Alternative Loss Function in Evaluation of Transformer Models
创建于 更新于
摘要
本文以机器学习中Transformer与LSTM模型在股票和加密货币时间序列预测中的表现为研究对象，提出使用Mean Absolute Directional Loss (MADL) 损失函数优化投资策略信号生成。通过超过八年的滚动窗口实证测试，结果显示Transformer模型显著优于LSTM和Buy&Hold基准，表现出更高的风险调整收益率和更优的最大回撤指标，证明了MADL函数在算法交易中的有效性和Transformer在金融时序预测中的优势 [page::0][page::1][page::8][page::9]。
