基于多分支和注意力机制的股价趋势预测研究.pdf

摘要

股票市场可以看作是公司未来增长预期的快照。在全球范围内，每天有数十

亿美元在股市中完成交易。由于股价数据具有高噪声、动态、非线性、非参数、

混沌等特性，对其进行预测是一项艰巨的任务。但作为有利可图的领域，对股市

进行预测并形成量化交易策略一直是相关专家学者研究的热点。近年来，随着

GPU计算能力的不断提升，以及深度学习领域的不断突破，使相关专家学者对大

量的股市数据进行处理变成了可能。专业的证券从业者通过观察由股票量价数据

生成的技术指标图像来对其未来增长预期做出判断。受此现象启发，深度学习领

域的研究学者基于基础量价数据绘制了各种各样的图像，并将经过预处理后的图

像数据输入到所提出的各类深度学习模型中完成对模型的训练及之后的预测任

务。

我国股市存在普遍的板块效应，在市场运行中，同板块的多只股票在受到政

策以及某些市场因素的影响下会出现明显的同涨同跌趋势；同时，个股涨跌还受

股市大盘和跨市场信息的影响。本文以我国沪深股市中的个股为研究对象，同时

使用了个股、个股所处的行业板块、沪深300指数、美国标普500指数的量价数

据生成的技术指标图像作为输入数据。

本文提出了一种引入了多分支和注意力机制的深度卷积神经网络模型，对个

股的次日涨跌趋势进行预测。与基准模型(VGG．16)相比，本文所提出的模型预

测性能提升显著，基于该模型预测结果制定的交易策略与基准收益相比，能稳定

取得超额收益。实验结果表明，在对个股进行分析预测时考虑板块效应及跨市场

信息能帮助提升判断和预测的准确性；在模型中引入注意力机制也能帮助提升其

预测能力。本文所提出的方法和模型可作为量化交易工作者的参考，同时，进一

步印证了深度学习方法在股市预测领域的可行性和有效性。

关键词：股市预测；计算机视觉；卷积神经网络；多分支结构；注意力机制

ABSTRACT

Thestockmarketcanbeseenasaafuture

of

snapshotcompany’sgrowth

ofdollarsare仃adedinmestockmarketworldwide．

expectations．Billiollseveryday

stockto

Predictingdataisadimculttaskdueits

pricehigll

chao廿ct11e

rlonpar锄etric，andcharact丽stics．However’髂a

pro丘tablefield，predictillg

stockm破et锄dhasbeenahotfor

fomingquantitativetradiIlgalways

sn．ategiestopic

relevamandscholars．IIlrecenttllecontinuousGPU

e)叩ertsyearS，witllof

improv锄ent

theconti肌ousintllefieldofhas

computiI玛power锄dbrcalm玳mghsde印1e础g，it

becomeforreleValltandscholars