该研报提出了一种结合深度学习与变点检测（CPD）的新型动量交易策略，通过将在线高斯过程变点检测模块嵌入深度动量网络（DMN）框架，有效提升了传统动量策略在剧烈市场变化（如2020年市场崩盘）中的适应能力。研究表明，该策略能够动态平衡慢速动量（利用持续趋势）与快速均值回归（捕捉局部价格反转），通过变点严重性评分和位置参数指导LSTM模型优化仓位配置。在1995-2020年回溯测试中，引入CPD模块使夏普比率提升33%，尤其在非平稳市场表现突出，夏普比率提升约70%。该方法避免了人工设定阈值，通过数据驱动方式识别不同强度的市场失衡，显著优于传统时间序列动量策略和基准模型，同时降低了波动率和最大回撤，为量化投资提供了更稳健的解决方案。

欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai