти вақт тағйир ёбанд, боздеҳҳо думҳои вазнин дошта бошанд, ноустуворӣ гурӯҳбандӣ шавад ва режимҳои бозор ногаҳон иваз шаванд. Таҳлили соатии log-return барои 12 дороӣ дар таҳқиқот низ боздеҳҳои миёнаи наздик ба сифр, думҳои вазнини равшан ва фарқиятҳои калон дар ноустуворӣ байни синфҳои дороиҳоро нишон медиҳад. Дар криптовалютаҳо ноустувории соатӣ тақрибан дар миқёси %1 аст, дар асъор тақрибан %0,1 ва дар индексҳо тақрибан %0,2.

Ин сохтор шарҳ медиҳад, ки чаро ба ҷойи модели танҳо як каҷи нархро азёдкунанда, ифодаҳое муҳим шуда метавонанд, ки тағйиротро дар миқёсҳои гуногуни вақт ва ҷобаҷогузории тақсимот идора карда тавонанд. Аммо ин шарҳ далели сабабияти механикӣ нест; он тавзеҳи тарҳи модел барои маънидод кардани натиҷаҳои муқоисаи меъмориҳо мебошад.

Олами дороиҳо

Чаро вуруд танҳо OHLCV аст?

Ба ҳамаи моделҳо ҳамон панҷ канал дода шудаанд: Open, High, Low, Close ва Volume. Тағйирёбандаи ҳадаф нархи ояндаи Close аст. Илова нашудани индикатори техникӣ, боздеҳи таъхирдор, тағйирёбандаи тақвимӣ, хабар, таҳлили sentiment ё order book як назорати қасдӣ мебошад. Бо ин роҳ ҳадаф гузошта шудааст, ки фарқи иҷро то ҳадди имкон аз муҳандисии хусусиятҳо не, аз меъмории модел сарчашма гирад.

Ин интихоб ҳамзамон як маҳдудияти муҳими тафсириро ба вуҷуд меорад. Рейтинге, ки меъмории махсус барои истифодаи хабар, order-book, индикатори техникӣ ё тағйирёбандаҳои берунии ғанитар тарҳрезишуда дар ин ҷо мегирад, рейтинги қатъии он модел дар ҳамаи вазифаҳои эҳтимолии пешгӯии молиявӣ нест.

Пешгӯии мустақими бисёрқадамӣ

Ҳар модел тамоми уфуқи пешгӯиро дар як гузариши пеш истеҳсол мекунад. Вуруди модел \(X_t \in \mathbb{R}^{w \times 5}\) ва баромад вектори \(\hat{y}_{t+1:t+h}\) аз нархҳои ояндаи басташавӣ мебошад:

\[ \hat{y}_{t+1:t+h}=f_{\theta}(X_t), \qquad h \in \{4,24\}. \]

Дар ин ҷо \(w\) равзанаи назар ба гузашта, \(h\) уфуқи пешгӯӣ ва \(f_{\theta}\) моделест, ки бо параметрҳои омӯхташавандаи \(\theta\) муайян мешавад. Барои вазифаи чорсоата \(w=24\), барои вазифаи 24 соата \(w=96\) истифода шудааст. Азбаски моделҳо пешгӯии қаблиро дубора ҳамчун вуруд истифода намебаранд, ҷамъшавии хато, ки дар пешгӯии классикии рекурсивии бисёрқадамӣ ба вуҷуд меояд, ба ин тарҳи таҷрибавӣ дохил нест.

Нормализатсия ва пешгирии ихроҷи додаҳо

Барои ҳар дороӣ 30.000 сабти соатии навтарин истифода шудааст. Миёна ва инҳирофи стандартии нормализатсияи Z-score танҳо дар қисми омӯзиш ҳисоб карда шуда, ҳамон табдил ба додаҳои валидатсия ва тест татбиқ шудааст. Бо ин роҳ пешгирӣ шудааст, ки маълумоти тақсимоти оянда тавассути scaler ба раванди омӯзиш ворид шавад. Пешгӯиҳо пеш аз арзёбӣ дубора ба миқёси аслии нарх баргардонида шудаанд.

Дар ҳеҷ марҳила тартиби вақт омехта карда нашудааст.

