Generalized Mean Absolute Directional Loss as a Solution to Overfitting and High Transaction Costs in Machine Learning Models Used in High-Frequency Algorithmic Investment Strategies
创建于 更新于
摘要
本报告提出了一种新型的机器学习损失函数GMADL，通过引入参数化的指数平滑函数，有效解决了传统MSE和MADL在高频算法交易策略中存在的过拟合和高交易成本问题。GMADL具备可微性和适应性，能够同时兼顾预测方向和实际收益幅度，提高策略在不同市场环境中的稳健性与盈利能力。报告结合BTC和原油等实证分析，验证了GMADL优于传统损失函数的性能表现，为高频交易模型优化提供了理论与实践支持 [page::0][page::1][page::2][page::3][page::4][page::5][page::6]。
