加载中...
本研究将拓扑数据分析(Betti 数、持久同调与子图 motif 频率)与多层 LSTM 相结合,用以预测 XRP 的异常价格变动;结果显示,单一的拓扑特征 Δβ0 在异常周中显著提高预测重要性(SHAP 分析)并能将异常周 RMSE 降低近 10%,加入 motif-2_inc 可进一步提升效果,证明交易图的拓扑演化携带对极端价格波动的预测信息
| Variable | Pearson r | sign | Spearman p | sign |
|---|---|---|---|---|
| price | -0.20 | yes | -0.24 | yes |
| price_inc | 0.21 | yes | 0.31 | yes |
| trade_volume | 0.14 | yes | -0.04 | no |
| trade_volume_1% | 0.26 | yes | 0.07 | no |
| puell_mult | 0.24 | yes | 0.13 | no |
| puell_mult-inc | 0.23 | yes | 0.35 | yes |
| sent_inc | -0.18 | yes | -0.08 | no |
| motif_2_inc | 0.20 | yes | 0.20 | yes |
| β0 (Δβ0) | 0.46 | yes | 0.28 | yes |
| Feature | Avg SHAP rank (Anomalous weeks) | Avg SHAP rank (All weeks) |
|---|---|---|
| Δβ0 | 2.7 | 4.6 |
| puell_mult | 2.9 | 4.4 |
| price | 3.0 | 4.5 |
| puell_mult-inc | 4.1 | 5.0 |
| sent_inc | 5.3 | 5.3 |
| trade_volume | 6.6 | 5.5 |
| motif_2_inc | 6.7 | 5.4 |
| trade_volume_1% | 6.7 | 5.1 |
| price_inc | 7.2 | 5.4 |
| Features | Anomalous weeks % gain | All weeks % gain |
|---|---|---|
| basic (no topological) | 0% | 0% |
| basic + △β0 | 9.9% | 4.6% |
| basic + motif-2-inc | 2.3% | 0.7% |
| basic + △β0 + motif-2-inc | 12.4% | 5.5% |
元数据与概览(引言与报告概览)
逐节深度解读
图表与表格深度解读(关键表格、图像逐一解析)
Motifs 图(Figure 1,page 4)
表 I(motif 与目标变量的相关性,page 4)
表 II(特征说明,page 5)
表 III(各特征与目标变量 y_{t+1} 的成对相关,page 6)
图 2(测试集实际 vs 预测,page 6)
估值/预测模型与方法论细化(第4页及后)
拓扑特征的贡献度与敏感性分析(第6页)
风险因素评估(报告内显式/隐含风险)
批判性视角与方法学提示
结论性综合
(注:文中所有结论均基于报告内的文本、表格与图像所述内容,并在句末附上相应页码以便溯源。)
2603.18021.pdf