计算机工程

作者：李思源, 钟兴宇, 李凯茵, 徐清振

单位：华南师范大学计算机学院, 广东 广州 510630

关键词：图神经网络,深度强化学习,股票趋势预测,量化投资,教学案例

基金：2023年广东省研究生教育创新计划研究生示范课程建设项目(2023SFKC_022); 2023年度广东省本科高校教学质量与教学改革工程项目(2024609)

教育信息化的发展为促进教学内容多样化提供了更多方案。为了丰富程序化交易课程的内涵, 对量化策略的探讨研究提出了新的案例教学方法。由于在股票趋势预测的任务中, 公司股票的预测会受到相关联公司及多方面的隐性层面高管关系的影响。为了有效应对股票市场波动中的动量溢出效应, 就高管因素的影响提出一个基于多层图卷积神经网络(GCNN)的股票趋势预测及智能量化交易模型, 将其应用于实际课堂教学中充实课堂实例教学任务。该模型首先结合股票历史数据和市场媒体信息, 然后利用多层GCNN提取股票之间包含的具有交叉效应的公司间显性关系和高管间隐性关系等信息进行趋势预测, 最后通过强化学习(RL)进行策略训练。该模型不仅有效提高了股票趋势预测的准确性, 而且有效提升了投资组合优化收益。在CSI100E和CSI300E数据集上的实验结果表明, 该模型得到60.19%和57.44%的准确率, 而图卷积网络(GCN)模型得到51.58%和55.79%的准确率。通过分析得出该模型的股票趋势预测效果更好, 加入了预测结果的智能投资决策也更有效。该研究的方法和实验结果为金融课程提供了实际案例, 可帮助学生理解复杂市场动态和量化交易策略。

来源：2025年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第3期