久久一日本道色综合久久_国产最爽的av片在线观看_精品成人Av一区二区三区_94久久国产乱子伦精品免费_国产三级网站在线观看_和女邻居做爰在线观看_wymfw最新免费_国产强奷在线免费阅读_95在线观看视频

核心觀點(diǎn)
　　本報(bào)告構(gòu)建6種資金流向相似性圖譜，并用于XGB訓(xùn)練的特征工程環(huán)節(jié)、圖神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，為存量因子、模型和策略帶來模型IC、TOP組超額、多空收益、指數(shù)增強(qiáng)組合的收益增量。將XGB和GAT疊加多圖譜后進(jìn)行集成，進(jìn)一步帶來額外增量。
　　資金流向相似性關(guān)系圖譜
　　股票之間在同一時(shí)段內(nèi)共同出現(xiàn)資金凈流入或流出的頻率，反應(yīng)了驅(qū)動(dòng)股價(jià)變化的相似資金行為的影響因素，本報(bào)告以此思路構(gòu)建了6種資金流向相似性圖譜。
　　特征工程衍生因子：傳統(tǒng)機(jī)器學(xué)習(xí)模型增強(qiáng)
　　在傳統(tǒng)XGBOOST訓(xùn)練過程中，在特征工程的環(huán)節(jié)，基于資金流向相似性圖譜的鄰接矩陣對(duì)存量因子進(jìn)行因子衍生，將衍生因子和存量因子共同用于模型訓(xùn)練，從而利用股票自身信息及在資金流向相似性圖譜上和股票有關(guān)聯(lián)的其他個(gè)股信息共同預(yù)測(cè)個(gè)股收益率，從而在模型訓(xùn)練過程中疊加圖譜信息，最終通過多圖譜集成的方式為模型IC和rankIC帶來增量，各指成分股TOP組超額比原始模型提升2%~3%、多空年化收益增量2%~5%。
　　注意力機(jī)制圖神經(jīng)網(wǎng)絡(luò)
　　Graph Attention Network（GAT）是一種基于注意力機(jī)制的圖神經(jīng)網(wǎng)絡(luò)模型，用于學(xué)習(xí)節(jié)點(diǎn)之間的依賴關(guān)系。其核心思想是在顯示圖確定的節(jié)點(diǎn)之間的關(guān)聯(lián)關(guān)系的基礎(chǔ)上，利用注意力機(jī)制自適應(yīng)地學(xué)習(xí)節(jié)點(diǎn)之間的關(guān)聯(lián)度權(quán)重。
　　利用GAT模型將資金流向相似性圖譜和存量因子一起用于模型訓(xùn)練，相比于不加GAT的相同結(jié)構(gòu)部分的MLP而言，多圖集成的GAT方案在各個(gè)指數(shù)成分股上帶來IC增量2%左右，TOP組超額增量2%~5%，多空年化收益增量3%~10%。
　　傳統(tǒng)模型與GAT再集成
　　從模型效果來看，基于同樣存量因子疊加多圖譜訓(xùn)練的神經(jīng)網(wǎng)絡(luò)類GAT效果普遍弱于多圖譜XGBOOST，但是XGBOOST和GAT模型輸出有較低相關(guān)性，進(jìn)一步將兩類模型集成能夠帶來相對(duì)XGBOOST模型的增量。最終全市場(chǎng)IC由原始不疊加圖譜XGB的9.35%提升至10.53%、多空年化收益由44.8%提升至61.35%。
　　在各個(gè)指數(shù)成分股上，集成模型相對(duì)多圖譜XGBOOST帶來IC增量0.2%~0.6%，相對(duì)不疊加圖譜信息的XGBOOST最高帶來IC增量1%以上；TOP組超額、多空收益等指標(biāo)均能進(jìn)一步帶來不同程度的增量。
　　集成模型最終在全市場(chǎng)IC 9.83%，扣費(fèi)后多空年化60%，300、500、1000成分股TOP組年化超額9.22%、12.60%、17.89%。經(jīng)過組合優(yōu)化后超額夏普進(jìn)一步穩(wěn)定。
　　風(fēng)險(xiǎn)提示：因子測(cè)試、機(jī)器學(xué)習(xí)建模是對(duì)歷史經(jīng)驗(yàn)的總結(jié)，模型學(xué)習(xí)到的市場(chǎng)規(guī)律在未來存在失效的可能