cnn_pattern
把价格和成交量变成数字，让 CNN 寻找规律。
港股研究 · 历史实验
让 CNN 看 K 线，我们试到了哪一步
我们找回了旧实验里的图片和回测记录。图像模型能跑通，但还不能确认它在没见过的数据上有稳定优势。
这里展示的是历史模拟，不是比赛账户的实际收益。训练边界、选股范围和实际成交仍需核实。
01 / 港股研究 · 历史实验
模型看到的是什么
一张图压缩了连续 20 个交易日。模型看到价格变化的形状和成交量，再尝试预测后面的涨跌。下面两张是旧发布包中真正导出的输入图。
原图只有 20 × 20 个像素，放大后线条像小方块。下方短柱表示成交量。
竖线表示当天最高价到最低价，左右短横分别表示开盘和收盘。灰线是移动平均价。
两张图使用不同的预测期限，不能根据事后标签比较模型优劣。行情来源与图片再分发许可尚未独立核验。
02 / 2018–2026
如果三种方法都从 100 开始
这份旧报告比较了 12 只港股，记录从 2018 年 1 月 2 日到 2026 年 5 月 22 日。曲线到 150，表示起初的 100 变成了 150。选择一种方法，或把鼠标放在曲线上查看某一天。
这里展示的是历史模拟，不是比赛账户的实际收益。训练边界、选股范围和实际成交仍需核实。
| 方法 | 起点 100 的期末价值 | 累计收益 | 最大回撤 |
|---|---|---|---|
| 图像 CNN | 114.87 | +14.87% | 59.47% |
| 均线规则 | 191.70 | +91.70% | 34.73% |
| 动量规则 | 102.31 | +2.31% | 42.65% |
图像 CNN 最后约为 114.87，但中途曾从高点跌去 59.47%。均线规则在这份报告中表现更好。三种方法的持仓和交易频率不同，不能只凭收益判断原因。
记录中的费用假设是每交易 1 万元计入约 30 元成本。收益是八年多的累计结果，不能当成年收益。
预测表虽然标有年份分组，我们还没有找到能对应这次运行的完整训练程序和配置。训练是否避开未来信息尚不能确认，股票池、复权和实际成交也未完成核验。
03 / CNN
以前做过哪些 CNN 方案
原项目列过六个相关条目。它们共享一些基础，参数调整和附加规则也各算一项。
cnn_pattern_mvp
使用同一数字模型，降低门槛以便先跑通流程。
cnn_image_pattern
把 K 线窗口画成图片，再交给 CNN。
cnn_walk_forward_rank
先用过去数据训练，再为后面的股票排序。
cnn_plus_sentiment
在基础 CNN 信号上加入情绪过滤。
cnn_vol_regime
在 CNN 和情绪信号上加入波动率和风险控制。
比赛项目后来也做过检查
2026 年 10 月的诊断样本很小，图像模型的预测还包含训练期数据。严格按时间分段训练的数值模型因样本太短，没有产生完整检验段。现有材料适合研究演示，不能证明图像 CNN 已具备可用于比赛的优势。
来源和详细记录
曲线由公开发布包的逐日组合价值归一化生成，并与原报告的累计收益和最大回撤核对。模型输入图、回测结果和训练方法的证据分别检查，尚不能把它们当成一份完整运行凭证。