股票市場預(yù)測一直是一個典型且具有挑戰(zhàn)性的問題，吸引了經(jīng)濟學(xué)家和計算機科學(xué)家的廣泛關(guān)注。許多方法已被應(yīng)用于股票市場預(yù)測，以建立有效的預(yù)測模型并挖掘盈利策略[1]、[2]、[3]。然而，大多數(shù)現(xiàn)有方法的預(yù)測目標(biāo)通常是股票價格[4]、[5]、[6]、基金回報[7]、[8]或股票價格走勢[9]、[10]、[11]、[12]，而另一個重要但研究較少的預(yù)測目標(biāo)是基金持倉[13]、[14]、[15]。基金回報指的是基金凈資產(chǎn)價值隨時間的變化，通常代表基金的日常表現(xiàn)。基金持倉表示基金投資的具體資產(chǎn)，如股票、債券或其他金融工具，這些持倉通過官方報告定期披露。雖然股票價格和基金回報通常可以表示為帶時間戳的數(shù)值序列，但股票價格走勢可以進一步建模為帶時間戳的方向事件序列。相比之下，基金持倉自然表示為帶時間戳的資產(chǎn)集合序列，每個集合包含不同數(shù)量的資產(chǎn)。這種結(jié)構(gòu)和時間上的不規(guī)則性使得基金持倉預(yù)測在結(jié)構(gòu)上不同于傳統(tǒng)的時間序列預(yù)測任務(wù)。

能夠準(zhǔn)確預(yù)測未來基金持倉是一個有益的工具。中國證券監(jiān)督管理委員會（SRC）要求大型對沖基金和所有共同基金每季度披露其持倉情況[16]。一方面，基金披露的時間點已被證明對公共資產(chǎn)的交易量和價格有顯著影響，因為投資者渴望跟上高性能基金的步伐[16]、[17]、[18]。假設(shè)投資者能夠在披露公告之前利用公開數(shù)據(jù)正確推斷出基金的持倉目標(biāo)；除了小的市場進入或退出風(fēng)險外，他們還可以在不進行內(nèi)幕交易的情況下獲得潛在回報[19]。基于基金持倉的投資組合推薦策略已經(jīng)得到了優(yōu)化[20]。另一方面，為了避免暴露基金持有高風(fēng)險資產(chǎn)或通過復(fù)制策略獲利的事實，基金可能在報告截止日期之前重新安排其投資組合[17]。能夠準(zhǔn)確預(yù)測基金持倉的投資者可以在重要披露日期之前調(diào)整其資產(chǎn)配置，以便在披露后獲利[16]，或者避免被基金披露誤導(dǎo)，同時避免不必要的風(fēng)險[21]。在本文中，我們展示了一種預(yù)測這種股票市場新時間數(shù)據(jù)的方法。

現(xiàn)有的基金持倉預(yù)測方法通常有以下兩個假設(shè)[13]、[14]、[22]：

• •
  投資組合的組成部分是預(yù)先已知的或變化很小，且可以完全正確地獲得所有投資組合組成部分的回報（即這些資產(chǎn)的價格或收益數(shù)據(jù)）。
• •
  基金持有的非股票資產(chǎn)的比例較低，因此在測量股票持倉時可以忽略這些資產(chǎn)。

一些研究人員提出了用于指數(shù)跟蹤或增強索引的技術(shù)，這些技術(shù)旨在通過構(gòu)建反映其構(gòu)成和權(quán)重的投資組合來復(fù)制指數(shù)，假設(shè)成分穩(wěn)定且完全可觀察[22]、[23]。研究結(jié)果表明，更復(fù)雜的非線性對沖基金復(fù)制方法雖然試圖捕捉因子暴露之間的非線性依賴性，但仍無法完全再現(xiàn)實際對沖基金的風(fēng)險-回報特征[24]、[25]。在后續(xù)研究中，有人嘗試放棄第一個假設(shè)。順序振蕩選擇（SOS）算法[14]識別出歷史回報最能解釋目標(biāo)基金歷史表現(xiàn)的資產(chǎn)子集。與傳統(tǒng)的線性克隆算法不同，SOS通過迭代探索和精煉候選資產(chǎn)集來提高預(yù)測準(zhǔn)確性，而無需事先知道確切的位置。此外，隨著機器學(xué)習(xí)的發(fā)展，集成學(xué)習(xí)模型也被用于預(yù)測共同基金的流動性比率。這些方法依賴于一個關(guān)鍵假設(shè)：只要基金在每個類別內(nèi)足夠多樣化，基金投資組合中每個資產(chǎn)類別的日回報大約等于整個資產(chǎn)宇宙中同一類別的回報[13]。

