动态共现图股价预测模型 COGRASP 实战：量化投资中的 Alpha 挖掘新范式

股价预测是量化投资中的核心挑战，其难点在于市场的高度非线性和动态性。挖掘股票间的潜在关联已被证明是提升预测精度的有效途径。然而，现有的关联挖掘方法主要依赖于行业分类、基金持仓等预定义概念，存在更新滞后、关系刻画粗糙、缺乏权重以及依赖人工分析等局限。

COGRASP 模型提出了一种全新的解决思路。它通过自动分析实时更新的在线资源（如研报、新闻和社交媒体帖子），动态构建股票共现图（Co-Occurrence Graph）来捕捉更真实的市场关联。同时，模型创新性地聚合了长、中、短三个时间尺度的预测结果，以全面捕捉市场的多频波动趋势。基于真实市场数据的实验表明，COGRASP 在 Information Coefficient (IC) 和 RankIC 等关键量化指标上显著超越了现有的 SOTA 方法。

1. 引言

股票市场在全球经济中扮演着资本配置与价值发现的关键角色。为了获取更高的超额收益（Alpha），不仅需要分析个股的时间序列特征，更需要理解股票间的交叉影响。股票间的关系天然具有图结构特性，因此图数据成为了一种直观且强大的信息载体。

传统方法构建的图主要分为预定义的静态图（如行业分类图）和数据驱动的相关性图。但这些图结构往往难以全面、动态地反映股票间复杂多变的关系。要实现高性能的股价预测，关键在于解决两个层面问题：在数据层面，需要捕捉股票间多样化的量化关系；在建模层面，需要从关系图中有效提取特征，并结合多时间尺度的时序信息进行综合建模。COGRASP 模型应运而生，它利用社交媒体数据衍生的共现图来捕捉潜在关联，并将这些模式与多时间尺度的时序特征相融合，最终生成更精准的预测。

2. 相关工作回顾

2.1 股价趋势预测

传统股价预测依赖于 ARIMA、SVM 等统计与机器学习模型，但在处理非线性特征时表现有限。随着深度学习的发展，RNN 及其变体 LSTM 因擅长处理序列数据而成为主流。引入注意力机制（Attention）的 LSTM 能够对关键时间步进行加权，进一步提升了模型精度。

然而，多数现有研究采用固定的时间窗口（Time Window），这引发了一个关键思考：单一固定窗口能否充分捕捉市场中不同频率的信息？尽管状态频率记忆网络（SFM）尝试通过离散傅里叶变换分解 LSTM 隐藏状态来捕捉多频率信息，但其仍受限于固定窗口的输入，可能无法同时有效建模对综合判断至关重要的高频噪声与低频趋势。

2.2 股票预测中的图构建

为利用股票间关联信息，图神经网络（GNN）被广泛应用。主流做法是基于行业板块、基金持仓等构建静态图。然而，这类固定且通常无权重的图结构往往无法准确刻画真实、动态的市场关系，且更新频率很低。

以中国 A 股市场为例，散户投资者贡献了超过 70% 的交易量，他们在社交媒体上的关注和讨论对股价有显著影响。在线论坛不仅是信息集散地，也揭示了投资者的注意力焦点和情绪迁移。这种社交互动（例如“散户逼空 GameStop”事件）会直接影响投资行为。因此，处理在线新闻、研报和帖子，能够有效捕捉散户注意力的动态表征，为股价预测提供高价值的增量信息。

3. 问题定义

本研究将股价预测任务形式化为相对价格变化预测，这比简单的收益率排名更贴合多空交易策略的实际需求。

定义股票集合，其中每只股票在交易日的历史交易数据向量为。给定一个关系图，其中代表股票间的关系集合，为关系权重。设定回溯窗口，任务是利用关系图和历史数据，预测下一个交易日所有股票的相对价格变化。

数学表达为：

4. 方法论

COGRASP 的整体架构包含三个核心模块：多关系挖掘模块、多时间尺度挖掘模块以及聚合模块。

4.1 多关系挖掘模块

4.1.1 传统概念图的缺陷

现有基于 GNN 的预测方法所依赖的概念图存在四大缺陷：

1. 低效性：同一概念下的股票关联强度不一致。例如，同属银行板块的几只股票走势可能分化严重，但概念图无法区分。
2. 不完整性：预定义的概念固定，难以捕捉跨行业、跨概念的关联。现实中，不同行业股票可能因宏观因素同涨同跌。
3. 无差别性：多数研究将图视为无权图，假设所有关联股票影响力相同，这与事实不符。
4. 僵化性：行业或持仓数据更新频率低（如半年报），无法适应快速变化的市场。

4.1.2 共现图构建

针对上述问题，COGRASP 提出利用在线资源构建动态共现图。当两只股票在同一篇内容中被共同提及时，就建立连接，边的权重由共现频率决定。

这种方法具有逻辑优势：

• 捕捉跨概念信息：投资者讨论热点时，常关联不同行业股票，共现图能捕捉这种复杂关系。
• 反映散户注意力：社交媒体热度直接映射资金关注度，是动态信号源。
• 量化关系强度：通过频率统计区分关系强弱，使图结构更精细。
• 支持动态更新：基于网络数据，图可按需高频更新。

