在构建金融信号的预测模型时，我们大多数人默认使用 RMSE 或 MAE 等指标。 这些指标很有用，但它们可能会忽视驱动许多策略的核心问题：模型是否正确预测了市场的方向？ 这就是方向准确性（DA）发挥作用的地方。 定义：DA 衡量模型正确预测相对于最后一次观察值，某个值是会上升还是下降的百分比。 正式定义：DA = (1/N) * Σ_t sign(A_t – A_{t-1}) * sign(I_t – A_{t-1}) 这里，A = 实际值，I = 推断，N = 预测次数，下标表示时间步。 为什么这很重要： • RMSE ≠ 交易表现。一个模型可以最小化误差，但如果持续错过价格变化的符号，最终会导致糟糕的结果。 • 方向驱动决策。对于侧向选择策略（多头与空头，风险偏好与风险规避），盈利能力在很大程度上依赖于判断的正确性，而不是误差的大小。 • 经济价值与 DA 相关。即使是小幅度的提高，超过 50% 的 DA 在多次交易中也能创造出显著的优势。 实践中的解读： • 50% = 在嘈杂市场中具有统计显著性优势。 • 55–60% = 高性能，在现实金融数据中很少见。 • 60%+ = 准备提前退休。 对于 Forge 模型创建者来说，提高方向准确性（DA）在对数收益主题上尤其相关，因为损失函数对预测收益的正确符号施加了额外的权重。 虽然网络并不单纯根据 DA 来评分参与者，但某些损失函数的设计是为了更重视方向的正确性。 在这些情况下，更常“正确判断符号”的模型将在评分系统下表现更好，从而为网络的集体智能做出更多贡献。 这增强了交易、波动性对冲和主动 DeFi 执行中的下游策略，而不将评估简化为仅仅依赖 DA。 在您在 Forge 中优化模型时，思考超越 RMSE。方向准确性往往是决定您的贡献是否成为链上获胜策略的一部分的指标。 开始在 Forge 中进行操作：