BriefGPT - AI 论文速递
·
金融网络学习优化动量策略
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
研究者提出了L2GMOM，一种机器学习框架，利用金融网络预测回报。回测结果显示，投资组合的盈利能力和风险控制有显著提高，夏普比率为1.74。
🎯
关键要点
- 研究者提出了L2GMOM，一种机器学习框架。
- L2GMOM利用金融网络预测回报。
- 网络动量提供了一种新型的风险溢价。
- 该框架同时学习金融网络和优化网络动量策略的交易信号。
- 通过64个连续期货合约的回测，投资组合的盈利能力和风险控制显著提高。
- 回测结果显示，夏普比率为1.74。
➡️
