时空动量：联合学习时间序列与横截面策略
投资组合管理
2023-12-08 v1 机器学习
交易与市场微观结构
机器学习
摘要
我们引入时空动量（Spatio-Temporal Momentum）策略，这是一类通过基于资产的横截面动量特征随时间交易，从而统一时间序列与横截面动量策略的模型。尽管时间序列与横截面动量策略均旨在系统性捕捉动量风险溢价，这些策略被视为不同的实现方式，且未考虑不同资产的时间与横截面动量特征之间的并发关系与可预测性。我们用不同复杂度的神经网络对时空动量建模，并证明仅含单个全连接层的简单神经网络能通过融合资产的时间序列与横截面动量特征，学会同时为组合中所有资产生成交易信号。在 46 只活跃交易的美国股票与 12 个股票指数期货合约组合上的回测表明，在高达 5-10 个基点的高交易成本下，该模型仍能保持相对于基准的表现。特别地，我们发现该模型与最小绝对收缩与换手率正则化结合时，在各种交易成本情景下均取得最佳表现。
引用
@article{arxiv.2302.10175,
title = {Spatio-Temporal Momentum: Jointly Learning Time-Series and Cross-Sectional Strategies},
author = {Wee Ling Tan and Stephen Roberts and Stefan Zohren},
journal= {arXiv preprint arXiv:2302.10175},
year = {2023}
}