资金流向相似性图谱与图神经网络
创建于 更新于
摘要
本报告基于资金流向相似性构建六种资金流向图谱，应用于传统机器学习XGBOOST与图神经网络GAT模型，通过衍生因子构建、联合训练和多模型集成显著提升收益预测指标IC与超额收益，模型在各大宽基指数成分股均表现出稳定的增量效果，结合组合优化实现指数增强，年化多空收益提升超过60%，并带来夏普比率的同步改善，为量化选股模型注入了新型关系型因子增量[page::0][page::3][page::8][page::10][page::17][page::22][page::25][page::27]。
