Kumbuka eneo la hatari: Majaribio ya utafiti kwenye masoko ya sarafu ya cryptocurrency. Nakala hii sio ushauri wa uwekezaji. Uwiano wa Sharpe na matokeo ya ubashiri wa mwelekeo katika makala yanadhibitiwa tathmini za kitaaluma kwa kuchukulia sifuri gharama za muamala na utelezi sufuri; Haipaswi kufasiriwa kama utendaji wa biashara ya moja kwa moja au utabiri wa uhakika wa soko.

Ukadiriaji wa jumla: Kifungu kinazingatia shida muhimu lakini iliyofichwa mara nyingi katika ujifunzaji wa njia nyingi: Data haifiki kila wakati kwa wakati mmoja. Ingawa data ya bei hutiririka polepole katika mishumaa ya dakika 15, habari, matangazo, mawimbi ya kijamii au ujuzi wa wavuti hufika kwa kuchelewa na ukiukaji wa utaratibu. Katika kesi hii, swali la kweli ni "je maandishi na bei vinaweza kutumika pamoja?" Sivyo. Swali bora zaidi ni: Je, maandishi bado mapya yanapofika, yanaendana na hatua ya bei, na yanapaswa kudungwa kwa ujasiri kiasi gani kwenye kielelezo?

Data ya bei inapita mara kwa mara katika masoko ya fedha; Habari, mawimbi ya mitandao ya kijamii, matangazo na taarifa za mtandao hufika kwa vipindi visivyo kawaida. Miundo ya kawaida ya modi nyingi mara nyingi hubana data hizi katika muda sawa au kuzijumlisha ndani ya madirisha yasiyobadilika. Hata hivyo, habari zilizokuja dakika 8 zilizopita huenda zisiwe na thamani sawa na habari zilizokuja saa 3 zilizopita.

Utafiti huu unashughulikia tatizo hili mpangilio usio na usawa inafafanua kama. Mtafiti hutumia masoko ya crypto sio tu kama shabaha ya utabiri wa kifedha lakini kama jaribio la kelele kubwa, lililowekwa na wakati. Madirisha ya bei ya OHLCV ya dakika 15 ya Bitcoin, Ethereum na Solana yanatathminiwa pamoja na kuchelewa kwa muktadha wa habari/wavuti na vipengele vya wavuti.

Jina la muundo unaopendekezwa CGCMA: Uangalifu wa Hali Mtambuka kwa Masharti. Muundo kwanza "huweka" uwakilishi wa habari/maandishi kwenye historia ya bei kupitia utaratibu wa umakini; Kisha huamua ni kiasi gani cha kuamini maandishi haya kwa kutumia muda wa kusubiri, uoanifu wa maandishi ya bei na vipengele vya wavuti. Kwa hivyo, wakati maandishi ni ya zamani, yanapingana au dhaifu, modeli inaweza kurudi kwenye ubashiri unaozingatia bei.

Tatizo ni nini?

Kujifunza kwa njia nyingi kwa ujumla hufanya kazi kwa dhana ya data iliyosawazishwa. Kwa mfano, sura ya video na sauti inaweza kuunganishwa kwa wakati mmoja; Picha na maandishi ya maelezo yanachukuliwa kuwa ya mfano sawa; Nakala na rekodi ya sauti inaweza kuunganishwa na mipaka ya tukio sawa. Lakini katika mifumo halisi, utaratibu huu haupo daima.

Tatizo hili linaonekana zaidi katika takwimu za soko la fedha. Data ya bei hutiririka kwa vipindi fulani vya wakati. Kinyume chake, habari, matangazo, mawimbi ya mitandao ya kijamii, arifa za mtandaoni au ishara za hisia hufika mara kwa mara. Habari inaweza kuwa imekuja baada ya kuhama kwa bei, bei inaweza kuwa haijatoa majibu bado, au soko linaweza kuwa liliweka bei ya habari saa zilizopita.

