这篇论文研究了长短期记忆网络（LSTM）在统计套利中的应用，通过主成分分析（PCA）提取市场风险因子，并利用LSTM预测股票残差收益方向，构建市场中性交易策略。研究发现，LSTM模型在2001-2007和2015-2021两个测试期内均显著优于传统的相对价值（RV）模型，尤其在考虑交易成本后表现更优（如年化收益提升8.98%）。LSTM的优势在于交易频率更低，从而减少成本损耗，同时能捕捉更广泛的跨资产模式。尽管统计套利策略的整体盈利能力随时间下降（可能与市场竞争加剧有关），但LSTM的稳健性更强。该研究为深度学习在量化交易中的应用提供了实证支持。

欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai