提升 AI 模型边际效能：图注意力网络与特征集成
创建于 更新于
摘要
本报告围绕利用图注意力网络（GAT）与多样化特征集成技术提升深度学习AI选股模型的边际效能。通过对基础量价数据、手工特征及基本面因子进行多模型训练和多维度集成，构建了高效指数增强策略。回测期2019-2023年，深度学习因子表现优异，多头超额收益达45.4%，5日IC均值12.9%，成功构建了中证500和中证1000指数增强组合，分别取得18.6%和28.1%的年化超额收益，展现出较强风险调整后收益能力与稳健性[page::0][page::2][page::6][page::9][page::11][page::12][page::13][page::14]。
