聚焦申万金工因子观察第13期:视觉大模型ViT在量化选股上的探索。报告认为,一方面新的信息来源如研报、文本等值得探索,另一方面在方法论上引入新的模型也值得尝试。本文探索图形作为信息可能的增量入口,通过当前主流大模型的视觉架构——ViT(Vision Transformer)来尝试分析股价的图形走势,看图形是否具备额外的 alpha信息,并为一个经典的 Light BGM 模型提升表现。在本文的测算中,我们对 20 万张 k 线图进行训练,以 ViT 输出的向量进一步考察向量和股价的关系,我们在图 2 展示了主要的流程,K 线图在分割成不同的方块后,再通过若干次神经网络,得到 1152 维的向量数据,这个向量数据虽然本身缺乏直观的经济学含义,但代表该图片的主要信息,我们继续以 1152 维向量的信息来进行和股价的回归。
聚焦申万金工因子观察第13期:视觉大模型ViT在量化选股上的探索。报告认为,一方面新的信息来源如研报、文本等值得探索,另一方面在方法论上引入新的模型也值得尝试。本文探索图形作为信息可能的增量入口,通过当前主流大模型的视觉架构——ViT(Vision Transformer)来尝试分析股价的图形走势,看图形是否具备额外的 alpha信息,并为一个经典的 Light BGM 模型提升表现。在本文的测算中,我们对 20 万张 k 线图进行训练,以 ViT 输出的向量进一步考察向量和股价的关系,我们在图 2 展示了主要的流程,K 线图在分割成不同的方块后,再通过若干次神经网络,得到 1152 维的向量数据,这个向量数据虽然本身缺乏直观的经济学含义,但代表该图片的主要信息,我们继续以 1152 维向量的信息来进行和股价的回归。
聚焦申万金工因子观察第13期:视觉大模型ViT在量化选股上的探索。报告认为,一方面新的信息来源如研报、文本等值得探索,另一方面在方法论上引入新的模型也值得尝试。本文探索图形作为信息可能的增量入口,通过当前主流大模型的视觉架构——ViT(Vision Transformer)来尝试分析股价的图形走势,看图形是否具备额外的 alpha信息,并为一个经典的 Light BGM 模型提升表现。在本文的测算中,我们对 20 万张 k 线图进行训练,以 ViT 输出的向量进一步考察向量和股价的关系,我们在图 2 展示了主要的流程,K 线图在分割成不同的方块后,再通过若干次神经网络,得到 1152 维的向量数据,这个向量数据虽然本身缺乏直观的经济学含义,但代表该图片的主要信息,我们继续以 1152 维向量的信息来进行和股价的回归。核心数据:它是当前多模态大模型视觉的主流选择——Qwen-VL、Kimi 的 MoonViT 都是这个架构,ModelScope 有完整镜像,约3.5G,可直接下载,参数量为 4 亿;我们在对该模型进行输入时:是把每个股票过去 60 个交易日的 K 线图生成384×384 像素的图片,切成 14×14 的小方块,共 729 块,喂给模型,输出则是对每张图生成一个 1152 维的向量。
本报告由申万宏源发布,发布于 2026 年。
覆盖 2026 年。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合战略规划、产品经理、行业研究员等读者参考。
重点分析了大模型、量化、申万金工因子观察第13期等议题。