Kwa hivyo, haitoshi kuzingatia maandishi tu kama "kuna" au "hakuna". ya maandishi Imefika saa ngapi?, na historia ya bei Je, inalingana kwa kiasi gani? na wakati wa uamuzi wa sasa Je, inategemewa kwa kiasi gani? inapaswa pia kuigwa.

Hili ndilo pengo kuu ambalo makala inashughulikia: Miundo ya sasa ya ufadhili wa aina nyingi mara nyingi huchanganya maandishi na bei katika madirisha ya saa zisizobadilika. Njia hii inaweza kuchanganya ishara mpya na ya zamani. CGCMA, kwa upande mwingine, hushughulikia latency sio tu kama metadata msaidizi lakini kama pembejeo moja kwa moja kwa usanifu wa mfano.

Je, Njia Inapendekeza Nini?

Kazi inagawanya muunganisho wa asynchronous katika shida mbili tofauti:

1. Tatizo la kutuliza: Je, maandishi au habari zinazoingia zinahusiana na sehemu gani ya historia ya bei? Badala ya kueneza maandishi sawasawa juu ya mlolongo mzima wa bei, kielelezo huelea kwa uangalifu uwakilishi wa maandishi juu ya historia ya bei. Kwa njia hii, inajifunza ni hali gani za wakati kwenye dirisha la bei ambayo habari inaweza kuhusishwa nayo.

2. Tatizo la uaminifu: Je, ni uaminifu kiasi gani unapaswa kutolewa kwa maandishi haya? Je, habari ni mpya, imecheleweshwa, inalingana na uwakilishi wa bei, au inakinzana? Mfano hujibu swali hili na utaratibu wa lango la masharti.

Usanifu wa CGCMA una sehemu kuu nne:

Kisimbaji cha bei: Inafanya dirisha la bei la OHLCV la dakika 15 kuwa uwakilishi unaotegemea Transfoma. Paa 64 za historia ya bei, takriban masaa 16, hutumiwa kwa kila sampuli.

Maandishi na kisimbaji cha wavuti: Maandishi ya habari yamepachikwa kwa muundo unaofanana na Sentensi-BERT wa lugha nyingi uliogandishwa. Zaidi ya hayo, vipengele 13 vya wavuti kama vile woga & uchoyo, ishara za mtandaoni, na usikivu wa kijamii hubadilishwa kuwa vekta tofauti ya wavuti.

Uangalifu wa bei ulio na masharti: Uwakilishi wa maandishi hutumiwa kama swali kwenye historia ya bei. Lengo ni kwa habari kupata hali ya soko husika katika mlolongo wa bei.

Lango la masharti: Mfano; Inatumia muhtasari wa bei, muktadha wa bei kulingana na maandishi, tofauti kati ya hizi mbili, vipengele vya wavuti na muda wa kusubiri kwa pamoja ili kuamua ni kiasi gani cha maandishi ya muktadha wa kuingiza na katika vipimo vipi.

Je! Mifumo Inasemaje?

Fomula katika PDF zinaonyesha jinsi tatizo la utabiri wa hali nyingi lisilosawazisha linavyowekwa na jinsi CGCMA inavyofanya muunganisho wa bei ya maandishi. Fomula zimetolewa hapa chini, zinazooana na MathJax.

1. Ufafanuzi wa mfululizo wa bei

Hapa \(P_t\) inawakilisha mlolongo wa bei unaoisha kwa wakati \(t\). \(L\) ni idadi ya baa za historia zinazoangaliwa. Kila \(p_i\) ni upau wa OHLCV wa 5-dimensional unaojumuisha wazi, juu, chini, karibu na sauti.

2. Akili ya mtandao na latency

\(W_t^{*}\) inawakilisha muktadha wa kijasusi wa wavuti uliokusanywa kwa wakati \(t^{*}\). Muktadha huu unaweza kujumuisha maelezo kama vile muhtasari wa habari, kiashirio cha woga na uchoyo, ishara za nyangumi kwenye mnyororo au hisia za kijamii. \(\tau_{lag}\) inaonyesha ni dakika ngapi muktadha wa wavuti umechelewa kutoka wakati wa uamuzi.

