【论文分享】非对称动量图选股,超额35% 这篇论文《Graph-Driven Insights: Enhancing Stock Market Prediction with Relational Temporal Dynamics》提出RTGNN,仅用历史行情捕捉股票间领先‑滞后与动量传导,无需外部知识图谱。 ? 核心创新:自适应非对称图生成模块,通过差值强制打破对称,让邻接矩阵天然单向,反映真实市场影响。 ? 回测:纳斯达克100与沪深300的2023年,取前10%得分等权持有,年化收益超38%/41%,超额均超35%;夏普3.83/4.17,最大回撤仅‑3.61%。Rank IC与ICIR全面优于LSTM、Transformer等基线。 ⚠️ 历史回测不代表未来,不构成投资建议,市场有风险,模型表现可能变化。 #量化学习 #配对交易 #统计套利 #量化 #量化交易 #量化分析 #Quant #量化策略

作者:化************l

音乐:@化************l创作的原声

时长:10:48

评论数:6

点赞数:0.05万

分享数:137

收藏数:657

更新时间:2026年11月3日 16:50

全网热门