基于异构图神经网络的股票关联因子挖掘

创建于 2025-07-16T09:22:58.887060+08:00 更新于 2025-07-16T10:41:25.383323+08:00

摘要

本报告利用异构图神经网络融合行业、基金持仓和分析师覆盖三类邻边，结合63个量价因子，构建基于GNN和RNN融合的股票因子模型。通过残差连接防止特征稀释，采用XGBoost二阶段训练方法提升因子泛化能力。回测显示综合因子年化多头超额收益达25.4%，显著优于单一模型，验证时间与空间信息融合在股票预测中的有效性 [page::0][page::4][page::5][page::23]

速读内容

深度阅读