เมทริกซ์ เทนเซอร์ และพีชคณิตทรอปิคัล: พีชคณิตเชิงเส้นสำหรับการตรวจจับอาร์บิทราจ

ตอนที่ 4 ของซีรีส์ "ห่วงโซ่อาร์บิทราจที่ซับซ้อนระหว่างตลาดฟิวเจอร์สและตลาดสปอต"

จินตนาการถึงห้องโถงขนาดใหญ่ที่เทรดเดอร์หลายร้อยคนแลกเปลี่ยนสกุลเงินพร้อมกัน แต่ละคนมีอัตราแลกเปลี่ยน ค่าธรรมเนียม และลักษณะเฉพาะของตัวเอง คุณยืนอยู่กลางห้องพร้อมสมุดบันทึก พยายามค้นหาเส้นทางการแลกเปลี่ยนที่ทำกำไร: ดอลลาร์เป็นยูโร ยูโรเป็นเยน เยนกลับมาเป็นดอลลาร์—แล้วออกมาพร้อมเงินมากกว่าที่เริ่มต้น มันง่ายที่จะหลงทาง แต่ถ้าคุณเขียนอัตราทั้งหมดลงในตาราง—เมทริกซ์—ความวุ่นวายก็จะมีโครงสร้างทันที ค่าไอเกนของเมทริกซ์นี้จะบอกคุณว่ามีอาร์บิทราจหรือไม่ พีชคณิตทรอปิคัลจะหาเส้นทางที่เหมาะสมที่สุด และการแยกสลายเทนเซอร์จะเผยรูปแบบที่มองไม่เห็นด้วยตาเปล่า

ในบทความนี้ เราจะเดินทางจากตารางอัตราแลกเปลี่ยนธรรมดาสู่วิธีการวิเคราะห์หลายมิติขั้นสูง—และทุกขั้นตอนจะได้รับการสนับสนุนด้วยการนำไปใช้งานใน Rust

การแสดงภาพเมทริกซ์อัตราแลกเปลี่ยนระหว่างคริปโตเคอร์เรนซี: ขอบกราฟแทนคู่การซื้อขาย และวงจรที่เน้นสีแทนโอกาสอาร์บิทราจที่ตรวจพบ

1. เมทริกซ์อัตราแลกเปลี่ยน: รากฐาน

1.1 จากความวุ่นวายสู่ตาราง

สมมติว่าเราประกอบไปด้วยสินทรัพย์ n ชนิด: BTC, ETH, USDT, SOL และอื่นๆ แต่ละคู่สามารถแลกเปลี่ยนได้ในอัตราหนึ่ง เมทริกซ์อัตราแลกเปลี่ยน R คือตาราง n × n โดยสมาชิก R[i][j] แสดงจำนวนหน่วยของสินทรัพย์ j ที่เราได้รับต่อหนึ่งหน่วยของสินทรัพย์ i

คุณสมบัติของเมทริกซ์ที่จัดรูปแบบถูกต้อง:

• เส้นทแยงมุม: R[i][i] = 1—การแลกเปลี่ยนสินทรัพย์กับตัวเองไม่เปลี่ยนแปลงอะไร
• ค่าบวก: R[i][j] > 0 สำหรับทุกคู่
• การตอบแทนซึ่งกันและกัน (ในตลาดในอุดมคติ): R[i][j] * R[j][i] = 1

ใน Rust เราสามารถแทนค่านี้โดยใช้ nalgebra:

use nalgebra::DMatrix;

/// Builds an exchange rate matrix from a set of trading pairs
fn build_exchange_rate_matrix(
    assets: &[&str],
    rates: &[((usize, usize), f64)],
) -> DMatrix<f64> {
    let n = assets.len();
    let mut matrix = DMatrix::from_element(n, n, 0.0);

    // Diagonal: exchange for self = 1
    for i in 0..n {
        matrix[(i, i)] = 1.0;
    }

