选股因子系列研究（九十七）——使用图神经网络融合量价信息与基本面信息
创建于 更新于
摘要
本报告基于深度学习模型，探讨量价信息与基本面信息的融合。研究发现，简单共输入量价和基本面特征效果有限，二次加权及图神经网络(GNN)能更好融合二者，其中BiAGRU-GAT模型表现最佳，2024年内显示较强的选股能力和更稳定的超额收益。AI增强组合测试表明该模型在中证500与中证1000指数增强中取得显著年化超额收益和较低回撤风险，为量化选股提供有效工具[page::0][page::4][page::5][page::7][page::8][page::10][page::11]。
