第01章
课程导论
GNN与基本面分析的结合点 · 课程目标与学习路径 · 必备数学与编程基础回顾
入门概览
第02章
图论基础
图的定义与表示 · 图的类型 · NetworkX入门
图论Python
第03章
基本面分析基础
财务报表核心指标 · 估值指标 · 行业与宏观经济数据
财务估值
第04章
数据工程：构建股票关系图
行业/供应链/股东关联 · Tushare & Yahoo Finance · 数据清洗
数据构建
第05章
特征工程
节点特征设计 · 边特征设计 · 标准化与归一化
特征预处理
第06章
GNN基础（一）
消息传递机制 · GCN原理与公式 · PyG环境搭建
GCNPyG
第07章
GNN基础（二）
图注意力网络GAT · 多头注意力 · GAT vs GCN
GAT注意力
第08章
GNN基础（三）
GraphSAGE · 归纳式与直推式 · 大规模图处理
采样归纳
第09章
GNN基础（四）
图自编码器GAE/VGAE · 链路预测 · 节点表示学习
自编码器表示
第10章
GNN基础（五）
时序图神经网络 · 动态图建模 · STGCN/TGAT
时序动态
第11章
模型架构设计（一）
端到端预测：图结构+节点特征 → 收益率/评级
端到端预测
第12章
模型架构设计（二）
两阶段模型：GNN + MLP/Transformer
两阶段混合
第13章
模型架构设计（三）
多任务学习：收益率+波动率+行业轮动
多任务联合
第14章
模型架构设计（四）
异构图神经网络 · 股票/行业/宏观因子
异构图复杂
第15章
模型架构设计（五）
可解释性GNN · GNNExplainer · 注意力可视化
可解释可视化
第16章
训练与优化（一）
损失函数 · 优化器选择 · MSE/Huber/Ranking Loss
损失优化
第17章
训练与优化（二）
过拟合与正则化 · 交叉验证 · 时间序列滚动
正则化验证
第18章
训练与优化（三）
超参数调优 · 学习率调度 · Cosine Annealing
调参调度
第19章
训练与优化（四）
不平衡数据处理 · Focal Loss · 时间衰减
不平衡加权
第20章
回测与评估（一）
回测框架搭建 · Backtrader/Zipline · 交易成本模拟
回测框架
第21章
回测与评估（二）
绩效指标 · 夏普/最大回撤/信息比率 · 显著性检验
绩效统计
第22章
回测与评估（三）
因子分析 · IC/Rank IC · 分层回测与组合优化
因子IC
第23章
实战项目（一）
行业轮动策略 · GCN预测行业指数 · 行业配置
实战轮动
第24章
实战项目（二）
Alpha因子挖掘 · GAT从关系图挖掘新因子
Alpha挖掘
第25章
实战项目（三）
事件驱动策略 · 财报/新闻异构图 · 事件影响预测
事件异构图
第26章
实战项目（四）
供应链风险传导 · 上游风险对下游影响
供应链风险
第27章
实战项目（五）
全流程自动化 · 数据→模型→交易信号Pipeline
自动化Pipeline
第28章
前沿与进阶（一）
Graph Transformer · 预训练图模型GPT-GNN
前沿Transformer
第29章
前沿与进阶（二）
强化学习+GNN · 图神经网络驱动量化智能体
强化学习智能体
第30章
课程总结与展望
局限性 · 未来方向 · 学习资源推荐
总结展望