7月看好估值和量价，关注GAT模型.pdfVIP

正文目录 7 月因子观点：看好估值和量价因子，关注GAT 选股模型4 图注意力网络（GAT）选股模型5 GAT 选股模型2021 年上半年样本外表现出色5 GAT 选股模型测试流程6 GAT 选股模型原理：量价因子结合图注意力网络7 量价因子占优环境下，GAT 选股模型表现更好8 因子表现回顾9 6 月大类风格因子表现9 近 1 年大类风格因子表现9 近期细分因子表现10 因子表现计算方法10 内生变量视角11 内生变量综合预测结果 11 因子动量12 因子离散度13 因子拥挤度14 外生变量视角15 外生变量选取15 外生变量预测方法15 条件期望模型16 AIC 和AICc 准则16 外生变量筛选流程16 回归预测模型构建17 外生变量预测结果17 因子预测结果解读17 因子周期视角20 自上而下预测整体趋势：因子投资时钟20 自下而上预测边际变化：因子周期回归拟合21 风险提示22 附录23 附录一：所有细分因子计算方法23 附录二：风格因子合成、Rank IC 值计算、因子收益率计算方法24 图表目录 图表1： 内生变量和外生变量对风格因子7 月表现的预测4 图表2 ： 不同模型TopkDropout 策略各年度回测指标（含交易费用，基准为沪深300 指数，回测期2010-01-04 至 2021-06-30）5 图表3 ： GAT 模型回测净值和超额净值表现（全回测期）5 图表4 ： GAT 模型回测净值和超额净值表现（2021 年上半年）5 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 2 金工研究 图表5 ： GAT 模型参数设置6 图表6 ： GAT 原理示意图7 图表7 ： GAT 选股模型示意图8 图表8 ： GAT 模型和波动率因子 Rank IC 值相关性（2019~2021 年）8 图表9 ： GAT 模型和换手率因子 Rank IC 值相关性（2019~2021 年）8 图表10： 6 月大类风格因子表现9 图表11： 近 1 年大类风格因子累计Rank IC 值9 图表12： 近 1 年细分因子表现10 图表13： 内生变量预测大类风格因子7 月表现综合预测得分 11 图表14： 大类风格因子动量历史序列12 图表15： 大类风格因子6 月底截面动量和2007 年以来历史分位数12 图表16： 大类风格因子离散度历史序列13 图表17： 大类风格因子6 月底截面离散度和2007 年以来历史分位数13 图表18： 大类风格因子拥挤度历史序列14 图表19： 大类风格因子6 月底截面拥挤度和2007 年以来历史分位数14 图表20 ： 外生变量列表15 图表21 ： 外生变量筛选流程图16 图表22 ： 外生变量对大类风格因子7 月Rank IC 预测值17 图表23 ： 估值因子Rank IC 预测值及外生变量贡献情况17 图表24 ： 成长因子Rank IC 预测值及外生变量贡献情况17 图表25 ： 盈利因子Rank IC 预测值及外生变量贡献情况18 图表26 ： 财务质量因子Rank IC 预测值及外生变量贡献情况18 图表27 ： 小市值因子Rank IC 预测值及外生变量贡献情况18 图表28 ： 反转因子 Rank IC 预测值及外生变量贡献情况18 图表29 ： 波动率因子Rank IC 预测值及外生变量贡献情况18 图表30 ： 换手率因子Rank IC 预测值及外生变量贡献情况18 图表31 ： Beta 因子Rank IC 预测值及外生变量贡献情况19 图表32 ： 技术因子Rank IC 预测值及外生变量贡献情况19 图