该论文系统评估了多种损失函数在训练Transformer模型进行股票排名任务中的效果，旨在解决标准损失函数（如均方误差）在优化股票相对收益排序方面的不足；研究通过实证分析对比了点式、对式和列表式损失函数在S&P 500数据上的表现，发现如Margin损失和ListNet等排名导向的损失函数能显著提升投资组合的风险调整后收益，并强调损失函数的选择对将预测信号转化为实际盈利策略至关重要，为量化交易提供了实用指导。
#######################
欢迎参加净值还在水上微信群：本群旨在成为一个高质量的量化知识共享圈。我们只聚焦高价值的干货分享，期待大家能在这里一起交流、一起成长。
为保证群的纯粹性和交流质量，我们将严格审核入群身份。