3. Lengo la utabiri

Fomula hii inaonyesha kuwa mtindo hufanya utabiri wa mwelekeo wa binary. \(c_t\) ni bei ya mwisho wakati wa kufanya uamuzi. \(c_{t+H}\), \(H\) bar ndiyo bei inayofuata ya kufunga. Ikiwa malipo ya mbele ni chanya, \(y_t=1\), vinginevyo \(y_t=0\).

4. Kizuizi cha upatanishi wa Asynchronous

Kwa kila upau wa bei, tukio la karibu zaidi la wavuti ambalo hutangulia muda wa uamuzi huchaguliwa. Walakini, ikiwa muktadha huu wa wavuti ni wa zamani sana, mfano haujajumuishwa. Ucheleweshaji wa juu wa operesheni unachukuliwa kama dakika 180.

5. Mfano wa kujifunza

Muundo unajaribu kukadiria uwezekano wa \(y_t=1\) kulingana na mlolongo wa bei, akili ya wavuti na muda wa kusubiri. Jambo ni kwamba ucheleweshaji ni sehemu ya moja kwa moja ya uingizaji wa mfano.

6. Kisimbaji cha bei

Safu ya bei inakadiriwa kwanza kwenye kipimo cha mfano, upachikaji wa anga huongezwa, na kupitishwa kupitia kisimbaji cha Transformer. \(h_p\) ni muhtasari wa kimataifa wa mlolongo wa bei. \(H^p\) ni uwakilishi wa tokeni zote katika historia ya bei.

7. Nakala na encoder mtandao

\(e_{text}\) ni sentensi iliyopachikwa ya habari/maandishi ya wavuti. \(h_t\) ni uwakilishi wa maandishi uliohamishwa hadi upana wa kielelezo. \(w\) ina vipengele 13 vya wavuti; \(h_w\) ni muktadha wa wavuti wa vipengele hivi vilivyotolewa na MLP.

8. Weka maandishi kwa uangalifu kwenye historia ya bei

Sehemu hii ni awamu ya "kutuliza" ya CGCMA. Uwakilishi wa maandishi hutumika kama hoja, na historia ya bei inatumika kama ufunguo na thamani. Kwa hivyo, ishara ya habari/maandishi hutafuta hali zinazofaa za soko katika mlolongo wa bei, na hivyo kutoa muktadha wa soko wenye masharti yanayoitwa \(h_c\).

9. Lango la uaminifu la masharti

Njia hii inaonyesha hatua ya "imani" ya mfano. \(\Delta_{pc}\) ni tofauti kati ya muhtasari wa bei na muktadha unaotegemea maandishi. Lango \(g\) huamua ni kiasi gani cha kuamini muktadha wa maandishi kwa kutumia uwakilishi wa bei, muktadha wa bei ya maandishi, tofauti kati ya hizi mbili, sifa za wavuti na muda wa kusubiri. \(\tau_{lag}/60\) ni ucheleweshaji ulioongezwa kwa saa.

10. Mchanganyiko wa mabaki ya gated

Hapa \(\odot\) inaashiria kuzidisha kwa busara kwa kipengele. Ikiwa \(g\) inakaribia sifuri, muundo utaendelea kwa uwakilishi wa karibu wa bei pekee. Ikiwa \(g\) itapanuliwa katika kipimo fulani, muktadha wa msingi wa maandishi huongezwa kwa uwakilishi wa bei. Muundo huu unahakikisha kuwa muundo unaweza kurudi kwa njia ya bei pekee wakati maandishi ya zamani au yanayokinzana yanapofika.

11. Jina la utabiri

Katika hatua ya mwisho, uwakilishi wa muunganisho wa lango \(h_f\) na vipengele vya wavuti \(h_w\) vinaunganishwa na kutolewa kwa kichwa cha utabiri cha safu mbili za MLP. Matokeo ya mfano ni uwezekano kwamba mwelekeo wa bei ni chanya.

