01
课程导论
GNN基础概念 · 股票关联分析的意义 · 课程框架与学习路径
入门全景
02
股票市场关联性基础
关联定义 · 行业/供应链/资金流 · 皮尔逊·互信息
量化指标
03
图论基础回顾
邻接矩阵/表 · BFS/DFS · 度·连通性·聚类系数
图论基础
04
图神经网络入门
从NN到GNN · 消息传递 · GNN vs 传统深度学习
核心对比
05
GCN 原理
谱域卷积 · 切比雪夫近似 · 逐层传播公式与代码
GCN谱域
06
GAT 原理
注意力机制 · 多头注意力 · 数学推导与代码
GAT注意力
07
GraphSAGE & 归纳式学习
归纳vs直推 · 采样聚合策略 · 代码实现
归纳采样
08
GIN 原理
WL测试 · 聚合函数设计 · 代码实现
GIN表达力
09
股票关联图构建方法
行业分类 · 相关性阈值 · 知识图谱
构图实战
10
动态图神经网络
时序图 · TGAT/EvolveGCN · 股票时序关联建模
动态时序
11
图表示学习与节点嵌入
Node2Vec · DeepWalk · GNN嵌入应用
嵌入表示
12
GNN在股票聚类中的应用
行业聚类 · 风格聚类 · 风险聚类
聚类无监督
13
GNN在关联预测中的应用
未来关联强度 · 方向预测 · 断裂预警
预测关联
14
GNN在收益率预测中的应用
图因子挖掘 · LSTM-GNN · Transformer-GNN
收益率混合模型
15
GNN在投资组合优化中的应用
图约束资产配置 · 风险分散 · 最小方差组合
组合优化
16
GNN在风险传播分析中的应用
系统性风险 · 传染路径 · 压力测试
风险传染
17
GNN在事件驱动交易中的应用
事件图谱 · 关联影响建模 · 交易策略
事件驱动
18
GNN与强化学习的结合
图强化学习框架 · 状态编码器 · 订单簿交易
强化学习订单簿
19
GNN模型可解释性
GNNExplainer · 注意力权重 · 子图模式
可解释可视化
20
GNN训练技巧
图增强 · DropEdge · PairNorm · 超参数调优
训练正则
21
大规模图训练技术
Mini-batch · 邻居采样 · DGL/PyG分布式
大规模分布式
22
图数据预处理与特征工程
标准化 · 度/PageRank/聚类系数 · 缺失值
预处理特征
23
GNN评估与回测
AUC/F1 · 时序回测框架 · 过拟合防范
评估回测
24
PyTorch Geometric 实战 (上)
环境搭建 · DataLoader · 自定义数据集
PyG实战
25
PyTorch Geometric 实战 (下)
模型定义 · 训练循环 · 保存与加载
PyG训练
26
DGL 实战
DGL数据格式 · 消息传递API · 与PyG对比
DGL对比
27
完整项目实战 (一)
数据获取与清洗 · Tushare/YFinance · 关联图构建
项目数据
28
完整项目实战 (二)
GNN模型设计 · 超参数搜索 · 模型评估
项目调优
29
完整项目实战 (三)
回测系统 · 策略绩效 · 风险指标
项目回测
30
课程总结与前沿展望
异构图 · 时序Transformer · GNN+LLM · 未来方向
前沿总结