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 .
| Model | Precision | Recall | F1-Score |
|---|---|---|---|
| DeepLOB (Baseline) | 0.4604 | 0.4329 | 0.3354 |
| T-KAN (Proposed) | 0.5343 | 0.4748 | 0.3995 |
元数据与概览(引言与报告概览)
逐节深度解读
图表深度解读(逐个表格与图像)
说明:下面对报告中所有主要图表与表格逐一描述并给出解读与局限性评估;每个图像按报告路径嵌入并解析其含义与对文本论证的支持。
图 1(T-KAN 实验流水线示意图)
描述:图 1 展示从 Input (10×144) → 2-layer LSTM (64) → KAN Head (SiLU/Spline) → Output 的整体流程,并在下方以“edge logic”示意两个 spline φ1、φ2 的样式。
解读:此图意在强调模型的两阶段设计:先用 LSTM 提取时间依赖,再用可学习 B-spline 做边缘映射以捕捉非线性边界;图像直观支持文中关于“在边缘做计算(computation on the edges)”的论点。
局限性与注释:图为高层示意,未展示具体的 knot 布局、B-spline 阶数、或 KAN head 的单元数与参数分布,这使得后续的可复现性需要更多实现细节来支持。
表 1(性能比较表)
描述:表 1 在第 4.1 节中给出 k=100 的 Precision / Recall / F1-Score 比较:DeepLOB (0.4604, 0.4329, 0.3354) vs T-KAN (0.5343, 0.4748, 0.3995)。
解读:T-KAN 在三项指标上均优于 DeepLOB,F1 从 0.3354 提升到 0.3995(相对 +19.1%),表明整体分类性能(在三类不平衡场景下的调和平均)有统计显著提升的可能性;Precision 提升尤其提示假阳性率下降,使策略发出的进入信号更可靠。
局限性:报告未给出置信区间、重复实验的均值/方差、或统计显著性检验,这使得单次指标提升的稳健性难以独立判断。
图 2 / 图 5(信息系数 IC 与 alpha decay 对比图,两处为相同内容的可视化)
描述:折线图在 horizon(ticks into future,例如 10、50、100)横轴上展示 Information Coefficient(Rank IC)纵轴值,红色为 T-KAN(约 0.255 → 0.122 → 0.076),深蓝为 DeepLOB(负值附近震荡,约 −0.02 → −0.03 → −0.02)。
解读:图形显示 T-KAN 在更长时域具有显著的预测信息保留(IC 为正且随 horizon 递减但仍高于 0),而 DeepLOB 的 IC 接近零甚至为负,说明 DeepLOB 在这些 horizon 上预测与未来收益排序几乎无关或错误相关;这支持作者关于“alpha decay 更缓慢”的论断。
局限性:IC 的计算细节(是否为 Spearman Rank corr、样本周期、是否去极值等)未在图注或正文中详细描述,且未给出标准误或置信带,限制了对 IC 显著性的判断。
图 3(学习到的 B-spline 激活曲线)
描述:该图展示标准化输入(Z-score,−3 到 +3)与激活输出的关系,曲线呈非线性 S 形(sigmoidal B-spline),中央附近有“dead-zone”使得接近零的输入被抑制。
解读:作者用此图说明 KAN 通过学习“激活函数形状”实现对微结构噪声的过滤,同时对高置信度信号进行非线性放大,这为提高 Precision 与交易可盈利性的解释提供了直观支持。
局限性:图中纵轴没有标注具体刻度(例如最大输出 ≈ 2.9),也无 knot 与 spline 阶数说明,因此难以将该激活具体映射回模型参数或重现该激活的学习过程。
图 4(交易成本调整后的累积 PnL 回测)
描述:图示在 60k ticks 的测试期内红线(DeepLOB)累积回报持续下跌至约 −80% 左右,绿色(T-KAN)则持续上升至约 +130% 终值,图注说明使用 1.0 bps 的交易成本。
解读:从经济层面看,作者主张 T-KAN 能够识别“高置信度的价格区间”以覆盖执行摩擦,从而将统计优势转化为真实利润;图形呈现差异极大,支持作者关于“profitability density per parameter 更高”的结论。
局限性与注意事项:报告未详述回测的具体交易规则(头寸大小、持仓限制、滑点模型、资金与杠杆假设、是否有市价冲击或限价挂单的撮合细节等),也未提供交易序列的风险调整指标(如夏普、最大回撤日内分布),因此回测可行性的外推存在较大不确定性。
估值/财务预测部分(报告中无传统估值)
风险因素评估(作者识别与隐含风险)
批判性视角与细微差别(基于报告内容的审慎评估)
结论性综合(整合性总结)
如需,我可以:
2601.02310.pdf