QuantML-Qlib Model | 还在使用MSE？试试这些更加适合金融预测的损失函数

文章预览

在深度学习领域，回归任务是指预测连续型变量的任务，例如预测房价、气温或用户评分等。为了评估模型预测值与真实值之间的差异，我们需要定义一个损失函数。损失函数不仅用于评估模型性能，还作为优化算法的目标函数，通过最小化损失函数来调整模型参数，使模型更好地拟合数据。 在金融时序回归问题中，通常采用的MSE作为损失函数，除此之外，还有一些在金融预测中效果较好的损失函数。 根据损失函数的类型，大致可以分为三类，分别为单样本类损失函数，主要通过单一样本计算损失函数，常见的MSE,MAE,MAPE等拘束于此类， 第二类为分位数损失函数，需要模型预测不同的分位数结果进行加权，第三类为Batch类损失函数，信息系数IC即属于此类，通常将同一日的所有股票作为一个样本计算IC作为损失函数。 损失函数介绍 单样本类 1. 均方 ………………………………