因子选股系列专题报告：DFQ_FactorGCL，基于超图卷积神经网络和时间残差对比学习的股票收益预测模型.pdf

上传者：0*****
时间：2025/07/22
热度：96
0人点赞
举报

因子选股系列专题报告：DFQ_FactorGCL，基于超图卷积神经网络和时间残差对比学习的股票收益预测模型。为克服传统时序预测模型忽视股票间横截面关系、泛化能力不足的问题，HIST模型创新性地引入股票截面交互机制，采用级联残差结构模拟投资者“先行业、后风格、再个股”的分析逻辑，分阶段提取预定义概念、隐藏概念与个股特质信息，提升模型的可解释性与稳定性。但该模型仍存在不足：（1）隐藏概念构建机制粗糙；（2）关联权重计算生成失真；（3）概念信息聚合缺乏结构化传播机制；（4）个股残差信息未充分剥离共性干扰，影响特质预测纯度与稳定性。