第1章
图神经网络选股导论
量化投资概述 · 传统选股局限 · GNN优势 · 学习路径
导论概览
第2章
金融市场数据基础
tushare/akshare · 数据清洗 · 时间序列对齐 · 缺失值
数据预处理
第3章
图论基础与股票关系建模
图概念 · 行业/产业链/相关性 · 邻接矩阵 · 边权
图论关系
第4章
PyTorch基础与张量操作
环境配置 · 张量创建/运算 · 自动求导 · GPU加速
PyTorch张量
第5章
PyTorch Geometric入门
PyG安装 · Data对象 · Dataset/DataLoader · 内置数据集
PyG图数据
第6章
图卷积网络（GCN）原理
谱域图卷积 · 拉普拉斯矩阵 · 公式推导 · 消息传递
GCN谱域
第7章
图注意力网络（GAT）原理
自注意力 · 多头注意力 · 公式推导 · 与GCN对比
GAT注意力
第8章
GraphSAGE与归纳式学习
采样聚合 · 邻居策略 · 归纳vs直推 · Minibatch
GraphSAGE归纳
第9章
股票关系图构建实战
行业分类图 · 相关性网络 · 动态图 · 图可视化
实战构图
第10章
节点特征工程
MACD/RSI/KDJ · 量价因子 · 基本面因子 · 标准化
特征技术指标
第11章
标签设计与回测框架
收益率计算 · 涨跌分类 · 回测框架 · 夏普/最大回撤
标签回测
第12章
GCN选股模型搭建
模型架构 · 前向传播 · 训练循环 · 保存/加载
GCN选股
第13章
GAT选股模型搭建
多头注意力 · 架构设计 · 训练调优 · 与GCN对比
GAT对比
第14章
GraphSAGE选股模型搭建
邻居采样器 · 聚合器 · Minibatch · 大规模应用
GraphSAGE大规模
第15章
模型训练与优化
损失函数 · 优化器 · 学习率调度 · 早停/正则化
训练优化
第16章
超参数调优
网格搜索 · 随机搜索 · 贝叶斯优化 · 影响分析
调参超参数
第17章
多图融合与异构图
多关系融合 · 异构图HAN · 元路径 · 多源信息
异构图HAN
第18章
时序图神经网络
时间感知图卷积 · 循环图网络 · STGCN · 时序依赖
时序STGCN
第19章
图注意力时序网络（TGAT）
时间编码 · 时序注意力 · 动态图更新 · 在线预测
TGAT动态图
第20章
模型评估与解释性
特征重要性 · GNNExplainer · 注意力可视化 · 鲁棒性
可解释评估
第21章
过拟合与泛化策略
图数据增强 · DropEdge · 图正则化 · 交叉验证
泛化正则
第22章
大规模图训练技术
Cluster-GCN · GraphSAINT · 分布式训练 · 内存优化
大规模分布式
第23章
多任务学习框架
多任务概念 · 共享表示 · 任务权重 · 风险/收益联合
多任务联合
第24章
强化学习与图网络结合
RL基础 · 图策略网络 · 环境交互 · 交易执行
强化学习交易
第25章
实盘模拟与回测系统
模拟交易 · 滑点/手续费 · 实盘数据 · 风控模块
回测模拟
第26章
模型部署与API服务
Flask/FastAPI · 模型序列化 · 在线推理 · 监控日志
部署API
第27章
前沿研究论文精读
ICLR/NeurIPS · 最新架构 · 未来方向 · 复现技巧
论文前沿
第28章
项目实战：A股全市场选股
数据准备 · 图构建 · 模型训练 · 回测分析 · 策略报告
实战A股
第29章
项目实战：美股行业轮动策略
行业图构建 · 轮动信号 · 组合优化 · 绩效归因
美股轮动
第30章
课程总结与进阶路径
核心回顾 · 常见问题 · 学习资源 · 社区竞赛
总结进阶