深度学习研究报告：基于Visibility Graph~CNN创新架构的高效股价预测模型.pdf

深度学习研究报告：基于Visibility Graph~CNN创新架构的高效股价预测模型。可见性图：可见性图（Visibility Graph）是一种图论模型，它将空间中 的物体（例如：点、线段、多边形）映射为图中的结点和边。在其拓展 到时间序列分析领域后，可见性图能够高效地将时序数据（如价量数 据）转化为图结构，以提取时序数据中的有效信息。此图结构在数据形 式上体现为二维的整型矩阵，矩阵中的元素均为整数 0 或 1，有效地降 低了数据的冗余性，减少了后续深度学习模型在训练过程中的过拟合 现象，提升了模型的泛化能力。

可见性图与卷积神经网络：本工作提出了基于 Visibility Graph-CNN 创 新架构的高效股价预测模型。首先，使用可见性图算法模型对个股的历 史价量数据进行初步的特征提取，而后将提取得到的可见性图送入特 别设计的卷积神经网络中，以进一步提取价量特征，并与个股的未来走 势进行建模，以实现对未来股价的预测。由于可见性图是低维度的整型 矩阵，因此本工作设计了一个参数量少、复杂度低的卷积神经网络将其 与未来股价进行建模，进一步减少了模型的过拟合情况，提升了模型在 样本外数据的预测能力。

实证分析：本工作采用过往 20 日和 60 日价量数据分别构建了两个 Visibility Graph-CNN 模型，以实现对未来 20 个交易日截面上的个股 进行股价预测，并根据预测的股价上涨概率将个股分为 10 档，以此构 建多、空组合。回测结果表明，两个模型的因子在各大板块当中均取得 了较为单调的分档收益。在 2020～2023 年样本外回测期间，20 日模 型因子在全市场的平均 RankIC 为 5.39%，多头年化收益率为 10.35%， 最大回撤率为 17.85%，相比同期中证全指的超额年化收益率为 9.57%；而 60 日模型因子在全市场的平均 RankIC 为 5.61%，多头年 化收益率为 10.24%，最大回撤率为 19.51%，相比同期中证全指的超 额年化收益率为 9.61%；整体而言，20 日模型和 60 日模型的表现差 异不大。在细分板块上，20 日模型因子在中证 500、中证 1000、创业 板上分别取得了 6.41%、7.56%、8.79%的多头年化收益率；而 60 日 模型因子在中证 500、中证 1000、创业板上分别取得了 4.83%、6.08%、 11.79%的多头年化收益率。