20210221-华泰证券-金工：_图神经网络选股与Qlib实践.pdfVIP

下载本文档

483
0
约17.43万字
约 42页
2021-02-23 发布于重庆
举报
版权申诉

20210221-华泰证券-金工：_图神经网络选股与Qlib实践.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

证券研究报告金工图神经网络选股与Qlib 实践华泰研究研究员林晓明 SAC No. S0570516010001 linxiaoming@ 2021 年2 月21 日│中国内地深度研究 SFC No. BPY421 +86-755 研究员李子钰人工智能42 ：图神经网络考虑股票间关系的增量信息，提升选股策略表现 SAC No. S0570519110003 liziyu@ 本文是华泰人工智能系列第42 篇深度研究，介绍图神经网络（GNN）概念， +86-755 通过微软Qlib 平台测试GNN 选股效果。传统因子选股模型中，通常将股票研究员何康，PhD 视作相互独立的样本，但股票间显然存在复杂关联，如产业链上下游关系、 SAC No. S0570520080004 hekang@ 相关行业主题等。GNN 的优势在于能将股票间关系作为增量信息纳入预测 +86-21 模型。微软AI 量化投资开源平台Qlib 已实现动态图注意力网络（GATs_ts），联系人王晨宇我们测试该方法在沪深 300 成分股量价因子日频选股上的表现，相比基准 SAC No. S0570119110038 wangchenyu@ 模型 LSTM，GATs_ts 回测期内（2010 年至2021 年2 月初）相对沪深300 +8602138476179 年化超额收益率从25.7%提升至28.9%，信息比率从2.64 提升至2.94 。图神经网络对样本间关系进行建图，将邻居节点的特征聚合到中心节点 GATs_ts （K=1）回测净值图神经网络（GNN）将深度学习技术的使用场景从传统的图像、语音拓展 5.0 不扣费净值最大回撤（右轴） 200%