首先，我們先來看一下通過卷積神經網絡選股模型的整體流程，然后再根據每一步流程進行介紹，具體如下圖所示：

1、數據獲取

用于歷史回測數據來自所有A股股票，其中剔除了ST股以及上市3個月的股票，另外，每只股票是做一個樣本。回測的區間是從2011年1月31日到2019年1月31日。

2、特征和標簽提取

通過CNN進行分類預測時，必然需要進行對特征進行提取并進行標簽的標注工作。其中，樣本特征是根據每個自然月的最后一個交易日計算82個因子值，作為原始特征。由于卷積神經網絡需要提供二維的平面數據，所以這里選取的每個樣本數據考慮了5個歷史截面期，這樣得到的數據就是一個82×5的因子圖片了。下面展示了某個股10個因子，5個歷史截面期時的因子圖片。其中，t表示事件截面的時間周期刻度。這樣，如果在一個時間截面上有3000支股票，那么就可以得到3000張個股的因子圖片了。

對于分類問題，其標簽是根據下個月的排名進行設置，其中收益前30%的股票作為正例，后30%的股票作為負例，以此作為樣本的標簽。

3、特征預處理和二維數據生成

這部分主要包括對因子序列去極值，處理缺失值以及對因子序列進行標準化處理等。然后根據前面的要求的形式，將其轉換為因子圖片，這樣在每個月的截面上，就可以得到所有股票池中的截面數據了。下圖中列出了用到的82中因子的一部分。

4、滾動訓練集和驗證集的合成

由于按照月度滾動的形式進行訓練，時間開銷會比較大，所以文中采用的是年度滾動的訓練方式。即全體樣本內外數據分為九個階段，例如預測2011年時，將2005年到2010年共72個月的數據合并作為樣本內數據，預測T年時，將T-6到T-1年的72個月合并為樣本內數據，具體如下圖所示。

5、樣本內訓練

使用卷積神經網絡對訓練集的數據進行訓練。

6、交叉驗證調參

隨機選取10%訓練樣本內的數據作為驗證集，每次在驗證集上的loss達到最小時，停止訓練。

7、樣本外測試

在確定最優參數之后，以T月截面期所有樣本預處理后的特征作為模型的輸入，得到對于每個樣本的預測值，并將預測值作為合成后的因子，對單因子進行分層回測。

8、模型評價

通過分層回測和構建的選股策略的結果作為模型評價的標準。