核心观点
　　传统方法在处理行业因子信息时通常采用one-hot将行业转变为哑变量进行处理（对于某些特殊模型，可以采用category变量）。这两者均无法表示行业之间的内在关联关系。且哑变量为稀疏矩阵，信息密度较低，增加了计算开销。
　　本文利用行业相关性矩阵构建图结构，采用Graph Embedding的算法Node2vec将行业因子进行向量化处理，得到的行业因子能够有效的包括行业内在相关性。
　　风险提示
　　本报告中所有数据结果是基于历史统计结果的展示，未来有可能发生风格切换导致因子失效的风险。模型运行存在一定的随机性，初始化随机数种子会对结果产生影响，单次运行结果可能会有一定偏差。历史数据的区间选择会对结果产生一定的影响。模型参数的不同会影响最终结果。模型对计算资源要求较高，运算量不足会导致结果存在一定的欠拟合风险。本文所有模型结果均来自历史数据，模型存在统计误差，不保证模型未来的有效性，对投资不构成任何建议。