分析师共同覆盖因子和图神经网络
创建于 更新于
摘要
本报告基于A股市场构建了分析师共同覆盖的股票关联动量因子，并通过Louvain社区发现算法验证其基本面关联有效性。实证显示，基于分析师共同覆盖构建的关联动量因子（CF_RET）在多种调仓频率下表现优于行业和板块因子，且其领先滞后效应短暂，持续约一周。同时，构建了基于该机制的改进反转（CF_REV）、换手率（CF_TURN）和波动率（CF_STD）因子，均较传统因子表现更优。本文进一步将分析师共同覆盖邻接关系融入图神经网络GAT，实现因子合成性能提升，年化超额收益提高3.17%，并通过注意力权重矩阵确认股票自身特征贡献最大且股票间影响非对称[page::0][page::4][page::8][page::13][page::14][page::19][page::23][page::24][page::25][page::26]。
