Enhancing Time Series Momentum Strategies Using Deep Neural Networks
创建于 更新于
摘要
本报告提出Deep Momentum Networks（DMNs），将深度神经网络嵌入传统的时间序列动量策略框架，通过端到端学习趋势估计和头寸规模，实现信号的Sharpe比率最大化。基于88个连续期货合约的回测显示，Sharpe率优化的LSTM模型在无交易成本下，将传统策略表现提升超过两倍，且在考虑交易成本2-3个基点时仍优于基准。提出的交易频率正则化方法有效抑制高成本环境下的换手率，提升模型稳健性，为动量策略的深度学习应用提供了有力支持 [pidx::0][pidx::6][pidx::7][pidx::11][pidx::12].
