利用深度神经网络增强时间序列动量策略

Kosowski，“揭开时间序列动量策略的神秘面纱：波动率估值器、交易规则和成对相关性”，SSRN，2017年。[在线]。可用：https://ssrn.com/abstract=2140091[9] 和O.van Hemert，《波动率目标的影响》，SSRN，2018年。[在线]。可用：https://ssrn.com/abstract=3175538[10] N.Laptev、J.Yosinski、L.E.Li和S.Smyl，“uber的时间序列极端事件预测与神经网络”，inTime系列研讨会–国际机器学习会议（ICML），2017年。[11] B.Lim和M.van der Schaar，“疾病图谱：使用深度学习导航疾病轨迹”，摘自《第三届医疗保健机器学习会议论文集》，第137-160页。[12] Z.Zhang、S.Zohren和S.Roberts，“DeepLOB：极限订单书的深度卷积神经网络”，IEEETransactions on Signal Processing，2019年。[13] I.Goodfello、Y.Bengio和A.Courville，《深度学习》。麻省理工学院出版社，2016年，http://www.deeplearningbook.org.[14] Y.Bengio、A.Courville和P.Vincent，“表征学习：回顾和新观点”，IEEE Transactionson模式分析和机器智能，第35卷，第8期，第1798-18281013页。[15] M.Abadi等人，《TensorFlow：异构系统上的大规模机器学习》，2015年，Tensor Flow提供的软件。组织。[在线]。可用：https://www.tensor流量。org/[16]Z.Lin、A.Desmaison、L.Antiga和A.Lerer，“PyTorch中的自动分化”，在Autodiff研讨会-神经信息处理会议（NIPS）上，2017年。[17] S.Makridakis、E.Spiliotis和V.Assimakopoulos，“M4竞赛：结果、发现、结论和未来之路”，《国际预测杂志》，第34卷，第4期，第802-8082018页。[18] 竞争：引入一种新的混合es rnn模型。[在线]。可用：https://eng.uber.com/m4-forecasting-competition/[19] M.Binkowski、G.Marti和P。

Donnat，“第35届机器学习国际会议自回归会议录，机器学习研究会议录，第80卷，2018年，第580-589页。[20]和T.Januschowski，“时间序列预测的深层状态空间模型”，神经信息处理系统进展31（NeurIPS），2018年。[21]M.Fraccaro、S.Kamronn、U.Paquet和O.Winther，“无监督学习的角度识别和非线性动力学模型”，神经信息处理系统进展30（NIPS），2017年。【22】I.Goodfello、J.Pouget Abadie、M.Mirza、B.Xu、D.WardeFarley、S.Ozair、A.Courville和Y.Bengio，“GenerativeSystems 27（NIPS），2014。【23】S.Gu、B.T.Kelly和D.Xiu，“通过机器学习的经验资产定价”，芝加哥布斯研究论文第18-04号；2017年2018年第31届澳大拉西亚金融和银行会议。[在线]。可用：https://ssrn.com/abstract=3159577[24]S.Kim，“通过深入金融市场加强动量战略：从深度学习的角度”，SSRN，2018年。[在线]。可用：https://ssrn.com/abstract=3141294【26】S.Ghoshal和S.Roberts，“阈值ConvNet集合：金融科技研讨会–知识发现和数据挖掘（KDD）会议，2018。【27】W.Bao、J.Yue和Y.Rao，“使用堆叠自动编码器和长期短期记忆的金融时间序列深度学习框架”，《公共科学图书馆综合》（PLOS ONE），第12卷，第7期，第1-24页，2017年。[28]2015.《金融经济学》，第122卷，第2期，第221-247页，2016年。[30]R.Martins和D.Zou，“动量策略提供了一个倾斜的积极点”，风险杂志，2012年。【31】P.Jusselin、E.Lezmi、H.Malongo、C.Masselin、T.Roncalli和T.-L.Dao，“理解动量风险溢价：通过趋势跟踪战略的深入旅程”，SSRN，2017年。[在线]。可用：https://ssrn.com/abstract=3042173[32]他们获得了，”Wilmott杂志，2016年。【33】L.M.Rotando和E.O。

索普，《凯利标准与股票市场》，《美国数学月刊》，第99卷，第10期，第922-9311992页。【34】W.F.Sharpe，“Sharpe比率”，《港口管理杂志》，第21卷，第1期，第49-58页，1994年。【35】N.Jegadeesh和S.Titman，“买入赢家和卖出输家的回报：对股市效率的影响”，《金融杂志》，第48卷，第1期，第65-91页，1993年。[36]-，“动量策略的可行性：对第699-7202001页的评估。[37]J.Rohrbach、S.Suremann和J.Osterrieder，“重新审视货币的动量和趋势跟踪交易策略-学术界和工业界的结合”，SSRN，2017年。[在线]。可用：https://ssrn.com/abstract=2949379【38】加工（NeurIPS），2018年。【39】S.Hochreiter和J.Schmidhuber，“长期-短期记忆”，《神经计算》，第9卷，第8期，第1735-17801997页。[40]“WaveNet：原始音频的生成模型”，CoRR，vol.abs/1609.034992016。【41】D.Silver、J.Schrittwieser、K.Simonyan、I.Antonoglou、A.Huang、A.Guez、T.Hubert、L.Baker、M.Lai、A.Bolton、Y.Chen、T.Lillicrap、F.Hui、L.Sifre、G.van den Driessche，《人类知识》，《自然》，第550卷，第354–页，2017年。[42]P.N.Kolm和G.Ritter，“动态复制和对冲：强化学习方法”，《金融数据科学杂志》，第1卷，第1期，第159-1712019页。【43】H.B¨uhler、L.Gonon、J.Teichman和B.Wood，“深度对冲”，arXiv电子印刷，第arXiv页：1802.030422018年。[44]（ICLR），2015年。【45】N.Srivastava，G.Hinton，A.Krizhevsky，I.Sutskever，andR。Salakhutdinov，“辍学：防止神经网络过度拟合的简单方法”，《机器学习研究杂志》，第15卷，1929-19582014页。【46】信息处理系统29（NIPS），2016年。【47】clc。html。[48]B.Lim、S.Zohren和S.Roberts，“递归神经滤波器：预测”，arXiv e-prints，第arXiv页：1901.0809612019年。附录A。

数据集详细信息与Pinnacle Data Corp CLC数据库中的数据集详细信息相比，<10%–按资产类别细分如下：1）商品：识别说明BC BRENT原油，compositeBG BRENT GASOIL，comp。BO豆油CC椰油原油CT棉#2C康达牛奶III，公司。FC FEEDER CATTLEGC GOLD（COMMEX）GI GOLDMAN SAKS C。