量化投资方法是将现代数学理论和金融数据结合起来的一种全新的投资分析方法,尽管在国外已经有了50余年的发展,但在国内仍属于新兴行业,虽然新兴,但由于借鉴了不少国外的发展经验,其发展非常迅速,传统策略失效迅速,因此如何优化策略,如何管理多策略变得愈发重要。传统方法优化策略组合一般通过参数优化以及风险分析等手段,借助于多样化投资将策略在各个风险上的暴露中性化,从而降低策略的不确定性,调节策略的收益。本文则从另外一个方向出发,借助于模式识别技术,将当前行情的风格进行分类,标记出策略表现良好和表现糟糕的行情段,从而主动地采取相应的策略,对策略进行增强,由于与风险模型独立,与传统的优化方法互补,为构建更加复杂的投资模型给出了新的思路。量化策略最重要的假设是基于未来的行情可以通过历史数据进行预测,基于此,基本面/未来行情也可以假设为是过去的延续,这构成了本文研究的基础。为了利用该假设,首先,本文对行情风格进行了量化的定义,对于行情图形的模式匹配方法建立了几种识别风格的量化方法。之后通过4个简单的传统策略在中国商品期货市场的模拟回测,构建模式识别方法进行优化,确定了通过图形上的模式识别能够在一定范围内正确地预示行情的风格。其次,作者从模式识别方法出发,尝试使用适用性更加广泛的深度学习算法,利用回归模型来进行分类,拓展后的模型能够更为方便地调节参数和结构。最后,作者通过实证分析,将该方法运用到了实际策略中,在中国商品期货市场中回测其策略收益,对比了多个策略,多个参数的模型优化效果,进行了敏感性分析。实证分析表明单个策略可以通过这类方法优化,优化后效果能够显著提升,但该方法在多策略组合上的提升效果则有限。在本文的最后,还对该优化方法的优缺点和适用范围进行了分析,给出了未来该方法的研究建议。