12. Tathmini ya biashara ya chini inayotegemea kizingiti

Toleo la mfano linatathminiwa kwa matumizi ya vitendo kwa mkakati rahisi wa kizingiti. Ikiwa uwezekano ni juu ya 0.55, ni muda mrefu, ikiwa ni chini ya 0.45, ni mfupi, na ikiwa ni kati, inabaki bila nafasi. Hili si pendekezo la biashara ya moja kwa moja, lakini ni zana inayodhibitiwa ya kipimo inayotumika kulinganisha miundo chini ya hali zinazofanana.

13. Uwiano wa kurudi uliothibitishwa na Sharpe

\(r_t\) inaonyesha kurudi kutekelezwa kulingana na mwelekeo wa nafasi iliyochukuliwa. \(SR\) ni uwiano wa Sharpe wa chini wa mkondo. Utafiti huu hautumii kipimo hiki kama mafanikio ya biashara ya moja kwa moja, lakini kama kipimo cha kulinganisha nje ya mtandao ambacho hupima matumizi yenye mwelekeo wa maamuzi ya matokeo ya muundo.

Ujumbe Mkuu wa Grafu, Jedwali na Mchoro

Jedwali la kulinganisha la seti ya data kwenye ukurasa wa 3: Jedwali linaonyesha kuwa seti za awali za data za modal nyingi za crypto kama vile PreBit, DAM, CryptoPulse na nyinginezo kwa ujumla hufanya kazi katika utatuzi wa kumbukumbu na hazirekodi maelezo ya uzembe wa kila sampuli. CryptoMI inatofautiana na mpangilio wake wa bei wa dakika 15 na maelezo wazi \(\tau_{lag}\). Ujumbe mkuu: Utafiti huu hautoi modeli mpya tu, bali pia mazingira ya tathmini ambayo hufanya maelezo ya ucheleweshaji kupimika.

Mchoro wa usanifu wa CGCMA kwenye ukurasa wa 4: Mchoro unaonyesha kuwa maingizo yamegawanywa katika safu ya bei, muktadha wa maandishi yaliyosawazishwa, sifa za mtandao na uchangamfu/muda. Katika sehemu ya kati, kutuliza hufanywa kwanza kwa uangalifu wa bei ya maandishi; Kisha, udhibiti wa uaminifu unatumiwa na lango la masharti. Ujumbe kuu: Mfano haubandishi maandishi moja kwa moja kwenye bei; Kwanza inaleta maana ya historia ya bei, kisha inachuja kwa muda na kufuata.

Jedwali la takwimu la CryptoMI kwenye ukurasa wa 5: Ingawa kuna takriban mifano elfu 7 ya BTC, ETH na SOL katika muungano wa sintetiki, mifano 19,241 imeripotiwa kwa BTC, 6,349 ya ETH, na 2,333 ya SOL katika mkusanyiko wa habari halisi. Wastani wa kuchelewa kwa habari za kweli ni kama dakika 6, na kiwango chanya cha darasa ni karibu 44-45%. Hii inaonyesha kwamba mkusanyiko wa habari halisi una usawa zaidi kuliko ushirika wa syntetisk.

Chati kuu ya kulinganisha kwenye ukurasa wa 7: CGCMA inatoa matokeo ya wastani ya juu zaidi katika kundi la habari halisi, ikiwa na Sharpe ya chini ya +0.449 ± 0.257. Kibadilishaji cha bei pekee kinasalia kuwa +0.194, BiLSTM +0.209, EarlyFusion +0.198, MulT +0.187. Ujumbe mkuu: Faida ya CGCMA ni kwamba hutoa matumizi bora ya uamuzi chini ya kanuni sawa ya kizingiti badala ya kuruka kubwa kwa AUC.

