Telegraph 金融机器学习的陷阱：交易成本如何蚕食利润 金融机器学习领域在过去十年取得了惊人的进展。 以Gu、Kelly 和Xiu （2020）等为代表的研究表明，通过非线性模型将大量公司特征（firm characteristics）整合为个股预期收益率，可以在样本外获得极高的“纸面”夏普比率。然而，这些策略在扣减真实交易成本后还能赚钱吗？ 现有文献的主流做法是“两步走”：第一步用ML 预测下一期收益率，第二步基于预测值构造组合。这个范式有两个关键缺陷： • 对交易成本的漠视：模型优化的目标通常是最小化均方预测误差（mean squared error, …