深度学习研究报告：股价预测之多模态多尺度

识别风险，发现价值 请务必阅读末页的免责声明 1 / 31 [Table_Page] 金融工程|量化投资专题 2024 年 11 月 18 日 证券研究报告 [Table_Title] 股价预测之多模态多尺度 深度学习研究报告 [Table_Summary] 报告摘要： ⚫ 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。 ⚫ 风险提示：（1）本文所述模型用量化方法通过历史数据统计、建模和测算完成，所得结论与规律在市场政策、环境变化时存在失效风险；（2）本文策略在市场结构及交易行为改变时有可能存在失效风险；（3）因量化模型不同，本文提出的观点可能与其他量化模型结论存在差异。 图 1：多模态多尺度股价预测模型 数据来源：广发证券发展研究中心 [Table_Author] 分析师： 安宁宁 SAC 执证号：S0260512020003 SFC CE No. BNW179 0755-23948352 anningning@gf.com.cn 分析师： 陈原文 SAC 执证号：S0260517080003 0755-82797057 chenyuanwen@gf.com.cn 请注意，陈原文并非香港证券及期货事务监察委员会的注册持牌人，不可在香港从事受监管活动。 [Table_DocReport] 相关研究： 基于卷积神经网络的股价走势 AI 识别与分类 2023-04-06 基于深度学习的高频数据因子挖掘 2023-08-11 [Table_Contacts] 联系人： 林涛 0755 - 82528531 gflintao@gf.com.cn 识别风险，发现价值 请务必阅读末页的免责声明 2 / 31 [Table_PageText] 金融工程|量化投资专题 目录索引 一、AI 看图 ......................................................................................................................... 5 二、多模态多尺度股价预测模型 ......................................................................................... 6 （一）模型结构 .......................................................................................................... 6 （二）改进思路 .......................................................................................................... 7 三、实证分析 ...................................................................................................................... 8 （一）数据说明 .......................................................................................................... 8 （二）对比提升 .......................................................................................................... 8 （三）本文模型因子与 BARRA 风格因子相关性 ......................................................... 8 （三）实证分析（全市场） ........................................................................................ 9 （四）实证分析（沪深 300） .................................................................................. 11 （五）实证分析（中证 5