使用动量Transformer进行交易：一种智能且可解释的架构
机器学习
2022-11-24 v3 交易与市场微观结构
机器学习
摘要
我们引入Momentum Transformer，一种基于注意力的深度学习架构，其表现优于基准的时间序列动量与均值回复交易策略。与本质为序列式且专为局部处理定制的最先进长短期记忆（LSTM）架构不同，注意力机制为我们的架构提供了与所有先前时间步的直接连接。我们的架构是一种注意力-LSTM混合体，使我们能够学习更长期的依赖关系，在考虑扣除交易成本后的收益时改善表现，并自然适应新的市场状态，例如SARS-CoV-2危机期间。通过引入多个注意力头，我们可以捕捉在不同时间尺度上同时发生的状态或时间动态。Momentum Transformer天生可解释，为我们提供了对深度学习动量交易策略的更深入见解，包括不同时期各因素的重要性以及对模型最为关键的过去时间步。
引用
@article{arxiv.2112.08534,
title = {Trading with the Momentum Transformer: An Intelligent and Interpretable Architecture},
author = {Kieran Wood and Sven Giegerich and Stephen Roberts and Stefan Zohren},
journal= {arXiv preprint arXiv:2112.08534},
year = {2022}
}
备注
included motivation for attention mechanism and additional architecture details