人工智能选股之损失函数的改进

本文 创新性地提出了两种对数损失函数改进方案，取得了更好的回测效果 损失函数在机器学习模型的训练过程中决定了模型的优化方向，具有重要 的地位。对数损失函数是机器学习中最常用的二分类模型损失函数，它的 形式可以被分解为两项，分别代表二分类的假阳性误差和假阴性误差，普 通对数损失函数中，两类误差的权重是相等的。本文针对对数损失函数的 形式，结合机器学习在多因子选股中的应用，提出了两种改进方案，分别 解决不同目标下的机器学习选股问题。两种改进方案相比普通对数损失函 数都取得了更好的回测结果。