Усул ва Натиҷаҳои Таҳқиқот

Протоколи назоратшавандаи таҷрибавии панҷмарҳила

Оптимизатсияи гиперпараметрҳо

Optuna Tree-structured Parzen Estimator истифода шудааст. Барои ҳар комбинатсияи модел × синфи дороӣ × уфуқи пешгӯӣ панҷ HPO trial ҷудо карда шуда, HPO seed ба 42 собит шудааст. Дороиҳои намояндагӣ барои крипто BTC/USDT, барои forex EUR/USD ва барои индексҳо Dow Jones мебошанд. Ҳангоми HPO ҳар trial ҳадди аксар 50 epoch иҷро шудааст.

Панҷ trial барои фазои васеи гиперпараметрҳо буҷети маҳдуд аст. Муаллиф инро барои татбиқи буҷети симметрӣ ба ҳамаи меъмориҳо ва коҳиши хатари аз ҳад мутобиқ шудан ба режимҳои муваққатии бозор дар додаҳои молиявӣ интихоб кардааст. Бо вуҷуди ин, ин қарор яке аз маҳдудиятҳои муҳими таҳқиқот аст; буҷети васеътари HPO метавонад махсусан мавқеи моделҳои рейтинги миёнаро тағйир диҳад.

Протоколи омӯзиши ниҳоӣ

• Seed-ҳо: 123, 456 ва 789.
• Ҳадди аксари epoch: 100.
• Оптимизатсия: Adam.
• Weight decay: \(10^{-4}\).
• Scheduler-и суръати омӯзиш: ReduceLROnPlateau.
• Scheduler patience: 5; коэффисиенти коҳиш: 0,5; ҳадди ақали суръати омӯзиш: \(10^{-6}\).
• Early stopping patience: 15.
• Ҳадди ақали беҳбудӣ: \(10^{-4}\).
• Gradient clipping: нормаи \(\ell_2\) бо 1,0 маҳдуд шудааст.
• Функсияи талафот: Mean Squared Error.

Талафоти омӯзиш:

\[ \mathcal{L}(\theta)=\frac{1}{n}\sum_{i=1}^{n}\left\|y_i-\hat{y}_i\right\|^2. \]

Ин талафот хатогиҳои калони пешгӯиро ба таври квадратикӣ ҷазо медиҳад. Истифодаи як функсияи ҳадаф дар ҳамаи моделҳо пешгирӣ мекунад, ки як меъморӣ аз ҳисоби ҳадафи дигари омӯзиш бартарии сунъӣ ба даст орад.

Оё RMSE, MAE ва Дақиқии Самтӣ Як Чизро Месанҷанд?

Не. RMSE ва MAE хатои бузургии байни нархи пешгӯишуда ва нархи воқеиро месанҷанд, дар ҳоле ки дақиқии самтӣ месанҷад, ки аломати тағйироти нарх дуруст пешгӯӣ шудааст ё не. Дар ин таҳқиқот моделҳо аз рӯи RMSE ва MAE ба таври равшан фарқ кардаанд, аммо дақиқии самтӣ тақрибан дар сатҳи %50 боқӣ мондааст; аз ин рӯ, аз он хулоса баровардан мумкин нест, ки пешгӯкунандаи хуби сатҳи нарх худ ба худ пешгӯкунандаи хуби самти харидуфурӯш аст.

RMSE

\[ \mathrm{RMSE}= \sqrt{\frac{1}{n}\sum_{i=1}^{n}(y_i-\hat{y}_i)^2}. \]

RMSE ба хатогиҳои калон вазни бештар медиҳад ва меъёри асосии рейтинг дар таҳқиқот мебошад.

MAE

\[ \mathrm{MAE}= \frac{1}{n}\sum_{i=1}^{n}|y_i-\hat{y}_i|. \]

MAE бузургии мутлақи хаторо месанҷад ва ба хатогиҳои ифротӣ мисли RMSE ҷазои квадратикии қавӣ намедиҳад. Мутобиқати хеле баланди рейтингҳои RMSE ва MAE дар таҳқиқот дастгирӣ мекунад, ки рейтинги моделҳо махсуси танҳо як метрикаи хато нест.

