Time Series Forecasting based on Solana Digital Asset Dataset

技術要約：Solanaデジタルアセット・データセットに基づく時系列予測

問題提起
Solanaブロックチェーン上のデジタルアセットの正確な予測は、そのエコシステムの高いボラティリティ、急速なレジームシフト、および新規ローンチされたトークンに履歴データが欠如している「コールドスタート」シナリオの蔓延により、特有の課題を抱えている。従来の時系列予測手法は、暗号資産価格の非定常性や、アセット固有の長期データの不足に苦慮することが多い。さらに、既存の研究は中央集権型取引所（CEX）のデータやBitcoin/Ethereum特有の機能に依存することが多く、Solanaの分散型取引所（DEX）環境の独特なマイクロストラクチャや、豊かなオンチェーン・テレメトリを軽視している。トークンレベルの挙動（トランザクション、流動性）とエコシステムレベルのDEX活動を同時に捉え、広範な市場センチメントが個別の資産にどのように伝播するかを分析できる、精緻に構築されたデータセットは存在しない。

手法
本研究は、新規に構築された精緻なデータセットを導入し、その信号含有量を検証するための比較予測フレームワークを採用している。

• データセットの構築: 著者らは、2024年3月24日から2025年3月16日までに観測された1,584のSolanaトークンからなる時系列データセットを編纂した。このデータセットには、以下の要素を含む1トークンあたり27の変数が含まれている：

  • トークンレベルの指標: トランザクション数、アクティブウォレット数、取引高、価格指標（始値、終値、高値、安値、平均値）、および流動性プールの残高。
  • エコシステムレベルの指標: 総Solana DEX取引高、DEXトレーダー数、新規作成された取引ペア、およびSolana (SOL) 価格指標（50日、100日、200日移動平均を含む）。
  • フィルタリング: トークンは活動基準（例：ユニークホルダー数 >2,000、1日のトランザクション数 >1,000、総ボリューム >$20M）に基づいて選別され、欠損値や観測期間が不十分なものを排除するためにクリーニングされた。

• 予測タスク: 目標は、3日先（$H=3$）のトークン時価総額（価格 × 発行済供給量）を予測することである。不均一な供給ダイナミクス（発行、バーン、アンロック）を正規化するため、生の価格ではなく時価総額が選択された。

• モデル評価: 8つのモデルを3つのカテゴリにわたってベンチマークした：

  • ディープラーニング: PatchTST（パッチベースのTransformer）、Temporal Fusion Transformer (TFT)、およびTiDE (Time-series Dense Encoder)。これらは単変量的に（1つのトークンにつき1つのモデル）学習された。
  • ゼロショット・アプローチ: Chronos（ファインチューニングモードとゼロショットモードの両方で評価）およびTimeGPT。これらは多変量/転移学習的に（全トークンに対して単一のモデル）適用された。
  • 統計的ベースライン: Facebook ProphetおよびSeasonalNaive。
  • 検証: 学習にはローリングウィンドウによるバックテスト戦略を用い、固定されたアウトオブサンプル・テストセット（2025年3月14日〜16日）を使用した。性能はMAE、RMSE、およびMAPEを用いて評価された。統計的有意性は、Friedmanテスト、Wilcoxon符号付順位検定、およびパラメトリック線形混合効果モデルの尤度比検定を通じて評価された。

• 特徴量の重要度: TFTにはパーミュテーションベースの重要度を、TimeGPTにはSHAP値を活用して、主要な共変量を特定した。

主な結果

• 市場ダイナミクス: 記述統計分析により、2024年11月中旬および2025年1月中旬において、DEX取引高、トークントレードボリューム、アクティブウォレット、およびSOL価格に同期したピークがあることが明らかになった。2025年1月のピークは「Trump」トークンのローンチと一致しており、流動性の蓄積から引き出しへの明確なシフトを伴っており、個別のトークンダイナミクスと広範なSolana市場センチメントとの間の強い結合を示唆している。
• 予測性能:
  • PatchTSTは、MAE、RMSE、MAPEの各指標において最高の総合ランク（平均ランク ≈2.97）を達成し、非周期的な変動を捉える上での優れた堅牢性を実証した。
  • ChronosFineTunedは僅差でこれに続き、ゼロショット版のモデルを大幅に上回った。これは、このレジームにおいてはアセット固有の適応が実質的な利益をもたらすことを示している。
  • 統計的ベースライン: ProphetおよびSeasonalNaiveは多くのトークンで非常に優れた性能を示し、データセットの大部分が短期的な持続性、トレンド、または季節構造を保持していることを示唆している。PatchTSTは93個のトークンでProphetを、772個のトークンでSeasonalNaiveを上回り、統計モデルが見逃す複雑で非周期的な特徴を捉える能力を強調した。
  • TimeGPTは、安定性における分散は最も低かったものの、全体的なエラー率は最も高く、他のモデルと比較して追加的な非周期的な特徴を最も捉えられなかった。
• 特徴量の重要度: 分析により、トークン固有の価格履歴も関連している一方で、マクロレベルの変数が極めて情報量が多いことが確認された。最も影響力のある共変量には、SOL価格、SOL移動平均、総DEX取引高、DEXトレーダー数、および新規作成されたペア数が含まれていた。

意義と貢献
本論文の主要な貢献は、予測および市場構造分析のために特別に設計された、初のSolanaデジタルアセット時系列データセットを作成したことである。トークンレベルのマイクロストラクチャとエコシステムレベルのDEX活動を紐付けることで、このデータセットは、より広範な市場条件が個別の資産のボラティリティにどのように影響するかを研究することを可能にする。

本研究は以下のことを示している：

1. エコシステムの結合: Solana上の個々のトークンダイナミクスは、特に急速な成長期や投機的イベントにおいて、広範なDEX活動およびSOL価格の動きと強く結合している。
2. モデルの生存能力: PatchTSTのようなディープラーニングモデルは複雑で非周期的なパターンを捉えることに長けている一方で、統計的ベースラインはトレンド主導型のトークンにおいて競争力を維持している。ゼロショットモデルは有望ではあるが、この特定の領域においてはファインチューニングによって大幅に恩恵を受ける。
3. データの有用性: 本データセットは、短期（3日）の時価総額予測に十分な信号を含んでおり、オンチェーンおよびDEXマイクロストラクチャのデータを予測的特徴として使用することを正当化している。

著者らは、投機的な誤用による倫理的リスクを考慮し、本研究は経験的な分析およびデータ駆動型のエコシステム特性評価であり、取引推奨やデプロイのアドバイスを行うものではないことを明記している。知見はSolana特有のエビデンスとして提示されており、クロスチェーンへの一般化については今後の研究課題とされている。