Label Unbalance in High-frequency Trading

创建于 2025-05-13T11:23:32.472151+08:00 更新于 2025-05-19T18:36:07.640556+08:00

摘要

本报告针对高频交易中因交易费用导致的收益标签严重失衡问题，提出了一套端到端深度学习框架，结合多种标签不平衡处理方法（如欠采样、代价敏感学习、加权损失和焦点损失），成功提升了中国期货市场1分钟收益预测的准确性。实验证明LSTM与Mamba模型在捕获时间序列特征上表现较优，而代价敏感损失和加权损失优于传统采样方法，应对标签失衡效果显著 [page::0][page::2][page::8]

速读内容

深度阅读