基于风险注意力的因子挖掘模型
创建于 更新于
摘要
本文提出了基于风险注意力（Risk-Attention）的因子挖掘模型，通过结合风险因子构建查询与键矩阵，实现股票间自适应的关联关系，融合量价时序特征。模型在2018-2024年周频数据回测中表现优异，RankIC达0.106，年化超额收益40.3%，夏普比率5.23，显著优于传统GRU和拼接风险因子的MLP模型，验证了基于风险驱动的注意力机制提升股票因子预测能力的有效性[page::0][page::10][page::12][page::15]。
