做收益预测，先别急着换更复杂的模型。就像选股时，你真正想知道的往往不是每只股票会涨 3% 还是 5%，而是谁更可能跑赢。若训练时问错问题，再先进的模型架构——模型处理信息、形成预测的基本结构——也未必能补救。
据 Quantpedia 作者 Cyril Dujava 介绍，Cakici 和 Zaremba 的研究把预测目标从原始收益率改成收益排名，也就是不猜具体涨跌幅，只判断股票的相对强弱。在大盘股范围内，研究作者称，这一调整让投资组合的收益和夏普比率都大致翻倍。夏普比率用收益相对波动来衡量策略表现，数值提高意味着每承受一单位波动，获得的回报更多。
这项结果值得注意，因为它把焦点从“模型够不够复杂”移回“模型到底在学什么”。不过现有供稿未披露样本区间、模型设置和交易成本等细节，上述效果仍应视为作者报告的结果。