多角度改进图神经网络选股模型
创建于 更新于
摘要
报告提出基于残差结构的图神经网络（GAT+residual）改进选股模型，通过拆解收益因子，结合42个基本面和量价因子构建中证500指数增强策略，回测期2011年至2022年，年化超额收益率达16.17%，信息比率2.14。引入加权均方误差损失函数提升多头端表现，并发现板块建图优于行业建图。通过将图神经网络与传统机器学习模型XGBoost等权组合，相关度仅0.12，组合策略年化超额收益提升至16.60%，信息比率达2.94，显著降低风险并提升绩效[page::0][page::3][page::15][page::23]。
