EP83 动态知识图谱、图神经网络模型与主题投资

这份研报主要探讨了系统性主题投资和风险管理，介绍了QesDKG（金融动态知识图谱）及其在投资中的应用。报告强调了利用大型语言模型（LLM）和生成图学习模型（KGTransformer）来捕捉金融系统中的复杂关系，并提出了基于主题的投资组合构建和动态风险对冲策略。此外，报告还探讨了如何通过主题特征改善多因子风险模型的解释能力，以及STAR投资策略的动态主题轮换方法，以应对快速变化的市场环境。

欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai