محققان به تازگی چارچوب نوآورانهای به نام MAPLE معرفی کردهاند که تحولی در روشهای سنتی پیشبینی بازار ایجاد میکند. برخلاف مدلهای قدیمی که برای هر سهم فقط یک خروجی (Alpha) تولید میکردند، MAPLE با استفاده از یک ساختار یکپارچه و بهینه، چندین سیگنال متنوع و دقیق را همزمان پردازش میکند.
✨ ویژگیهای کلیدی این دستاورد:
🔹 افزایش ۱۰ تا ۲۳ درصدی شاخص Sharpe در بازارهای جهانی.
🔹 کاهش ۵۵ برابری تعداد پارامترهای مدل نسبت به روشهای مشابه.
🔹 کاهش ۲.۵ برابری زمان آموزش، بدون افت کیفیت و با بهرهوری بالا.
این مدل نشان میدهد که چگونه طراحی هوشمندانه «تابع زیان» (Loss Function) میتواند پیچیدگی محاسباتی را به شدت کاهش داده و در عین حال دقت تصمیمگیری در بازارهای مالی را ارتقا دهد.
منبع: arXiv Machine Learning