Directional Accuracy

\[ \mathrm{DA}= \frac{1}{n} \sum_{i=1}^{n} \mathbf{1} \left[ \operatorname{sign}(\hat{y}_i-\hat{y}_{i-1}) = \operatorname{sign}(y_i-y_{i-1}) \right]. \]

Ин метрика ҳиссаи қадамҳоеро месанҷад, ки дар онҳо самти ҳаракати нархи пешгӯишуда бо самти воқеӣ мувофиқат мекунад.

Миқёси умумии таҷриба

Рейтинги глобалии иҷро

Ин ҷадвал ду нуқтаи муҳимро нишон медиҳад. Якум, оилаи модел худ аз худ муваффақиятро шарҳ намедиҳад: оилаи Transformer ҳам PatchTST-и ҷои дуюм ва ҳам Autoformer-и ҷои ҳаштумро дар бар мегирад; ба ҳамин монанд дар оилаи CNN ModernTCN аввал аст, дар ҳоле ки TimesNet ҳафтум. Дуюм, механизми мушаххаси ифодаи замонӣ назар ба нишони васеи “Transformer/CNN/RNN” фарқкунандатар ба назар мерасад.

Моделе, ки барои ҳар дороӣ пасттарин RMSE дод

Ҳангоми ҳисобкунии мустақим аз ҷадвал, ModernTCN аз 16 нуқтаи умумии арзёбии forex ва индексҳо берун аз крипто 15-тояшро бурдааст. Истиснои ягона PatchTST барои GBP/USD дар пешгӯии 4 соат аст. Агар танҳо уфуқи 24 соат ба назар гирифта шавад, ModernTCN дар forex ва индексҳо дар 8/8 нуқта пасттарин RMSE-ро медиҳад. Азбаски ибораи “24 соат 16/16” дар матни муҳокимаи манбаъ бо ин ҷадвал аз ҷиҳати рақамӣ мувофиқат намекунад, дар ин ҷо додаҳои ҷадвал асос гирифта шудаанд.

Натиҷаҳои хато дар сатҳи синфи дороӣ

Дар ҳар се синфи дороӣ миёнаи синфии ModernTCN пасттарин RMSE ва MAE-ро медиҳад. PatchTST дар ҳар се синф дар гурӯҳи дуюми хеле наздик аст. Дар натиҷаҳои криптовалюта фарқи миёнаи RMSE байни ModernTCN ва PatchTST тақрибан %0,07 аст, ки хеле хурд мебошад; аз ин рӯ, дар соҳаи крипто тафсири “як ғолиби бебаҳс” аз он чизе ки ҷадвал нишон медиҳад, даъвои қавитар мебуд.

Оё Уфуқи Пешгӯии 24 Соат Рейтинги Моделҳоро Вайрон Мекунад?

Дар маҷмӯъ не: дар ҳоле ки хатои мутлақи пешгӯӣ дар уфуқи 24 соат ба таври намоён меафзояд, рейтинги нисбии моделҳо асосан нигоҳ дошта шудааст. Дар ҳамаи дувоздаҳ дороӣ коррелятсияи Spearman байни рейтингҳои моделҳои 4 ва 24 соат мусбат ва аҳамиятнок аст; озмоиши муттаҳидаи Stouffer низ устувории рейтинги байни уфуқҳоро қавӣ дастгирӣ мекунад. Бо вуҷуди ин, баъзе моделҳои гурӯҳи миёна метавонанд аз рӯи дороӣ якчанд зина боло ё поён раванд.

Мисоли BTC/USDT

Он ки фоизи афзоиши нисбии LSTM пасттар менамояд, аз иҷрои беҳтари уфуқи дароз нест; хатои ибтидоии 4 соатаи он аллакай аз моделҳои дигар хеле баландтар аст. Ин мисол нишон медиҳад, ки бадшавии фоизиро бе донистани сатҳи ибтидоӣ набояд тафсир кард.