    // Fill known rates
    for &((i, j), rate) in rates {
        matrix[(i, j)] = rate;
        // Reciprocal rate (if there is no direct one)
        if matrix[(j, i)] == 0.0 {
            matrix[(j, i)] = 1.0 / rate;
        }
    }

    matrix
}

1.2 เงื่อนไขไม่มีอาร์บิทราจ

นี่คือทฤษฎีบทหลักที่ทุกอย่างอื่นสร้างขึ้นมา

ทฤษฎีบท. ตลาดปราศจากอาร์บิทราจก็ต่อเมื่อสำหรับวงจรสินทรัพย์ใดๆ (i₁, i₂, ..., iₖ, i₁) ผลคูณของอัตราแลกเปลี่ยนตลอดวงจรเท่ากับหนึ่ง:

R[i₁][i₂] * R[i₂][i₃] * ... * R[iₖ][i₁] = 1

การกำหนดสูตรที่เทียบเท่า: เมทริกซ์ R ปราศจากอาร์บิทราจก็ต่อเมื่อ อันดับของมันเท่ากับ 1 (ในแง่การคูณ) หมายความว่ามีเวกเตอร์ราคา p = (p₁, p₂, ..., pₙ) ที่:

R[i][j] = pj / pi   for all i, j

เมทริกซ์ R แยกสลายเป็นผลคูณภายนอก R = (1/p) * pᵀ—และนี่คือเมทริกซ์อันดับ 1 หากเมทริกซ์จริงเบี่ยงเบนจากอันดับ 1—จะมีโอกาสอาร์บิทราจซ่อนอยู่ที่ไหนสักแห่ง

2. วิธีค่าไอเกน: อาร์บิทราจใน O(n³)

2.1 ทฤษฎีบทของ Ming Ma

แนวทางที่สง่างามที่สุดวิธีหนึ่งในการตรวจจับอาร์บิทราจถูกเสนอโดย Ming Ma ในปี 2007 ความคิดนี้งดงามอย่างเหลือเชื่อ

ทฤษฎีบท (Ming Ma). ให้ R เป็นเมทริกซ์อัตราแลกเปลี่ยน n × n หากตลาดปราศจากอาร์บิทราจ ดังนั้น:

1. ค่าไอเกนสูงสุด λ_max = n
2. ค่าไอเกนอื่นทั้งหมดเท่ากับศูนย์
3. ไอเกนเวกเตอร์ที่สอดคล้องกัน v แทนราคาสมดุล

ทำไมถึงได้ผล? เมทริกซ์ที่ปราศจากอาร์บิทราจมีอันดับ 1 และเทรซของมัน (ผลรวมของสมาชิกในแนวทแยงมุม) เท่ากับ n (เพราะ R[i][i] = 1 ทุกตัว) สำหรับเมทริกซ์อันดับ 1 ค่าไอเกนที่ไม่เป็นศูนย์เพียงตัวเดียวเท่ากับเทรซ ดังนั้น λ_max = n

เกณฑ์อาร์บิทราจ: อาร์บิทราจมีอยู่ก็ต่อเมื่อ λ_max > n ส่วนเบี่ยงเบน δ = λ_max - n ประมาณขนาดของโอกาสอาร์บิทราจในเชิงปริมาณ

3. พีชคณิตทรอปิคัล (Max-Plus): วิธีที่สง่างามที่สุด

3.1 เมื่อการบวกกลายเป็นค่าสูงสุด

นี่อาจเป็นการค้นพบที่สวยงามที่สุดในการศึกษาของเรา พีชคณิตทรอปิคัล คือระบบพีชคณิตที่การดำเนินการที่คุ้นเคยถูกกำหนดใหม่:

• "การบวก": a ⊕ b = max(a, b)
• "การคูณ": a ⊗ b = a + b

การคูณเมทริกซ์ในพีชคณิตนี้จะค้นหาเส้นทางที่มีผลรวมน้ำหนักสูงสุดโดยอัตโนมัติ นี่คือสิ่งที่ต้องการสำหรับการหาวงจรอาร์บิทราจที่ทำกำไรได้มากที่สุด

3.2 ค่าไอเกนทรอปิคัลและอาร์บิทราจ

นำเมทริกซ์ล็อกของอัตรา L[i][j] = ln(R[i][j]) คำนวณ ค่าไอเกนทรอปิคัล λ ของเมทริกซ์ L

