量化研究專題：探索股價(jià)動(dòng)態(tài)關(guān)聯(lián)，捕捉屬性敏感的動(dòng)量溢出.pdf

量化研究專題：探索股價(jià)動(dòng)態(tài)關(guān)聯(lián)，捕捉屬性敏感的動(dòng)量溢出。本篇報(bào)告采用屬性敏感的圖注意力網(wǎng)絡(luò)解決通過動(dòng)量溢出效應(yīng)預(yù)測(cè)股 票走勢(shì)的兩個(gè)問題：（1）如何設(shè)計(jì)恰當(dāng)?shù)木W(wǎng)絡(luò)來處理屬性敏感的動(dòng)量 溢出效應(yīng)；（2）如何找到一種恰當(dāng)?shù)膭?dòng)態(tài)關(guān)系建模公司間的動(dòng)態(tài)關(guān)聯(lián) 網(wǎng)絡(luò)。

二級(jí)市場(chǎng)的動(dòng)量溢出效應(yīng)，普遍存在卻難以量化

在股票市場(chǎng)中，一家公司股價(jià)的變化可能影響與其關(guān)聯(lián)的其他公司 股價(jià)，即動(dòng)量溢出效應(yīng)普遍存在，但很多傳統(tǒng)方法卻很難精準(zhǔn)量化這 種傳播。如圖神經(jīng)網(wǎng)絡(luò) GCN、GAT 雖然聚合了關(guān)聯(lián)公司的信息，但忽 略了屬性的差異性，而關(guān)聯(lián)公司之間的影響屬性本身是非常敏感的。同 時(shí)，傳統(tǒng)方法多依賴預(yù)定義關(guān)系，這種關(guān)系是低頻變化甚至是靜態(tài)的， 很難實(shí)時(shí)反映公司關(guān)系的變化。

DAM-GAT 架構(gòu)解決屬性敏感與自動(dòng)學(xué)習(xí)公司間的關(guān)聯(lián)網(wǎng)絡(luò)

本文構(gòu)建了一種屬性敏感且動(dòng)態(tài)的圖神經(jīng)網(wǎng)絡(luò)（DAM-GAT），來 處理股票間屬性敏感的動(dòng)量溢出，并通過主動(dòng)學(xué)習(xí)建立連接各個(gè)公司 的動(dòng)態(tài)關(guān)聯(lián)網(wǎng)絡(luò)。該模型結(jié)合高維張量在橫截面捕捉特征的交互作用， 通過 GRU 處理特征的時(shí)序依賴問題，通過引入門控機(jī)制來刻畫公司間 的屬性敏感性，通過動(dòng)態(tài)關(guān)系推斷公司關(guān)系，既考慮了屬性差異，又自 動(dòng)學(xué)習(xí)了節(jié)點(diǎn)間的潛在聯(lián)系，整體超越傳統(tǒng) GNN 模型的局限性。

DAM-GAT 模型展現(xiàn)了一定的收益預(yù)測(cè)能力

通過 DAM-GAT 模型，以高頻量價(jià)與以基本面為主的傳統(tǒng)因子為 輸入預(yù)測(cè)的股票未來 5 日的收益因子??????在不同指數(shù)域的都有選股 能力，尤其在中小市值股票中表現(xiàn)出色。2020-2023 年，周頻調(diào)倉模 式下，????5?因子在全域的 Rank IC 為 6.8%，ICIR 為 7.39，IC 周勝 率 88.2%，費(fèi)后多空年化超額 41.09%，多頭年化收益 24.11%，較全 A 等權(quán)的超額 13.43%，連續(xù) 4 年均取得了顯著正超額。從指增策略的 表現(xiàn)看，基于????5?的指增策略在滬深 300、中證 500、中證 1000、 國證 2000 的年度超額分別為 5.17%、8.55%、12.08%和 11.08%。