Далели омории устувории рейтинг байни уфуқҳо

Байни рейтингҳои моделҳои 4 ва 24 соатии дувоздаҳ дороӣ, арзишҳои Spearman \(\rho\) аз 0,683 то 1,000 тағйир ёфтаанд. Барои EUR/USD рейтинг пурра нигоҳ дошта шудааст. Озмоиши Stouffer, ки p-арзишҳои яктарафаи дувоздаҳ дороиро муттаҳид мекунад:

\[ Z_S = 6{,}17,\qquad p=3{,}47\times10^{-10} \]

натиҷа додааст. Ин натиҷа дастгирӣ мекунад, ки ҷойҳои болоӣ дар уфуқи дарози пешгӯӣ комилан пароканда нашудаанд ва бартарии нисбии меъморӣ ба андозаи назаррас нигоҳ дошта шудааст.

Таъсири seed чӣ қадар калон аст?

Дар миқёси хом ҳиссаи %99,90-и меъморӣ хеле назаррас аст; аммо ба ин арзиш хатогиҳои хеле калони LSTM нисбат ба дигар моделҳо таъсир мерасонанд. Аз ин рӯ, натиҷаи z-normalize бояд мутавозинтар тафсир шавад. Ҳатто байни моделҳои муосир бе LSTM ҳиссаи меъморӣ %68,33 ва ҳиссаи seed танҳо %0,02 аст. Аз ин рӯ, хулосаи асосии устувори таҳқиқот на ин аст, ки “дар ҳар ҳолат дақиқ %99,90 таъсири меъморӣ вуҷуд дорад”, балки ин аст, ки дисперсияи seed дар ҳамаи шаклҳои таҳлил хеле хурд мемонад ва интихоби меъморӣ нисбат ба интихоби seed хеле муҳимтар аст.

Дар се дороии намояндагии 24 соат коэффисиенти коррелятсияи дохилисинфӣ аз 0,99 боло аст. Ин бо усули мустақили оморӣ дастгирӣ мекунад, ки фарқиятҳои байни моделҳо бештар ба шахсияти меъморӣ вобастаанд, на ба оғози random.

Озмоиши аҳамиятнокии глобалӣ

Озмоиши глобалии Friedman–Iman–Davenport гипотезаи сифриро, ки нӯҳ модел рейтинги интизории баробар доранд, бо қувва рад мекунад. Аз 36 муқоисаи Wilcoxon бо ислоҳи Holm дар сатҳи глобалӣ 33-то аҳамиятноканд. Се ҷуфти ғайриаҳамиятнок TimeXer–iTransformer, Autoformer–TimesNet ва DLinear–N-HiTS мебошанд. Ин сохтор дастгирӣ мекунад, ки рейтинги глобалии сеқабата танҳо рейтинги визуалӣ нест.

Фарқи байни ModernTCN ва PatchTST дар ҳар бозор ба як андоза равшан нест

Дар озмоиши 24 соатаи Diebold–Mariano барои BTC/USDT фарқи байни ModernTCN ва PatchTST пас аз ислоҳи Holm аҳамиятнок нест (\(p_{\mathrm{Holm}}=0{,}453\)). Аммо дар EUR/USD, дар муқоисаи 24 соатаи ҳамон ду модел, фарқ ба нафъи ModernTCN хеле қавӣ ҷудо шудааст (\(p_{\mathrm{Holm}}=2{,}77\times10^{-24}\)). Ин натиҷа нишон медиҳад, ки як рейтинги глобалӣ дар ҳар дороӣ қувваи якхелаи ҷудокунии оморӣ надорад.

Оё шумораи параметрҳо иҷроро шарҳ медиҳад?

Не; дар таҳқиқот робитаи монотонии мураккабӣ-иҷро пайдо нашудааст. DLinear бо тақрибан 1.000 параметр дар глобал ҷои панҷум аст, дар ҳоле ки Autoformer бо тақрибан 438.000 параметр ҷои ҳаштумро мегирад. PatchTST бо тақрибан 103.000 параметр дуюм ва ModernTCN бо тақрибан 230.000 параметр аввал аст.

Дар ҳеҷ яке аз озмоишҳои Jonckheere–Terpstra, ки се гурӯҳи андозаи параметрро арзёбӣ мекунанд, робитаи монотонии аҳамиятнок пайдо нашудааст; дар ҳамаи шаш комбинатсияи дороӣ-синф × уфуқ \(p>0{,}35\) гузориш шудааст. Аз ин рӯ, умумисозии соддаи “шабакаи калонтар = хатои пасттари пешгӯӣ” аз ҷониби таҳқиқот дастгирӣ намешавад.

