量化投资专题：股价预测之多模态多尺度.pdf

量化投资专题：股价预测之多模态多尺度。AI 看图：在去年发布的《基于卷积神经网络的股价走势 AI 识别与分类》 研究报告中，创新性地采用基于深度学习的图像识别技术，将价量数 据图表与未来股价走势进行建模，以实现股票价格预测。 

股价预测之多模态多尺度：本文以“多模态、多尺度”为题，基于 AI 看图初版模型进行了大幅改进，新的模型结构如右图 1 所示。本文模 型在日度价量数据图表的基础上，加入了高频因子数据、日频时序数 据、周度价量数据图表，采用 4 个独立的深度时序模型和深度卷积模 型进行多模态、多尺度的特征提取，并同时采用回归损失和分类损失 以端到端的方式进行模型训练，有效提升了模型对未来股价的预测能 力，取得了更为显著的超额收益。

对比提升：以 2020/01/01~2024/10/31 作为样本外回测区间，每 20 个 交易日进行换仓，本文模型预测结果在全市场、沪深 300、中证 500、 中证 800、中证 1000、国证 2000、创业板的 RankIC 均值分别为 8.7%、 7.9%、6.6%、6.9%、8.2%、8.7、10.4%，RankIC 胜率分别为 86.7%、 69.0%、73.5%、75.2%、84.8%、86.1%、89.2%。以全市场作为回 测统计口径，对比 AI 看图初始版本，本文模型的 RankIC 均值提升了 3.0%，RankIC 胜率提升了 7.8%。

超额表现：以 2020/01/01~2024/10/31 作为样本外回测区间，基于本 文模型因子在全市场、沪深 300、中证 500、中证 800、中证 1000、 国证 2000、创业板分别构建 10 分档多头股票组合，双边千三计费后， 多头股票组合分别相对对应板块指数取得了 12.97%、9.17%、5.30%、 8.38%、7.47、7.47%、11.52 的超额年化收益率。

与 Barra 风格因子相关性：整体而言，本文模型因子与 Barra 风格因 子的相关性较低，其中，相关性最高的三个 Barra 风格因子为流动性 因子、波动率因子和市值因子，相关系数分别为-18%、-16%和-8%。

展望：本报告以研发为主要目的，对模型进行了严谨的训练、验证、 以及回测。其中，训练样本为 2008~2016 年数据，验证样本为 2017~ 2019 年数据，回测样本为 2020~2024 年数据。从理论上来说，通过 加入更新、更多的训练样本，结合滚动训练等方式，能够进一步提升 模型对未来股价的预测能力，取得更为显著的超额收益。