该研究探讨了利用监督机器学习技术预测外汇市场中买卖价差的可行性，通过详细的市场分析揭示了外汇价差的重要特征，并证明将这些特征纳入模型能显著提升预测性能。研究发现，外汇市场的流动性分布不均，交易成本受时间、市场条件等因素影响显著，价差预测对优化交易时机至关重要。文章比较了多种机器学习算法（如随机森林、XGBoost等）的表现，结果显示随机森林模型预测误差平均为17.6%，优于传统线性模型。研究还强调了跨市场波动性溢出效应和时间序列特征（如周内和日内模式）对预测的关键作用，为未来结合宏观经济指标等扩展研究提供了方向。

欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai