基于 Visibility Graph-CNN 创新架构的高效股价预测模型
创建于 更新于
摘要
本报告提出基于可见性图与卷积神经网络融合的Visibility Graph-CNN架构，通过将时间序列价量数据转换为低维度二值矩阵作为输入，设计低参数复杂度卷积网络进行股价未来走势预测。采用历史20日和60日数据训练两个模型，预测未来20个交易日的股价上涨概率，构建分档投资组合。样本外回测显示，20日和60日模型在全市场及细分板块均表现稳健，20日模型多头年化收益率达10.35%，超额市场收益9.57%，且因子与传统风格因子相关性低，展现较好的泛化与分层选股能力 [page::0][page::4][page::5][page::6][page::7][page::11][page::19]
