研究者提出金融时序预测测试时自适应损失DPAL

1. 12:00
   arXiv 机器学习

   DPAL：用于金融时间序列预测的测试时自适应损失函数

   研究者提出了面向金融时间序列预测的测试时自适应损失函数 DPAL，将逐点收益率拟合与方向及价格校准项相结合。该方法可直接应用于现有的 TSF-TTA 框架，无需修改源预测器或适配器架构。在多种金融数据集上的测试表明，DPAL 在多数评估设定下均降低了重构价格的均方误差。

当前热度 8·可比范围峰值 9（10月14日 15:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。