Дақиқии самтӣ: муҳимтарин натиҷаи манфӣ

Гарчанде моделҳои бо MSE омӯзишёфта пешгӯиҳои наздик ба сатҳи нарх истеҳсол кардаанд, онҳо самти тағйироти соатии нархро боэътимод пешгӯӣ карда натавонистанд. Дар z-test-ҳои якнамуна барои мисоли BTC/USDT, 24 соат низ пас аз ислоҳи Holm ҳеҷ модел аз сатҳи %50 ба таври аҳамиятнок фарқ накардааст.

Ин натиҷа махсусан муҳим аст, зеро он ки модел каҷи воқеии нархро аз ҷиҳати визуалӣ наздик пайгирӣ мекунад, маънои онро надорад, ки аломати тағйиротро дуруст пешгӯӣ мекунад. Агар ҳадафи стратегияи савдои молиявӣ пешгӯии самт бошад, шояд ҳадафи омӯзишии дигар аз регрессияи нарх бар асоси MSE, directional surrogate loss ё қабати ҷудогонаи эҳтимолиятии қарор зарур шавад. Таҳқиқот чунин моделро санҷидааст; онро ҳамчун самти кори оянда пешниҳод мекунад.

Тафсир аз рӯи модел

ModernTCN: Дар 18 аз 24 нуқтаи арзёбӣ аввал буда, устувортарин модел аст. Конволютсияҳои depthwise бо ядрои калон, поённамунасозии бисёрмарҳила ва RevIN барои моделсозии сохтори додаҳои молиявӣ дар миқёсҳои гуногуни вақт як комбинатсияи муассир нишон додаанд. Бо вуҷуди ин, гуфтан мумкин нест, ки худи ин механизмҳо бартарии сабабиро “исбот мекунанд”; натиҷа ба тамоми меъморӣ тааллуқ дорад.

PatchTST: Tokenization-и ба patch асосёфтаро барои намунаҳои маҳаллии вақт бо Transformer attention барои вобастагиҳои васеътар муттаҳид мекунад. Дар глобал ҷои дуюм аст ва натиҷаҳои хеле наздик ба ModernTCN медиҳад. Барои BTC/USDT RMSE-и 4 соата 731,05 ва барои ModernTCN 731,63 аст; фарқ танҳо тақрибан %0,08 мебошад.

iTransformer ва TimeXer: Дар қисми болоии гурӯҳи миёнаи умумӣ қарор доранд. iTransformer траекторияҳои замонии тағйирёбандаҳои OHLCV-ро ҳамчун token арзёбӣ мекунад, дар ҳоле ки TimeXer cross-attention байни ҳадаф ва дигар тағйирёбандаҳоро ба таври возеҳ модел мекунад.

DLinear: Сарфи назар аз буҷети хеле хурди параметрҳо, дар ҷои панҷум аст. Ин натиҷа нишон медиҳад, ки доштани attention-и мураккаб ё сохторҳои такрорӣ дар пешгӯии молиявӣ худ ба худ бартарӣ эҷод намекунад.

N-HiTS: Гарчанде дар рейтинги умумӣ шашум аст, дар ETH/USDT дар ҳар ду уфуқ ва дар ADA/USDT дар уфуқи 4 соат пасттарин RMSE-ро ба даст овардааст. Аз ин рӯ, рейтинги миёнаи глобалӣ метавонад баъзе бартариҳои махсуси дороиро пинҳон кунад.

TimesNet ва Autoformer: Ҳар ду модел ба даврият ё сохтори соҳаи басомад таъкиди равшан медиҳанд ва дар ин benchmark дар гурӯҳи поёнӣ мондаанд. Муаллиф муҳокима мекунад, ки маҳдуд будани сохторҳои даврии қавӣ ва статсионарӣ дар қаторҳои соатии молиявӣ метавонад ин натиҷаро шарҳ диҳад; ин тафсир ҷудокунии мустақими таҷрибавии механизм нест.

LSTM: Истиноди классикии recurrent-и таҳқиқот аст. Хатоҳояш вобаста ба категория тақрибан 7–33 маротиба аз беҳтарин модел баландтар буда, дар рейтинги глобалӣ охирин мондааст. Ин натиҷа танҳо барои протоколи мустақими бисёрқадамӣ, OHLCV-only ва омӯзиши умумии истифодашуда дар ин ҷо эътибор дорад; он исбот намекунад, ки ҳамаи татбиқҳои имконпазири LSTM умуман номуваффақанд.

