这份研究报告由沃尔夫研究公司（Wolfe Research）的 Luo 量化策略团队撰写，研究如何改进传统的动量投资策略。报告分为两大部分：第一部分介绍了改进传统动量策略的几种方法，包括中和风险敞口、波动率时机和目标策略、优化动量期限结构以及对动量进行分解；第二部分介绍了一种基于自然语言处理 (NLP) 的网络动量策略，通过分析公司年报的“业务描述”、“风险因素”和“管理层讨论与分析”等部分来识别具有动量效应的股票。报告最后提出了一个名为“Nemo 2.0”的股票选择模型，该模型综合了传统动量策略的改进方法和基于 NLP 的网络动量策略，旨在为投资者提供更稳定的动量投资策略。