【东方金工·说深度】第7期：基于风险注意力的因子挖掘模型_新浪财经

尊敬的各位投资者，

从今年开始，我们将举办一系列关于量化研究的线上会议。在“说深度”这个系列的会议中我们将通过汇报深度专题研究报告的形式，深入探索量化研究的前沿与应用，包括深度学习、多因子及指数增强、主动量化、行业轮动、基金评价、FOF、可转债等各个维度，希望能为您带来启发与思考。

我们相信，通过参加这个系列的会议，您将能够深入了解我们团队在量化研究方向的最新动态，拓宽您的知识视野，为您的研究和投资赋能。

欢迎各位投资者扫码或者联系研究员/对口销售报名参会，期待与您一同探索量化研究的精彩世界！

谢谢您的关注与支持！

核心观点

在前序报告中，我们使用行业关联、分析师共同覆盖、基金共同持仓三种股票间的显式关系，构建异构图模型，使得个股特征可以同时在三种关系路径上面传播和聚合，引入关联股票的信息提升了原始因子的表现。本文我们利用注意力机制，解决股票间关联关系刻画的一众痛点，实现了时序信息和空间信息的融合，在仅仅使用行情信息和风险因子的情况下，RankIC达到0.106，多头超额达到40.3%。
先验图的缺陷：1、稀疏性，例如近期没有被分析师覆盖过的大多数个股，无法和其他股票产生分析师层面的关联；2、对称性：大部分的先验关系不具有方向性，大小市值的个股对彼此的影响权重是相同的，这有悖常识；3、主观性：先验关系大多来自于人为的定义，比如行业定义、研报覆盖窗口、基金池；4、滞后性：类似基金持仓的披露数据相比实际发生时间滞后了2-4个月；5、类别众多：异构图模型的参数量和关系种类成正比
图网络与注意力机制的一致性：图注意力网络GAT对“目标节点特征”和“源节点特征”合并降维为关联权重，这种注意力称谓“加性注意力”；与之对应的“乘性注意力”则是用“目标节点特征（Q）”和“源节点特征（K）”进行点积，得到关联权重。得到关联权重后，节点特征（V）就在该关联矩阵上进行传播和聚合，二者无异。
用风险关联传播量价特征：在传统的Transformer中，如果QKV同源，则为自注意力，只有KV同源，则为跨注意力，在本文中，QK源自风险因子，而V源自行情数据，用于探索基于风险特征的注意力是否能引入关联股票的量价特征，对个股的量价特征进行增强。我们称这个模型为Risk-Attention模型。

风险提示

量化模型基于历史数据分析，未来存在失效风险，建议投资者紧密跟踪模型表现。
极端市场环境可能对模型效果造成剧烈冲击，导致收益亏损。

重要提示（向上滑动浏览）：

本订阅号为东方证券股份有限公司（以下称“东方证券”）研究所金融工程研究团队运营的唯一订阅号，并非东方证券研究报告的发布平台, 本订阅号仅转发东方证券已发布研究报告的部分内容或对报告进行的跟踪与解读。通过本订阅号发布的资料仅供东方证券研究所指定客户参考。因本订阅号无法设置访问限制，若您并非东方证券研究所指定客户，为控制投资风险，请您请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。东方证券不因任何单纯订阅本公众号的行为而将订阅人视为客户。