Хулосаҳое, ки таҳқиқот дастгирӣ мекунад

• Иҷрои нӯҳ меъморӣ баробар нест.
• ModernTCN ва PatchTST дар ин тарҳи таҷрибавӣ гурӯҳи болоии равшанро ташкил медиҳанд.
• Ҳангоми гузариш аз 4 соат ба 24 соат, гарчанде хатои мутлақ зиёд мешавад, рейтинги нисбии моделҳо асосан нигоҳ дошта мешавад.
• Тағйирёбии ибтидоии seed нисбат ба таъсири меъморӣ ва контексти дороӣ хеле хурд аст.
• Байни шумораи параметрҳои модел ва муваффақияти пешгӯӣ робитаи монотонӣ пайдо нашудааст.
• Моделҳои бо MSE омӯзишёфта дар пешгӯии самти соатӣ аз сатҳи %50 ба таври аҳамиятнок фарқ карда натавонистанд.
• Дар баъзе дороиҳо моделҳои ғайр аз раҳбари глобалӣ метавонанд пасттарин RMSE-ро диҳанд.

Хулосаҳое, ки таҳқиқот дастгирӣ намекунад

• Хулоса кардан мумкин нест, ки ModernTCN дар ҳамаи бозорҳои молиявӣ, басомадҳо ва намудҳои додаҳо қатъиян беҳтарин модел аст.
• Нишон дода нашудааст, ки RMSE-и паст стратегияи фоидаовари харидуфурӯш эҷод мекунад.
• Хароҷоти муомила, slippage, market impact, андозаи мавқеъ, таносуби Sharpe ё maximum drawdown санҷида нашудааст.
• Нишон дода нашудааст, ки ҳамон рейтинг дар додаҳои рӯзона, дақиқавӣ, tick-level ё H4 нигоҳ дошта мешавад.
• Ба молҳо, вомбаргҳо, дороиҳои бозорҳои рушдёбанда ё олами васеи altcoin умумисозӣ нашудааст.
• Нишон дода нашудааст, ки агар хабар, sentiment, индикатори техникӣ ва order-book илова шавад, рейтинги меъморӣ бетағйир мемонад.
• Таҳқиқот санҷиши низоми дар вақти воқеӣ deploy-шуда дар муҳити зиндаи forward-walk савдо нест.

Маҳдудиятҳо

Такрористеҳсолпазирӣ

Коди манбаъ, файлҳои конфигуратсия, додаҳо, сабтҳои HPO, гиперпараметрҳои собитшуда, 648 checkpoint-и модели омӯзишёфта, натиҷаҳои арзёбӣ ва натиҷаҳои озмоишҳои оморӣ дар анбори лоиҳа мубодила шудаанд. Идоракунии random seed дар қабатҳои Python, NumPy, PyTorch CPU/CUDA ва PYTHONHASHSEED татбиқ шудааст; барои cuDNN deterministic=True ва benchmark=False истифода шудаанд.

Бо вуҷуди ин, torch.use_deterministic_algorithms(True) фаъол карда нашудааст. Аз ин рӯ, ҳатто дар як конфигуратсияи нармафзор фарқиятҳои хурди floating-point байни меъмориҳои гуногуни GPU аз ҷиҳати назариявӣ боқӣ монда метавонанд. Истифодаи се seed-и мустақил барои чен кардани андозаи ин номуайянӣ дар дохили натиҷаҳои таҷриба кӯмак мекунад.

Пешниҳодҳо барои таҳқиқоти оянда

Манбаъ махсусан буҷетҳои калонтар барои ҷустуҷӯи гиперпараметрҳо, Cohen's d effect size, функсияҳои талафоти самтӣ, уфуқҳои васеътари пешгӯӣ, altcoin ва синфҳои дороии бештар, маҷмӯаҳои ғании feature, ensemble-ҳои гетерогениро, ки майлҳои индуктивии гуногун ба мисли ModernTCN ва PatchTST-ро муттаҳид мекунанд, басомадҳои алтернативии вақт ва арзёбии rolling forward-walk ҳамчун самтҳои афзалиятноки таҳқиқот нишон медиҳад.

