Finance-Grounded Optimization For Algorithmic Trading

创建于 2025-09-08T09:14:46.769781+08:00 更新于 2025-09-08T09:24:58.544965+08:00

摘要

本文提出了基于金融指标（如夏普比率、盈亏和最大回撤）的定制损失函数和周转率正则化方法，提升深度学习模型在算法交易中的预测表现。回测结果显示，ModSharpeLoss结合周转率约束显著优于传统MSE损失函数，推动交易策略的盈利能力和风险控制 [page::0][page::1][page::4][page::5][page::6][page::7][page::8].

速读内容

深度阅读