【国盛金工】量化专题：提升AI模型边际效能：图注意力网络与特征集成

文章预览

0  摘要 在报告《基于深度学习的指数增强策略》中，我们提出了增强AI选股模型绩效的3个思路： 对同一模型构建差异化数据集输入，堆叠多数据集的输出； 通过调整超参数选取、标签构建、数据预处理方式等精进单一模型； 对同一数据集根据不同模型训练，堆叠多模型的输出；  我们在之前研究中重点讨论了前两者，本文围绕第三个思路展开，探讨如何基于同一数据集，在不同模型下训练并堆叠因子输出，以提升模型效能。 多维度提升AI选股模型绩效 首先，我们在时序神经网络中引入图结构网络，以此刻画股票之间的关联，该空间信息的引入增强了单一数据集的预测能力； 其次，我们在原有基础数据集之外引入手工构建的量价和基本面特征集合，手工特征集显著捕获了端对端模型之外的增量Alpha信息； 最后，在特征集成阶段，我们考虑数据输 ………………………………