Ёддошт оид ба Манбаъ ва Усул

Таҳқиқоти аслӣ: A Controlled Comparison of Deep Learning Architectures for Multi-Horizon Financial Forecasting: Evidence from 918 Experiments

Муаллиф: Nabeel Ahmad Saidd

Муассиса: Dr. A.P.J. Abdul Kalam Technical University (AKTU)

Навъи манбаъ: arXiv preprint / таҳқиқоти benchmark-и ҳисоббарории қаторҳои вақти молиявӣ.

arXiv: 2603.16886v1

Санаи версияи аввал: 27 Феврал 2026.

Категорияи arXiv: q-fin.ST.

DOI: Дар PDF-и пешниҳодшуда ва сабти санҷидашудаи arXiv DOI нишон дода нашудааст.

Маҷалла / ҷилд / шумора: Барои версияи пешниҳодшуда маълумоти санҷидашудаи маҷаллаи тақризшуда пайдо нашудааст; аз ин рӯ, таҳқиқот набояд ҳамчун мақолаи маҷаллаи тақризшуда пешниҳод шавад.

Манбаи расмӣ: https://arxiv.org/abs/2603.16886

Анбори лоиҳа: https://github.com/NabeelAhmad9/compare_forecasting_models

Иҷозатнома: Дар баёнияи ҷории иҷозатномаи анбори лоиҳа барои мақола ва тасвирҳои ҳамроҳ Creative Commons Attribution 4.0 International (CC BY 4.0), барои коди манбаъ MIT License нишон дода шудааст. Азбаски дар худи PDF-и пешниҳодшуда нишони пурраи иҷозатнома дида намешавад, ин маълумот бар асоси баёнияи repository мебошад.

Маблағгузорӣ: Дар PDF-и пешниҳодшуда баёнияи ҷудогонаи маблағгузорӣ муайян нашудааст.

Бархӯрди манфиатҳо: Муаллиф изҳор мекунад, ки манфиати молиявии рақобаткунанда ё муносибати шахсии маълум, ки метавонад ба таҳқиқот, таҳлил ё натиҷаҳо таъсир расонад, вуҷуд надорад.

Дастрасии додаҳо ва код: Таҳқиқот изҳор мекунад, ки додаҳои хом ва коркардшуда, конфигуратсияҳо, сабтҳои HPO, checkpoint-ҳо ва баромадҳои benchmark дар анбори лоиҳа мавҷуданд.

Маҳдудияти асосии усул: Натиҷаҳо барои 12 дороӣ, додаҳои соатии OHLCV, уфуқҳои пешгӯии 4 ва 24 соат, буҷети маҳдуди HPO ва маҷмӯаи тестии таърихӣ дар шакли batch эътибор доранд. Фоидаоварии савдои вақти воқеӣ ё иҷрои deploy дар бозори зинда санҷида нашудааст.

Ёддошти номувофиқии рақамӣ дар манбаъ: Мувофиқи Ҷадвали 8, ModernTCN аз 16 нуқтаи умумии арзёбии forex ва индексҳо 15-то ва аз зермаҷмӯаи 24 соат 8/8-ро бурдааст. Ибораи “24 соат 16/16” дар муҳокима бо ҷадвал мувофиқат намекунад. Илова бар ин, Ҷадвали 9 ModernTCN-ро дар forex RMSE бо 0,1098 аввал нишон медиҳад, дар ҳоле ки дар як ҷои матн арзиши 0,1108-и PatchTST ҳамчун “раҳбари категория” тавсиф шудааст. Дар баёни Verianla ҷадвалҳои миқдорӣ асос гирифта шудаанд.

Ҳуқуқи муаллиф ва усули баён: Ин муҳтаво сохтори ҷумла ё параграфи таҳқиқоти аслиро такрор намекунад. Усул, натиҷаҳои рақамӣ, муодилаҳо ва ҳудудҳои тафсир аз манбаъ дар сатҳи далелҳои илмӣ гирифта шуда, барои Verianla дар як сохтори мустақили омӯзишӣ аз нав ташкил карда шудаанд.