2018华泰证券人工智能选股损失函数改进深度研究｜加权损失函数与广义损失函数

报告摘要

本报告创新性地提出两种对数损失函数改进方案，解决机器学习选股中的样本不平衡与高换手率问题。加权损失函数通过增大少数类样本权重，在年化超额收益率、信息比率、Calmar比率及召回率上显著优于传统模型；广义损失函数通过新增损失项控制换手率，λ=0.1时年化超额收益率及夏普比率最优，月均双边换手率下降8.21%。报告详细给出XGBoost自定义损失函数的推导与Python实现代码，适合量化研究员、金融工程师及AI选股从业者深入学习。

📋 报告目录

1. 本文研究导读
2. 对数损失函数
3. 加权损失函数
4. 广义损失函数
5. 回测分析
6. Python实现代码