基于超图注意力网络的股票市场投资预测研究.pdfVIP

摘 要 摘 要 股票市场是国家经济的重要组成部分，随着经济的快速发展，量化投资逐渐被投 资者所重视，即运用数量化方式及计算机程序化分析数据，进行股票市场投资预测， 以期获取可观且稳定的收益。对于股票市场，量化投资主要包括择时、选股、资产配 置、风险控制等。 得益于深度神经网络尤其是循环神经网络强大的捕捉时序数据长时间依赖的能 力，基于深度学习的股票趋势预测方法比基于传统技术指标的方法性能有了显著提 升。但其通常仅建模时序相关性，将各股票视为相互独立，然而随着股票市场的发展， 股票间存在着广泛的联系，其中包含着有利于趋势预测的有价值信号。并且这种关系 往往是集合式，并非简单的成对关联。另一方面，基于预测模型的投资回报在很大程 度上取决于其准确性，然而由于股市具有高度非线性、随机性和混乱性等性质，准确 预测股价或趋势并非易事，如何将价格预测转换为交易信号仍是一个有待解决的问 题。因此，本文对基于超图注意力网络的股票市场投资预测进行研究，主要针对量化 择时与选股策略，前者判断何时买入或卖出股票，即预测股票的未来涨跌趋势，后者 分析哪些股票值得关注或持有，即进行股票投资组合配置，同时在这两部分工作中伴 随着风险控制管理，所做主要工作如下： (1) 预测股票价格趋势是一个具有挑战性的量化择时问题，传统的股票预测方法 大多基于时间序列模型，忽视了股票间复杂的集合式关系。为此，本文提出一个时序 -关系协同建模框架进行端到端股票趋势预测。首先利用结合注意力机制的循环神经 网络捕捉股票的时间动态性，然后，不同于现有的依赖于股票间成对相关性的研究， 引入超图结构来共同描述行业所属和基金持仓的集合式关系。在此基础上，提出一种 新的超图三重注意力网络，利用超边内、超边间和超边间注意模块层次组织增强超图 卷积。通过这种方式，该模型能够自适应地区分股票间信息传播过程中节点、超边和 超图的重要性，从而充分利用股票间的潜在协同效应。在中国 A 股市场真实数据集 上进行的大量实验证明了该方法的有效性，同时，投资模拟回测表明，该方法可以获 得更理想的风险调整回报。 (2) 股票投资组合选择是一项基本的财务计划任务，即量化选股问题，它可以动 态地将资产重新分配给选定的股票，以实现最大化利润及最小化风险等目标。本文提 出一种基于超图强化学习的股票投资组合选择方法，其中基本问题是学习一个策略函 i 基于超图注意力网络的股票市场投资预测研究 数，在当前环境下产生最优的投资组合向量，指导适当的交易行动。该策略网络首先 捕捉股票的历史时间序列模式，然后不同于之前隐式建模股票资产相关性的工作，提 出了超图注意力模块，利用超图结构显式地建模股票之间的行业所属集合式多元关 系。实验表明，与现有的基于在线学习和基于强化学习的方法相比，该方法在投资组 合选择方面具有显著的优势。 关键词：股票趋势预测；投资组合选择；超图卷积；注意力机制；强化学习 ii 目录 目 录 第1 章 绪论 1 1.1 研究背景与意义 1 1.2 国内外研究现状 3 1.2.1 股票趋势预测方法3 1.2.2 股票投资组合选择方法6 1.3 主要研究内容 8 1.4 章节安排 9 第2 章 相关基础知识介绍 10 2.1 门控循环单元 10 2.2 图神经网络 11 2.2.1 图卷积神经网络 11 2.2.2 图注意力网络 12 2.2.3 超图神经网络 13 2.3 强化学习 14 2.4 数