海通金工 |选股因子系列研究（九十七） 使用图神经网络融合量价信息与基本面信息
创建于 更新于
摘要
本报告基于深度学习框架，探讨基本面信息与量价信息的融合路径，测试采用二次加权及图神经网络(GAT)技术。研究发现单纯简单合并难以提升模型表现，二次加权虽提升基本面信息融入但回撤控制仍有不足，图神经网络模型（BiAGRU-GAT）有效改善了基本面信息的学习能力并显著提升2024年以来超额收益表现，同时实现更低的超额回撤和更稳定的选股能力，验证了图神经网络在量价与基本面融合中的优越性，为智能选股因子构建提供了创新思路 [page::0][page::1][page::3][page::5][page::7][page::8]
