利用深度神经网络改进时间序列动量策略——“学海拾珠”系列之一百三十九
创建于 更新于
摘要
本报告提出深度动量网络（DMN），结合深度神经网络和传统时间序列动量策略波动率缩放框架，直接输出交易头寸。通过对88份连续期货合约1990-2015年数据回测，LSTM架构下基于夏普比率优化的模型展现出最佳风险调整后表现，显著优于传统动量基准和其他机器学习模型。引入换手率正则化有效应对高交易成本环境，显示该模型适合流动性较强资产交易，为时间序列动量策略创新提供新路径 [page::0][page::3][page::5][page::8][page::10][page::11][page::12][page::13][page::15][page::16][page::18]
