牛津大学：分析师覆盖网络中的Alpha挖掘

文章预览

本文研究了基于金融分析师覆盖网络的动量交易信号的效力。该信号基于金融卖方分析师在现代股票市场中扮演的关键信息中介角色。每个分析师覆盖的股票篮子可以用来构建公司之间的网络，其边权重代表共同覆盖两家公司的分析师数量。尽管文献中已经研究了金融分析师覆盖与公司股票价格共同运动之间的联系，但很少有人系统地学习分析师共同覆盖公司信号的组合，以利用任何溢出效应。为了填补这一空白，本文构建了一种交易策略，该策略利用图注意力网络利用分析师覆盖网络。具体来说，该模型学习在节点级预测任务中聚合来自单个公司特征和邻近公司信号的信息。基于这些预测构建的投资组合显示出29.44%的年化回报率和4.06的夏普比率，大幅超越市场基准和现有的基于图机器学习的框架。通过广泛的实证分析，进一步研究了这种策略的 ………………………………