量化研究专题：探索股价动态关联，捕捉属性敏感的动量溢出.pdf

量化研究专题：探索股价动态关联，捕捉属性敏感的动量溢出。本篇报告采用属性敏感的图注意力网络解决通过动量溢出效应预测股 票走势的两个问题：（1）如何设计恰当的网络来处理属性敏感的动量 溢出效应；（2）如何找到一种恰当的动态关系建模公司间的动态关联 网络。

二级市场的动量溢出效应，普遍存在却难以量化

在股票市场中，一家公司股价的变化可能影响与其关联的其他公司 股价，即动量溢出效应普遍存在，但很多传统方法却很难精准量化这 种传播。如图神经网络 GCN、GAT 虽然聚合了关联公司的信息，但忽 略了属性的差异性，而关联公司之间的影响属性本身是非常敏感的。同 时，传统方法多依赖预定义关系，这种关系是低频变化甚至是静态的， 很难实时反映公司关系的变化。

DAM-GAT 架构解决属性敏感与自动学习公司间的关联网络

本文构建了一种属性敏感且动态的图神经网络（DAM-GAT），来 处理股票间属性敏感的动量溢出，并通过主动学习建立连接各个公司 的动态关联网络。该模型结合高维张量在横截面捕捉特征的交互作用， 通过 GRU 处理特征的时序依赖问题，通过引入门控机制来刻画公司间 的属性敏感性，通过动态关系推断公司关系，既考虑了属性差异，又自 动学习了节点间的潜在联系，整体超越传统 GNN 模型的局限性。

DAM-GAT 模型展现了一定的收益预测能力

通过 DAM-GAT 模型，以高频量价与以基本面为主的传统因子为 输入预测的股票未来 5 日的收益因子??????在不同指数域的都有选股 能力，尤其在中小市值股票中表现出色。2020-2023 年，周频调仓模 式下，????5?因子在全域的 Rank IC 为 6.8%，ICIR 为 7.39，IC 周胜 率 88.2%，费后多空年化超额 41.09%，多头年化收益 24.11%，较全 A 等权的超额 13.43%，连续 4 年均取得了显著正超额。从指增策略的 表现看，基于????5?的指增策略在沪深 300、中证 500、中证 1000、 国证 2000 的年度超额分别为 5.17%、8.55%、12.08%和 11.08%。