ทฤษฎีบท. λ > 0 ก็ต่อเมื่ออาร์บิทราจมีอยู่ ยิ่งไปกว่านั้น exp(λ) คือตัวคูณกำไรของวงจรที่ดีที่สุด

/// Tropical (max-plus) matrix multiplication
fn tropical_matmul(a: &DMatrix<f64>, b: &DMatrix<f64>) -> DMatrix<f64> {
    let n = a.nrows();
    let m = b.ncols();
    let k = a.ncols();
    let mut result = DMatrix::from_element(n, m, f64::NEG_INFINITY);

    for i in 0..n {
        for j in 0..m {
            for l in 0..k {
                // Tropical multiplication: max instead of sum, + instead of *
                let val = a[(i, l)] + b[(l, j)];
                if val > result[(i, j)] {
                    result[(i, j)] = val;
                }
            }
        }
    }
    result
}

4. PCA และโมเดลปัจจัย: อาร์บิทราจทางสถิติ

การเคลื่อนจากอาร์บิทราจเชิงกำหนด (ความคลาดเคลื่อนราคาโดยตรง) ไปสู่ อาร์บิทราจทางสถิติ—การค้นหาการเบี่ยงเบนอย่างเป็นระบบจากโมเดลปัจจัย

การวิเคราะห์องค์ประกอบหลัก (PCA) แยกสลายผลตอบแทนของสินทรัพย์ออกเป็นปัจจัยเชิงระบบและส่วนที่เหลือเฉพาะตัว:

ri(t) = αi + Σk βik * Fk(t) + εi(t)

โดยที่ Fk(t) คือปัจจัยที่ k, βik คือค่าน้ำหนัก และ εi(t) คือส่วนที่เหลือ—สัญญาณอาร์บิทราจ

4.1 ทฤษฎีเมทริกซ์สุ่ม (RMT)

คำถามสำคัญ: จะคงปัจจัยกี่ตัว? การแจกแจง Marchenko-Pastur อธิบายสเปกตรัมของค่าไอเกนสำหรับเมทริกซ์ความแปรปรวนร่วมสุ่ม ค่าไอเกนที่สูงกว่าขอบเขตบน $λ_+$ มี สัญญาณจริง ในขณะที่ค่าที่อยู่ภายในขอบเขตคือ สัญญาณรบกวน

5. วิธีเทนเซอร์: มิติที่สามของอาร์บิทราจ

อาร์บิทราจคริปโตเคอร์เรนซีเกี่ยวข้องกับหลายมิติพร้อมกัน เมทริกซ์ของอัตราเป็นเพียงส่วนตัดขวาง 2D ภาพที่แท้จริงคือ เทนเซอร์:

T(a, e, i) = price/rate for asset a on exchange e for instrument i

มิติ:

• โหมด 1 (สินทรัพย์): BTC, ETH, SOL, ...
• โหมด 2 (ตลาดแลกเปลี่ยน): Binance, Kraken, Coinbase, ...
• โหมด 3 (เครื่องมือ): Spot, Perpetual, Futures, ...

CP-Decomposition (CANDECOMP/PARAFAC) แยกสลายเทนเซอร์เป็นผลรวมของเทนเซอร์อันดับ 1 ส่วนที่เหลือ T - T_approx เผยความผิดปกติที่ราคา/ตลาดแลกเปลี่ยน/เครื่องมือเฉพาะเจาะจงมีราคาผิดพลาดเมื่อเทียบกับโครงสร้างปัจจัยตลาดโดยรวม

บทสรุป

จากตารางธรรมดาไปจนถึงเทนเซอร์หลายมิติ พีชคณิตเชิงเส้นให้ภาษาทางการสำหรับตลาดคริปโตเคอร์เรนซี Rust ช่วยให้เราสามารถรันโมเดลที่ซับซ้อนเหล่านี้ด้วยความเร็วที่จำเป็นสำหรับ HFT

ในส่วนถัดไป เราจะสำรวจ GNN, Transformers และ RL สำหรับอาร์บิทราจ โดยดูว่าเครือข่ายประสาทเทียมเรียนรู้การเทรดอย่างไร

กำลังวิเคราะห์สัญญาณหลายมิติอยู่ใช่ไหม? ดู Tensor-Based Trading Engine บน GitHub ของเรา