>> 興業(yè)證券-機器學(xué)習(xí)系列八：MEGA-GRU，如何結(jié)合股票的時序、截面和關(guān)聯(lián)信息-250806
| 上傳日期： |
2025/8/6 |
大?。?/td>
| 23826KB |
| 格式： |
pdf 共32頁 |
來源： |
興業(yè)證券 |
| 評級： |
-- |
作者： |
鄭兆磊,陳子軒 |
| 下載權(quán)限： |
此報告為加密報告，僅限高級會員查看 |
|
|
投資要點：
興證金工團隊自2020年起便積極探索機器學(xué)習(xí)在量化領(lǐng)域的應(yīng)用，以樹模型為代表的寬基增強策略（滬深300指增等）樣本外表現(xiàn)十分優(yōu)秀。時至今日，我們將該領(lǐng)域的研究分為兩個方向：對現(xiàn)有成熟模型的優(yōu)化以及新興模型的實戰(zhàn)化驗證。本文中，我們將探究相對新穎的圖神經(jīng)網(wǎng)絡(luò)模型，重點強調(diào)如何基于圖神經(jīng)網(wǎng)絡(luò)將多類型數(shù)據(jù)、多股票間關(guān)聯(lián)關(guān)系作為輸入，并合并在單一模型進(jìn)行訓(xùn)練和收益率預(yù)測。
基準(zhǔn)和MAG模型：我們在GRU模型的基礎(chǔ)上，采用與GRU形成差異化的股票特征和多類型股票間關(guān)系作為GAT模塊的輸入，以獲取股票的截面信息。與此同時，我們進(jìn)一步將改進(jìn)后的多頭注意力機制融入模型，以提升模型表現(xiàn)。在股票間關(guān)聯(lián)關(guān)系維度，我們通過引入常規(guī)和另類數(shù)據(jù)進(jìn)行刻畫，三類不同關(guān)系構(gòu)建的因子月度Rank IC均值均接近0.12，等權(quán)合成因子2020年以來滬深300增強策略年化超額收益率約為8.8%。
MEGA模型：在前文基礎(chǔ)上，我們嘗試對模型提出兩項改進(jìn)：第一項主要針對預(yù)測模塊，通過在預(yù)測模塊中加入雙路徑預(yù)測，能夠同時獲取GAT帶來的信息增量以及GRU自身的預(yù)測能力；第二項針對多類型股票間關(guān)系融合，我們分別在模型的三處嘗試對多種圖特征進(jìn)行融合，其中改進(jìn)后的混合專家機制下的融合表現(xiàn)優(yōu)秀。經(jīng)過改進(jìn)后，單一模型的月度Rank IC均值約為0.13，同期300增強年化超額提升至9.8%。MEGA模型在各個指數(shù)上的增強表現(xiàn)同樣穩(wěn)定優(yōu)秀。
各類指數(shù)增強測試：更進(jìn)一步，我們將上述MAG和MEGA模型進(jìn)行融合，并進(jìn)行各個指數(shù)增強測試。2020年以來復(fù)合因子的滬深300增強策略年化超額收益率約為11.1%，2024年區(qū)間超額約為17.5%，超額最大回撤率僅6.2%，表現(xiàn)十分優(yōu)秀；因子在其余指增表現(xiàn)也同樣優(yōu)秀，尤其適合大盤指數(shù)增強。同時，新因子和過往樹模型復(fù)合因子結(jié)合有增量。
風(fēng)險提示：模型結(jié)果基于歷史數(shù)據(jù)的測算，在市場環(huán)境轉(zhuǎn)變時模型存在失效的風(fēng)險
|
|
