人工智能和机器学习系列研究(4):基于动量Transformer模型的日内和隔夜交易策略-250609-西部证券
基于动量 Transformer 模型的日内和隔夜交易策略 为应对传统截面策略在极端市场环境下的失效问题,本文聚焦宽基指数组 合,构建了一类日内和隔夜的时序交易策略。
基于动量 Transformer 模型的日内和隔夜交易策略 为应对传统截面策略在极端市场环境下的失效问题,本文聚焦宽基指数组 合,构建了一类日内和隔夜的时序交易策略。
基于动量 Transformer 模型的日内和隔夜交易策略 为应对传统截面策略在极端市场环境下的失效问题,本文聚焦宽基指数组 合,构建了一类日内和隔夜的时序交易策略。
基于动量 Transformer 模型的日内和隔夜交易策略 为应对传统截面策略在极端市场环境下的失效问题,本文聚焦宽基指数组 合,构建了一类日内和隔夜的时序交易策略。核心数据:在单边万 1 的费率假设下,日内+隔夜交易策略相对买入持有 50%基准,可;获得 7.15%的超额收益率,且每年均能实现收益增厚。;《3%跟踪误差、5%超额收益的 300 指增。
本报告由西部证券发布,发布于 2025 年。
覆盖 2025 年,全文约 22。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合战略规划、行业研究员等读者参考。
重点分析了人工智能等议题。