Jedwali la vipimo muhimu kwenye ukurasa wa 7: Thamani za AUC zinabaki karibu sana kati ya mifano; CGCMA iko katika kiwango sawa na PriceTx-S, ikiwa na AUC ya 0.536. Walakini, chini ya mto Sharpe ni ya juu zaidi. Jedwali hili linaonyesha kuwa kuangalia kipimo cha uainishaji pekee kunaweza kuwa haitoshi katika tathmini ya muundo wa kifedha.

Chati ya kuchelewa kwa hali kwenye ukurasa wa 8: Faida ya mawimbi ya wavuti haipungui kifuatano na kuchelewa. Wakati masafa ya dakika 30-60 yanatoa thamani yenye nguvu zaidi ya Sharpe chanya, masafa ya dakika 0-30 yanaonekana dhaifu na masafa ya dakika 90-120 yanaonekana hasi. Ujumbe mkuu: Ishara ya habari sio tu kuhusu "ni mpya vipi?" si kwa swali, "ni katika dirisha gani la kuchelewesha linaeleweka?" inapaswa kushughulikiwa na swali:

Majaribio Yalifanywaje?

Seti ya data iitwayo CryptoMI inatumiwa katika utafiti. Kwa upande wa bei, data ya OHLCV ya dakika 15 inakusanywa kwa BTCUSDT, ETHUSDT na SOLUSDT katika kipindi cha Januari 2025–Machi 2026 kupitia Binance Futures. Kila mfano hutazama pau 64 za historia ya bei, au takriban saa 16.

Kuna mashirika mawili kwenye upande wa wavuti. Kwanza, kombosi ya syntetisk iliyosanifiwa na LLM inayotumika kwa ajili ya ukuzaji na upimaji wa utaratibu. Ya pili ni mkusanyiko wa habari halisi unaotumika kama ushahidi mkuu wa uhalali wa nje wa utafiti. Mkusanyiko wa habari halisi umeundwa kutoka CryptoCompare news na inashughulikia kipindi cha Desemba 2025–Machi 2026.

Katika kila wakati wa uamuzi, muktadha wa karibu zaidi wa wavuti/habari hadi sasa huchaguliwa. Walakini, ikiwa muktadha huu ni wa zamani zaidi ya dakika 180, mfano haujajumuishwa. Kwa hivyo, mtindo hautumii habari za baadaye; hutumia tu taarifa ambazo zinaweza kujulikana wakati wa kufanya uamuzi.

Itifaki ya kusonga mbele inatumika katika tathmini. Katika itifaki hii, data imegawanywa kwa mpangilio katika madirisha ya mafunzo, uthibitishaji na majaribio. Katika kila zizi, mtindo hufunzwa kutoka mwanzo kwenye seti ya mafunzo, kusimamishwa mapema kunafanywa kwenye seti ya uthibitishaji, na utabiri hutolewa bila kurekebisha kwenye seti ya mtihani. Muundo huu ni muhimu ili kupunguza hatari ya upendeleo wa kuangalia mbele katika mfululizo wa muda wa kifedha.

Miundo iliyolinganishwa ni pamoja na Transfoma ya bei pekee, kisimbaji cha maandishi pekee, muunganisho wa kuchelewa kwa bei+wavuti, EarlyFusion, BiLSTM, MulT, Tensor Fusion Network na CGCMA. Zaidi ya hayo, vibadala vya udhibiti wa kusahaulika kama vile uozo usiobadilika, uozo uliojifunzwa, kichujio kigumu cha maandishi ya zamani na CGCMA-db pia huchunguzwa.

Je! Matokeo Yanaonyesha Nini?

1. Taarifa za kusubiri zinaonekana kuwa muhimu sana. Uchanganuzi wa kubakia wa utafiti unaonyesha kuwa thamani ya mawimbi ya habari hutofautiana kulingana na kuchelewa. Ishara yenye nguvu haionekani moja kwa moja katika dakika 30 za kwanza, lakini katika muda wa dakika 30-60. Matokeo haya yanadhoofisha dhana rahisi ya "habari za hivi punde ni bora".