4.1.3 图神经网络单元

利用构建好的共现图，模型采用切比雪夫谱图卷积算子来嵌入股票间的复杂关系。相比标准 GCN，切比雪夫 GCN 能更有效地建模间接和多跳关系，捕捉高阶信息。考虑到关系的时效性差异，模型将 GCN 生成的图嵌入与时序特征进行拼接，允许后续模块自适应地学习不同时间尺度下关系的影响强度。

4.2 多时间尺度挖掘模块

为提取多频率市场信息，该模块设计了三个并行的、基于注意力机制的 LSTM（ALSTM）单元，分别对应长期（如半月）、中期（如十天）和短期（如一周）的市场动力学。

具体流程：

1. 根据设定步长，从原始数据生成三个不同长度的序列输入。
2. 每个尺度的输入进入对应的 ALSTM 单元，输出隐藏状态序列。
3. 应用注意力机制计算隐藏状态的加权和，生成该尺度下的预测向量。

这一设计旨在模拟不同交易模式（如高频波动与低频趋势）对股价的叠加影响。

4.3 聚合模块

模型的最终输出是对三个时间尺度预测结果的加权聚合。通过三个可学习的权重参数（满足和为1的约束），动态融合短、中、长期的信号：。这种机制使模型能根据当前市场环境，自适应地调整对不同周期信号的依赖程度。

5. 实验与结果分析

5.1 实验设置

• 数据集：股票池为沪深300（CSI 300）成分股。社交媒体数据来自雪球网，包含2023年10月至2024年2月的30万条帖子，用于构建共现图。股票量价特征来自开源数据。
• 时间划分：训练验证集为2015年1月至2024年2月，测试集为2024年3月至6月。
• 评价指标：采用业界通用的 IC、RankIC、ICIR 和 RankICIR，衡量预测的相关性、排序能力及稳定性。
• 基准模型：对比了 MLP、XGBoost、LSTM、ALSTM、Transformer 及 HIST、STGCN、SFM、StockMixer、MDGNN 等高级模型。

5.2 性能对比 (RQ1)

实验结果显示，COGRASP 在所有评估指标上均显著优于基准模型。

• IC & RankIC：COGRASP 的 IC 达到 0.0546，RankIC 达到 0.0647，分别比表现最好的 SOTA 模型提升了 39% 和 140%。
• SFM 的表现优于普通 LSTM 和 Transformer，证明了利用多频率信息的有效性。
• 依赖预定义固定图的 HIST 和 STGCN 表现不及 COGRASP，证实了动态共现图的优越性。

5.3 消融实验 (RQ2)

通过逐步移除组件（如图模块、多时间尺度模块、聚合模块）构建变体模型，实验表明模型性能随组件增加而逐步提升。同时包含“多关系挖掘”和“多时间尺度挖掘”的全量模型表现最佳，验证了各模块的有效性与互补性。

5.4 网络分析与案例研究 (RQ3)

5.4.1 图结构统计特征

对比行业图、全连接相关性图和共现图：

• 连通性：行业图过于稀疏（密度0.03），有孤立成分；全连接图过于稠密（密度1），噪声大。共现图密度适中（0.34），且为单一连通巨分量，表明其捕捉了广泛而真实的市场关联。
• 中心性：共现图的平均接近中心性显著更高，信息传播效率更优。

5.4.2 子图可视化分析

选取9只股票的子图对比，共现图清晰展示了跨行业的强关联。例如，贵州茅台、中信建投和海康威视虽属不同行业，但在共现图中连接紧密，这与它们实际的价格走势联动一致。而行业图无法捕捉这种跨板块关联。

5.4.3 案例研究：上海机场 (SH600009)

分析上海机场在共现图中的前10大关联股票，揭示了多维市场逻辑：

• 中国中免：作为免税店运营方，是机场重要租金来源（商业伙伴）。
• 航空公司（南航、东航、国航）：机场的核心客户。
• 大秦铁路、上港集团：存在竞争或替代关系的交通方式。
• 长江电力、锦江酒店：受共同宏观或行业政策影响。 此案例表明，共现图成功捕捉了供应链、竞争、宏观关联等单一概念无法涵盖的复杂关系。

6. 讨论

尽管 COGRASP 表现优异，但仍存在局限性，核心在于输入数据（社交媒体）的质量不可控，噪声无法被彻底消除。

在可解释性方面，COGRASP 取得了一定进展：

1. 共现图权重：揭示了影响目标股票的潜在关联因子。
2. ALSTM 注意力权重：展示了历史关键时间点对当前预测的影响。
3. 聚合权重：解释了不同周期因素对最终决策的贡献比例。 未来的工作将致力于引入更先进的可解释 AI 方法，以进一步揭示模型决策背后的关键关系子图和时序特征。

7. 结论

本研究提出的 COGRASP 模型，通过挖掘在线文本数据构建动态股票共现图，有效克服了传统概念图更新滞后、关系单一的缺陷。结合多时间尺度 LSTM 网络与自适应聚合机制，该模型能够综合处理复杂的市场关联与多频率波动。基于真实数据的实证分析证明，COGRASP 在预测准确性上超越了现有主流方法，并通过案例分析展示了其捕捉真实市场逻辑的合理性与优越性，为量化投资中的因子挖掘与模型构建提供了新的视角与工具。