量化投資專題：股價預測之多模態多尺度.pdf

量化投資專題：股價預測之多模態多尺度。AI 看圖：在去年發布的《基于卷積神經網絡的股價走勢 AI 識別與分類》 研究報告中，創新性地采用基于深度學習的圖像識別技術，將價量數 據圖表與未來股價走勢進行建模，以實現股票價格預測。 

股價預測之多模態多尺度：本文以“多模態、多尺度”為題，基于 AI 看圖初版模型進行了大幅改進，新的模型結構如右圖 1 所示。本文模 型在日度價量數據圖表的基礎上，加入了高頻因子數據、日頻時序數 據、周度價量數據圖表，采用 4 個獨立的深度時序模型和深度卷積模 型進行多模態、多尺度的特征提取，并同時采用回歸損失和分類損失 以端到端的方式進行模型訓練，有效提升了模型對未來股價的預測能 力，取得了更為顯著的超額收益。

對比提升：以 2020/01/01~2024/10/31 作為樣本外回測區間，每 20 個 交易日進行換倉，本文模型預測結果在全市場、滬深 300、中證 500、 中證 800、中證 1000、國證 2000、創業板的 RankIC 均值分別為 8.7%、 7.9%、6.6%、6.9%、8.2%、8.7、10.4%，RankIC 勝率分別為 86.7%、 69.0%、73.5%、75.2%、84.8%、86.1%、89.2%。以全市場作為回 測統計口徑，對比 AI 看圖初始版本，本文模型的 RankIC 均值提升了 3.0%，RankIC 勝率提升了 7.8%。

超額表現：以 2020/01/01~2024/10/31 作為樣本外回測區間，基于本 文模型因子在全市場、滬深 300、中證 500、中證 800、中證 1000、 國證 2000、創業板分別構建 10 分檔多頭股票組合，雙邊千三計費后， 多頭股票組合分別相對對應板塊指數取得了 12.97%、9.17%、5.30%、 8.38%、7.47、7.47%、11.52 的超額年化收益率。

與 Barra 風格因子相關性：整體而言，本文模型因子與 Barra 風格因 子的相關性較低，其中，相關性最高的三個 Barra 風格因子為流動性 因子、波動率因子和市值因子，相關系數分別為-18%、-16%和-8%。

展望：本報告以研發為主要目的，對模型進行了嚴謹的訓練、驗證、 以及回測。其中，訓練樣本為 2008~2016 年數據，驗證樣本為 2017~ 2019 年數據，回測樣本為 2020~2024 年數據。從理論上來說，通過 加入更新、更多的訓練樣本，結合滾動訓練等方式，能夠進一步提升 模型對未來股價的預測能力，取得更為顯著的超額收益。