使用深度神经网络提升时间序列动量策略
创建于 更新于
摘要
报告介绍了深度动量网络（DMN）在时间序列动量策略中的应用，将传统的两步动量策略整合为深度神经网络直接输出头寸信号，尤其基于LSTM模型优化夏普比率，实证表明该策略显著优于基准并具有良好的风险调整收益表现。文中进一步探讨了交易成本影响及换手率正则化方法，有效缓解高交易成本环境下策略性能下滑问题，验证了LSTM结合换手率正则化在极端成本条件下的稳定性和优势[page::0][page::1][page::2][page::3][page::4][page::5]。
