摘要
金融时间序列预测仍然充满挑战，原因在于市场波动剧烈、非线性市场动态以及市场参与者可获取的异构信息量不断增长。本研究在大数据环境下探索比特币预测问题，将聚合至小时级预测特征的高频市场数据、新闻标题、比特币链上变量以及更广泛的宏观金融指标相结合。本研究并未将标题情感视为预设的分类属性，而是基于短期比特币价格反应、方向性成交量失衡以及波动率状况，构建了连续的、以标题为条件的市场影响标签。采用时序受控的滚动窗口FinBERT流程生成评分，避免复用各标题自身由未来数据导出的目标值。这些评分被整合进基于iTransformer的多变量比特币预测模型中，并以LSTM作为基准对比。评估方法包括重复运行、基准对比、Diebold–Mariano检验、回测以及无预测动量对照。标题衍生信号与后续比特币走势之间存在可度量但随时间异质的关联。加入标题评分后，iTransformer的预测误差仅有小幅下降，且在统计上不显著，而对LSTM预测则产生了显著的恶化。回测结果表明，期末组合价值未见一致改善，但标题特征在多种策略配置下改变了风险收益特征。总体而言，本研究在考虑时序依赖的前提下，评估了以标题为条件的市场影响信号是否增加了预测或经济价值，同时承认在探索性iTransformer架构选择中仍存在残余依赖。
