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，通过深度神经网络直接学习时间序列动量策略的头寸信号，结合波动率缩放与夏普比率最大化训练，显著提升风险调整后收益。实证中，基于LSTM结构的夏普比率优化模型在88份期货合约上展现领先表现，交易成本适应性良好且换手率正则化有效控制成本影响，为深度学习在量化动量策略中的应用提供创新范式 [pidx::0][pidx::3][pidx::5][pidx::11][pidx::13][pidx::17][pidx::18]
