Beta猎手系列之十：个股K线图形态AI识别构建市场风格预测-240624.pdfVIP

基于成分股CNN图像识别构建风格轮动模型研究背景

CNN（ConvolutionalNeuralNetwork，卷积神经网络）是一种深度学习模型，它在图像识别、视频分析和自然语言

处理等领域中非常流行和有效。CNN模型通常包含以下几个关键组件：卷积层、激活函数、池化层、全连接层。CNN

模型的训练过程通常包括前向传播和反向传播两个阶段。

CNN可以根据处理的数据维度分为1D（一维）和2D（二维）两种类型：1DCNN（一维卷积神经网络）：主要用于处理

时间序列数据，例如时间序列、音频信号或文本数据。2DCNN是最常见的CNN类型，主要用于处理具有二维结构的

数据，如图像、视频帧或高分辨率地图。采用图像化方法来展现整个数据矩阵，可以增强统计模型识别复杂模式的

能力。

本研究框架基于《(Re-)Imag(in)ingPriceTrends》一文，使用该论文中绘制股票价格图表的方法，即OHLC图+移

动平均线+成交量柱状图，同时还借鉴了论文中的二分类标签分类方法：如果预测的收益率为正值，则图像标签为1；

如果预测的收益率为负值或零，则图像标签为0。

基于卷积神经网络的全市场