投资要点：
　　兴证金工团队自2020年起便积极探索机器学习在量化领域的应用，以树模型为代表的宽基增强策略（沪深300指增等）样本外表现十分优秀。时至今日，我们将该领域的研究分为两个方向：对现有成熟模型的优化以及新兴模型的实战化验证。本文中，我们将探究相对新颖的图神经网络模型，重点强调如何基于图神经网络将多类型数据、多股票间关联关系作为输入，并合并在单一模型进行训练和收益率预测。
　　基准和MAG模型：我们在GRU模型的基础上，采用与GRU形成差异化的股票特征和多类型股票间关系作为GAT模块的输入，以获取股票的截面信息。与此同时，我们进一步将改进后的多头注意力机制融入模型，以提升模型表现。在股票间关联关系维度，我们通过引入常规和另类数据进行刻画，三类不同关系构建的因子月度Rank IC均值均接近0.12，等权合成因子2020年以来沪深300增强策略年化超额收益率约为8.8%。
　　MEGA模型：在前文基础上，我们尝试对模型提出两项改进：第一项主要针对预测模块，通过在预测模块中加入双路径预测，能够同时获取GAT带来的信息增量以及GRU自身的预测能力；第二项针对多类型股票间关系融合，我们分别在模型的三处尝试对多种图特征进行融合，其中改进后的混合专家机制下的融合表现优秀。经过改进后，单一模型的月度Rank IC均值约为0.13，同期300增强年化超额提升至9.8%。MEGA模型在各个指数上的增强表现同样稳定优秀。
　　各类指数增强测试：更进一步，我们将上述MAG和MEGA模型进行融合，并进行各个指数增强测试。2020年以来复合因子的沪深300增强策略年化超额收益率约为11.1%，2024年区间超额约为17.5%，超额最大回撤率仅6.2%，表现十分优秀；因子在其余指增表现也同样优秀，尤其适合大盘指数增强。同时，新因子和过往树模型复合因子结合有增量。
　　风险提示：模型结果基于历史数据的测算，在市场环境转变时模型存在失效的风险