这篇论文提出了一种名为X-Trend的小样本学习模型，用于金融时间序列的趋势跟踪策略。传统动量策略（TSMOM）在市场剧烈变化时（如2020年新冠疫情）表现不佳，而X-Trend通过跨资产注意力机制（Cross-Attention）从历史数据中识别相似趋势模式，并快速适应新市场环境或从未见过的资产（零样本学习）。模型结合变点检测（CPD）分割市场状态，并联合优化夏普比率和收益率预测损失。实验表明，在2018-2023年的动荡市场中，X-Trend的夏普比率比传统TSMOM高10倍，且能从市场冲击中更快恢复。该模型兼具高性能和可解释性，为自适应交易提供了新思路。

欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai