自适应时空图网络周频 alpha 模型
创建于 更新于
摘要
本文提出基于自适应时空图神经网络（ASTGNN）的因子挖掘模型，能够融合时间序列和空间交互信息，提升因子选股效果。各数据集上ASTGNN相比传统GRU模型在RankIC、ICIR、选股收益等指标显著提升，尤其是周频数据表现最佳，且新模型生成因子在沪深300、中证500、中证1000指数增强策略中均实现了显著超额收益和风险控制改善，证明了图结构嵌入的有效性和实用性[page::0][page::3][page::6][page::8][page::9][page::11][page::14][page::15]。