2. CGCMA inatoa wastani wa juu zaidi wa matokeo ya Sharpe ya chini katika alama kuu. Katika kundi la habari halisi, CGCMA iko mbele ya viwango vya bei pekee na vya jumla vya modi nyingi katika +0.449 ± 0.257. Hata hivyo, kwa kuwa muda wa kujiamini ni mpana, matokeo haya yanapaswa kusomwa kama ushahidi unaounga mkono juu ya mkusanyiko mfupi wa habari za ukweli unaopatikana, badala ya kama dai la uhakika na la jumla la ubora.

3. Vikwazo vya mtandao pekee havitoi maelezo. Muundo wa PriceWeb hauwezi kufikia utendakazi wa CGCMA unapoondoa maandishi yasiyolipishwa na kutumia tu bei na vipengele vilivyoundwa vya wavuti. Hii inaonyesha kwamba faida kuu haitoi tu kutoka kwa viashiria vya wavuti, lakini pia kutokana na ukweli kwamba maandishi yanategemea historia ya bei na kutoka kwa lango la masharti.

4. Sheria rahisi za upya hazitoshi. Mbinu kama FixedDecay na HardFilter hutoa manufaa fulani; lakini haiwezi kufikia kikamilifu kiwango kilichofikiwa na CGCMA. Hii inaweza kuwa kwa sababu athari ya kuchelewesha sio monotonic. Wakati mwingine habari zinapokuwa mpya bado hazijaanzisha uhusiano na tabia ya soko, na zinapochelewa zinaweza kuwa zimechakaa.

5. Maadili ya AUC hayaonyeshi kuruka kubwa. Thamani za AUC za nguzo za mifano karibu 0.53. Kwa hiyo, kipengele cha kushangaza zaidi cha utafiti sio madai kwamba "mfano unatabiri soko bora zaidi"; Licha ya ubora sawa wa uainishaji, hutoa viwango bora zaidi katika metriki ya Sharpe yenye mwelekeo wa maamuzi.

6. Tatizo linatokea wakati data ya synthetic inapimwa. Katika utafiti wa mwaka mzima wa sanisi wa BTC, modeli ya bei pekee inanufaika kutokana na vipimo, huku CGCMA-lg ikidhoofika. Nakala hiyo inaelezea hii kwa kuporomoka kwa utofauti wa ishara za maandishi: wakati habari zilizoundwa na LLM zinakuwa na nguvu sana kwa muda mrefu, kichanganuzi cha maandishi hakibeba ishara. Ugunduzi huu unaonyesha kuwa uanuwai wa maandishi ni muhimu kama idadi ya data katika ujifunzaji wa njia nyingi.

Kwa Nini Hili Ni Muhimu?

Ingawa utafiti huu ulifanywa kwenye masoko ya crypto, mchango wake mkuu unaonyesha tatizo la jumla la akili bandia: Katika ulimwengu wa kweli, muktadha wa nje mara nyingi hufika kwa kuchelewa. Habari, kengele, ripoti, metadata ya vitambuzi, mawimbi ya kijamii, kurekodi tukio au dokezo la mtaalamu huenda lisitokee kwa wakati mmoja na utiririshaji wa data msingi.

Kwa hiyo, mifumo ya baadaye ya modal nyingi haipaswi tu kuchanganya aina tofauti za data; ya data hizi ulipokuja, Je, ni ya muktadha gani? Na Ikiwa bado inaaminika wakati wa uamuzi inapaswa pia kujifunza.

Kipengele cha ajabu cha CGCMA ni kwamba inaweka tofauti hii katika usanifu. Kwanza, maandishi yanafasiriwa katika historia ya bei, kisha mlango wa uaminifu unafunguliwa au kufungwa kulingana na kuchelewa na maelewano. Wazo hili pia linaweza kutumika nje ya fedha: arifa ya afya iliyochelewa, dokezo la kitambuzi la marehemu, data ya mitandao ya kijamii ya baada ya tukio, au arifa kutoka nje katika mifumo ya moja kwa moja zinaweza kushughulikiwa vivyo hivyo.

