图神经网络选股与 Qlib 实践
创建于 更新于
摘要
本报告系统介绍了图神经网络（GNN）的理论基础及其在量化选股中的应用，重点展示了微软开源量化投资平台Qlib实现的动态图注意力网络模型GATs_ts。基于沪深300成分股和Alpha158因子库，回测期间（2010-2021年）GATs_ts在日频选股上的年化超额收益率达28.9%，信息比率2.94，表现优于基准模型LSTM和多层GATs_ts，证明了图时空网络将股票间关联关系及时序特征结合的有效性。同时分析了模型设计、数据处理及回测策略细节，指出未来可从建图方法、网络结构和策略构建等方面深入优化[page::0][page::4][page::22][page::27][page::35]
