20240529-东方证券-因子选股系列之一〇六_基于风险注意力的因子挖掘模型_19页_1mb

摘要本报告聚焦于基于风险注意力的因子挖掘模型，旨在改进股票关联分析和因子预测。此前研究使用行业关联、分析师覆盖和基金持仓构建异构图模型，但存在稀疏性、对称性、主观性、滞后性和类别过多等缺陷。为此，报告引入图注意力网络（GAT）和乘性注意力机制，构建了Risk-Attention模型，融合时序和风险因子信息。模型采用风险因子作为查询（Q）和键（K），行情数据作为值（V），通过注意力机制传播和聚合特征。

在数据方面，使用30天OHLCV时序数据和39个风险因子进行周频训练，训练策略采用“10+1+1”滚动窗口，回测覆盖2018年至2024年，结果显示RankIC为0.106，ICIR为630%，夏普比率为5.23，多头超额年化收益率达40.3%。与基准模型RawGRU和CatMLP相比，Risk-Attention表现更优，尤其在2020年后提升显著，收益单调性良好。

模型讨论部分解释了注意力权重，揭示市场动态，如市值相关影响。报告还提出改进方向，包括丰富数据和模型堆叠。总之，模型有效整合时空信息，提升因子预测能力，但存在模型失效和市场极端风险。

字数：约450。