Pointi za Tahadhari

1. Utafiti huu sio ushauri wa uwekezaji. Tathmini kwenye soko la crypto haimaanishi mkakati wa biashara wa moja kwa moja.

2. Ni maandishi ya awali. Matokeo hayapaswi kusomwa kwa ukali wa toleo la mwisho lililopitiwa na marika.

3. Taarifa za kweli ni fupi. Matokeo kuu yanatokana na muhtasari mfupi wa habari za ukweli katika kipindi cha Desemba 2025–Machi 2026. Matokeo yanaweza kutofautiana katika taratibu tofauti za soko.

4. Hakuna gharama ya muamala na hakuna kuteleza. Downstream Sharpe inakokotolewa kwa kuchukulia sifuri gharama za muamala na utelezi sufuri. Katika soko la moja kwa moja, maadili haya yanaweza kutofautiana sana.

5. Matokeo yanapatikana kwa baa za kutengeneza habari pekee. Muundo huo ulitathminiwa kwenye baa zenye muktadha halali wa wavuti/habari, si kwenye kila upau wa soko. Kwa hivyo, matokeo ni halali katika muktadha wa utabiri wa hali-asynchronous wa masharti.

6. Ongezeko la AUC ni mdogo. Nguvu ya CGCMA inaonekana katika matumizi ya uamuzi wa chini katika itifaki iliyopo. Kwa upande wa mafanikio ya uainishaji ghafi, mifano iko karibu na kila mmoja.

7. Uashiriaji wa maandishi ya sintetiki ni hatari. Ikiwa utofauti wa mwelekeo ni mdogo katika habari za syntetisk za LLM, muundo wa modi nyingi unaweza kuegemea upande wowote badala ya kufaidika na maandishi.

Hitimisho

Utafiti wa CGCMA unaonyesha jambo muhimu katika kujifunza kwa njia nyingi: Haitoshi kuweka aina tofauti za data katika muundo sawa. Data inapowasili, ni ya umri gani inayohusiana na wakati wa uamuzi, na ikiwa inaoana na mawimbi ya msingi inapaswa pia kutengenezwa.

Usanifu uliopendekezwa na karatasi hutatua tatizo hili katika hatua mbili. Kwanza, maandishi yanategemea historia ya bei na utaratibu wa tahadhari. Lango la masharti basi huamua ni vipimo vipi vya maandishi vinapaswa kuongezwa kwa bei na kiasi gani. Lango hili linatumia muda wa kusubiri, kulinganisha maandishi ya bei na vipengele vya wavuti.

Majaribio yanaonyesha kuwa CGCMA inatoa wastani wa juu zaidi wa chini wa Sharpe katika mkusanyiko uliopo wa habari fupi za kweli. Walakini, karatasi inatafsiri hii kwa uangalifu: haijaonyeshwa kuwa utabiri wa crypto unatatuliwa, lakini kwamba shida ya muunganisho wa hali nyingi ya asynchronous inaweza kupimika na inayoweza kutekelezwa kwa usanifu.

Ujumbe mkuu kwa msomaji wa Verianla ni huu: wakati mwingine habari iliyochelewa bado ni ya thamani, wakati mwingine imechelewa, wakati mwingine inapingana na hatua ya bei. Mfano mzuri wa multimodal hausomi habari tu; Pia hupima wakati wake, muktadha na uaminifu.

Chanzo na Mbinu Kumbuka

Makala haya ni maudhui halisi ya uhariri wa Kituruki kulingana na PDF ya kitaaluma yenye jina "CGCMA: Uangalifu wa Hali Mtambuka kwa Masharti kwa Fusion Asynchronous ya Tukio-Conditioned". Maandishi si tafsiri halisi; Tatizo, usanifu, fomula, seti ya data, grafu, majedwali, itifaki ya majaribio, matokeo na mapungufu katika utafiti yameelezwa kwa njia iliyorahisishwa.