E-TRENDS: Enhanced LSTM Trend Forecasting for Equities∗
创建于 更新于
摘要
本文提出 E-TRENDS：对30只大型美股采用差分后的LSTM预测次日趋势变化，理论证明差分可降低估计方差并在可控范围内增加偏差；实证上与OLS、Ridge、Lasso及LightGBM比较，平均RMSE下降约15%，组合层面P&L由-2.15提升至+0.28，且多数标的获得正向收益与Sharpe改善，为将深度学习信号整合进系统化跟踪策略提供可行路径 [page::0][page::6][page::4]
