图神经网络选股的进阶之路
创建于 更新于
摘要
本报告基于图神经网络（GAT+residual）创新设计，构建周频调仓的中证500指数增强选股策略。通过残差结构将预测收益拆解为行业板块关联、因子关联和特异性收益三部分，提升模型表达能力。回测显示，2011年至2022年间，策略年化超额收益率达16.17%，信息比率为2.14。板块建图优于行业建图，wmse损失函数优于mse，且提升网络复杂度有益表现改善。此外，图神经网络与XGBoost模型相关性极低，二者结合进一步提升年化超额收益至16.60%，信息比率增至2.94。该研究为深度学习在量化选股领域提供了有效方法论和实证依据。[page::0][page::3][page::23]
