这篇论文提出了一种名为"深度动量网络"(Deep Momentum Networks)的新型混合模型，将深度神经网络与传统时间序列动量策略相结合，通过LSTM架构直接学习最优的交易信号生成规则，并采用夏普比率作为损失函数进行端到端优化。该模型在88种连续期货合约上的测试表明，其夏普比率达到传统方法的两倍以上，即使在考虑交易成本后仍保持显著优势，同时通过引入换手率正则化项有效控制了交易频率，为动量策略的自动化设计提供了创新性的解决方案。

欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai