在構建金融信號的預測模型時，我們大多數人默認使用 RMSE 或 MAE 等指標。 這些指標很有用，但它們可能會忽視驅動許多策略的核心問題：模型是否正確預測了市場的方向？ 這就是方向準確性（DA）發揮作用的地方。 定義：DA 衡量模型正確預測相對於最後一次觀察值，某個值是會上升還是下降的百分比。 正式定義：DA = (1/N) * Σ_t sign(A_t – A_{t-1}) * sign(I_t – A_{t-1}) 這裡，A = 實際值，I = 推斷，N = 預測次數，下標表示時間步。 為什麼這很重要： • RMSE ≠ 交易表現。一個模型可以最小化誤差，但如果持續錯過價格變化的符號，最終會導致糟糕的結果。 • 方向驅動決策。對於側向選擇策略（多頭與空頭，風險偏好與風險規避），盈利能力在很大程度上依賴於判斷的正確性，而不是誤差的大小。 • 經濟價值與 DA 相關。即使是小幅度的提高，超過 50% 的 DA 在多次交易中也能創造出顯著的優勢。 實踐中的解讀： • 50% = 在嘈雜市場中具有統計顯著性優勢。 • 55–60% = 高性能，在現實金融數據中很少見。 • 60%+ = 準備提前退休。 對於 Forge 模型創建者來說，提高方向準確性（DA）在對數收益主題上尤其相關，因為損失函數對預測收益的正確符號施加了額外的權重。 雖然網絡並不單純根據 DA 來評分參與者，但某些損失函數的設計是為了更重視方向的正確性。 在這些情況下，更常“正確判斷符號”的模型將在評分系統下表現更好，從而為網絡的集體智能做出更多貢獻。 這增強了交易、波動性對沖和主動 DeFi 執行中的下游策略，而不將評估簡化為僅僅依賴 DA。 在您在 Forge 中優化模型時，思考超越 RMSE。方向準確性往往是決定您的貢獻是否成為鏈上獲勝策略的一部分的指標。 開始在 Forge 中進行操作：