鑒于獲取基金持倉的日回報或價格的難度以及不同資產(chǎn)回報或價格的時間尺度難以統(tǒng)一，上述假設(shè)過于理想化。因此，這些方法僅適用于股票基金或股票占比較高的混合基金。相應(yīng)地，對于許多股票占比較低的債券基金和混合基金，這些方法不可行或表現(xiàn)不佳，如圖1²所示。根本原因是不同資產(chǎn)的價格和回報在時間尺度和完整性上存在顯著差異，難以調(diào)和。因此，需要一種適用于所有類型基金且具有優(yōu)異預(yù)測性能的持倉預(yù)測方法。

為了達到預(yù)期標(biāo)準(zhǔn)，我們需要消除回報數(shù)據(jù)的假設(shè)，并提出一種新的方法，該方法在預(yù)測中包括所有基金的位置信息。如圖2所示，我們觀察到不同基金按時間順序披露位置信息；換句話說，基金在SRC規(guī)定的報告日期之前或之后的幾個月內(nèi)逐步公布其持倉情況，而不是在報告日期同時公布。同時，同一股票市場中的基金之間會相互影響[1]，這導(dǎo)致之前的方法在實際應(yīng)用中遺漏了有價值和關(guān)鍵的信息。當(dāng)一些基金公布其位置信息時，其他基金的信息在股票市場中被隱藏。通過挖掘這些信息，我們可以在一些基金公布其位置信息后預(yù)測未披露基金的持倉情況。此外，當(dāng)更多基金持倉被披露時，剩余基金持倉的預(yù)測變得更加準(zhǔn)確。因此，我們提出了一種新的框架，稱為深度基金持倉預(yù)測（DFHP），用于基金持倉預(yù)測，該框架包括三個部分：基金偏好挖掘、基于注意力的時間依賴性學(xué)習(xí)和門控信息整合。首先，我們通過基金與資產(chǎn)之間的持有關(guān)系構(gòu)建基金-資產(chǎn)網(wǎng)絡(luò)，目的是通過信息傳播來理解基金之間的關(guān)系。同時，當(dāng)網(wǎng)絡(luò)中的一些基金公布其更新后的持倉時，我們可以利用揭示的相互依賴性來推斷尚未公布持倉的基金的位置變化。然后，對于每個基金的持倉序列，我們利用注意力機制來學(xué)習(xí)不同時間戳和同一基金不同資產(chǎn)之間的時間依賴性，并將基金的隱藏偏好匯總為一個潛在向量。最后，提出了一種門控更新模塊來整合歷史信息和基金的最新信息。基于整合的信息，可以獲得更高的預(yù)測性能。總之，本文有以下貢獻：

• •
  我們提出了DFHP，這是一種基于圖嵌入的模型，將基金持倉預(yù)測表述為一組預(yù)測任務(wù)，其中每個投資組合表示為一組資產(chǎn)。
• •
  我們根據(jù)披露時間差異設(shè)計了快速更新機制，以放棄對基金構(gòu)成的嚴(yán)格假設(shè)，使DFHP能夠處理所有類型的基金，特別是股票占比較低的債券基金和混合基金。
• •
  我們在真實世界基金數(shù)據(jù)上評估了我們提出的方法，并證明它在大多數(shù)情況下優(yōu)于基線方法，無論是在不同的指標(biāo)還是基金類型上。請注意，披露的基金越多，我們方法的預(yù)測準(zhǔn)確性就越高。

本文的其余部分結(jié)構(gòu)如下：第2節(jié)介紹了相關(guān)工作。第3節(jié)詳細解釋了所提出的方法，隨后介紹了使用的眾多變量。第4節(jié)描述了實驗情況和發(fā)現(xiàn)。第5節(jié)進行了討論，第6節(jié)提供了結(jié)論。