Forecasting Equity Correlations with Hybrid Transformer Graph Neural Network
创建于 更新于
摘要
本文提出一种 Temporal‑Heterogeneous GNN（Transformer 作为时序编码器 + edge‑aware GAT 作为关系编码器），在 Fisher‑z 残差空间进行 10 日前瞻性股票间相关性预测，并将预测相关矩阵输入 SPONGEsym 聚类与 ML 过滤交易框架以构造篮子，从而在 2019–2024 的离线测试中显著提升相关性预测精度与策略风险调整收益表现 [page::0][page::8][page::15].
