提升 AI 模型边际效能： 图注意力网络与特征集成
创建于 更新于
摘要
本报告基于深度学习方法，结合图注意力网络与多数据集、多模型输出堆叠策略，显著提升AI选股模型绩效。通过引入空间截面信息、手工量价及基本面特征多维集成，构建深度学习选股因子，回测期内因子多头超额收益达45.4%，5日IC均值12.9%。基于该因子，构建中证500和中证1000指数增强组合，年化超额收益分别达18.6%和28.1%，信息比率分别为2.98和3.67，展现出较强稳健的选股能力与组合表现 [page::0][page::2][page::6][page::9][page::11][page::12][page::13][page::14]。
