深度學習研究報告：基于Visibility Graph~CNN創新架構的高效股價預測模型.pdf

深度學習研究報告：基于Visibility Graph~CNN創新架構的高效股價預測模型。可見性圖：可見性圖（Visibility Graph）是一種圖論模型，它將空間中 的物體（例如：點、線段、多邊形）映射為圖中的結點和邊。在其拓展 到時間序列分析領域后，可見性圖能夠高效地將時序數據（如價量數 據）轉化為圖結構，以提取時序數據中的有效信息。此圖結構在數據形 式上體現為二維的整型矩陣，矩陣中的元素均為整數 0 或 1，有效地降 低了數據的冗余性，減少了后續深度學習模型在訓練過程中的過擬合 現象，提升了模型的泛化能力。

可見性圖與卷積神經網絡：本工作提出了基于 Visibility Graph-CNN 創 新架構的高效股價預測模型。首先，使用可見性圖算法模型對個股的歷 史價量數據進行初步的特征提取，而后將提取得到的可見性圖送入特 別設計的卷積神經網絡中，以進一步提取價量特征，并與個股的未來走 勢進行建模，以實現對未來股價的預測。由于可見性圖是低維度的整型 矩陣，因此本工作設計了一個參數量少、復雜度低的卷積神經網絡將其 與未來股價進行建模，進一步減少了模型的過擬合情況，提升了模型在 樣本外數據的預測能力。

實證分析：本工作采用過往 20 日和 60 日價量數據分別構建了兩個 Visibility Graph-CNN 模型，以實現對未來 20 個交易日截面上的個股 進行股價預測，并根據預測的股價上漲概率將個股分為 10 檔，以此構 建多、空組合。回測結果表明，兩個模型的因子在各大板塊當中均取得 了較為單調的分檔收益。在 2020～2023 年樣本外回測期間，20 日模 型因子在全市場的平均 RankIC 為 5.39%，多頭年化收益率為 10.35%， 最大回撤率為 17.85%，相比同期中證全指的超額年化收益率為 9.57%；而 60 日模型因子在全市場的平均 RankIC 為 5.61%，多頭年 化收益率為 10.24%，最大回撤率為 19.51%，相比同期中證全指的超 額年化收益率為 9.61%；整體而言，20 日模型和 60 日模型的表現差 異不大。在細分板塊上，20 日模型因子在中證 500、中證 1000、創業 板上分別取得了 6.41%、7.56%、8.79%的多頭年化收益率；而 60 日 模型因子在中證 500、中證 1000、創業板上分別取得了 4.83%、6.08%、 11.79%的多頭年化收益率。