中国特色社会主义进入新时代,但新时代带来新机遇的同时,也带来了新的挑战。经济增速难以保持、结构转型阻力重重与前期刺激政策负面效果的三重压力叠加,构成新时代中国经济最大的特征和挑战。为了保持必要的经济增速,十九大后证监会发布了相关文件,疏通上市公司再融资渠道,鼓励上市公司以发行可转债的方式再融资。此后,可转债市场得到了空前的发展。不断变大的可转债交易市场也为参与其中的投资者带来了更多的投资机遇。市场风格的快速变化,导致交易策略频繁失效。如果能迅速发现失效的策略并对其做出调整,那么将会提高其在可转债市场的投资收益。因此,研究可转债交易策略的改进方法具有较强的实践意义。目前主流的改进思路有两种,第一是不断开发更高性能的可转债交易策略以应对市场的变化,二是改进原有策略以适配市场当下的交易环境。从经济性的角度出发,应该首选对原交易策略的改进。为此,本文引入深度学习算法对原有策略进行量化与改进的研究,具体安排如下:首先,论述了现有可转债交易策略的改进空间,确定使用神经网络对原策略的内部参数做改进;然后,介绍了深度学习算法在证券投资领域的应用,选定循环神经网络作为可转债交易策略的学习模型;其次,提出了完整的改进方案,设计改进模型对原可转债交易策略进行改进;接着,检验了模型对原策略的改进效果,证明改进方案的有效性;最后,说明了本文提出的改进方案的使用方法,并对目前的研究成果进行总结。通过对改进方案的检验发现,按如下步骤构建基于神经网络的可转债交易策略改进方案可以提高交易策略的有效性:（1）确定改进对象及内部寻优参数;（2）收集改进对象所需数据;（3）改进对象量化及数据处理;（4）寻找改进对象的最优参数;（5）导入深度学习模型进行监督学习;（6）使用模型预测优选参数;（7）使用优选参数进行交易。另外,本文设计的改进方案有一定的普适性。满足以下两个条件的,都适用于本文提出的改进思路:（1）在二级市场流通的投资标的;（2）交易策略存在变动的内部参数。