图神经运算符 （GNO）能不能用于炒股？

作者：老余捞鱼

原创不易，转载请标明出处及原作者。

写在前面的话：
       在不断发展的机器学习和金融技术领域中，图神经运算符 （GNO） 已成为对复杂系统进行建模的强大工具。这篇博文将探讨什么是 GNO、它们的用途以及如何将它们应用于具有挑战性的股票价格预测任务。

一、图神经运算符及其用途

       Graph Neural Operators 是 Graph Neural Networks （GNN） 的扩展，旨在学习和操作图形结构数据。传统的 GNN 使用固定的图形结构，而 GNO 可以处理动态图形并学习近似在图形上定义的函数空间之间映射的复杂运算符。

        GNO 的主要目的是对实体 （节点） 具有复杂、相互依赖的关系 （边） 的系统中的行为进行建模和预测。它们在以下场景中表现出色：

1. 底层系统可以用图表示。
2 实体之间的关系对于预测非常重要
3 系统表现出非线性动力学

        GNO 通过学习近似连续运算符来实现这一点，使他们能够捕获数据中复杂的模式和依赖关系。

二、使用 GNO 对股票价格预测进行建模

        股票市场是具有相互依存实体的复杂系统的典型例子。每只股票都可以被视为图表中的一个节点，其边表示股票之间的关系或相关性。这些关系是动态的，可能会根据各种因素（如市场状况、公司绩效和全球事件）随着时间的推移而变化。

        在我们的股票价格预测模型中，我们使用 GNO 来捕获这些复杂的关系并预测未来的股票价格。以下是我们解决问题的方法：

1. 数据表示：我们使用多家公司的历史股票价格作为我们的输入数据。每只股票都是我们图中的一个节点，边缘由股票价格之间的相关性决定。

2. 图形构建：我们根据历史价格走势计算相关矩阵，并使用它来在相关性高于特定阈值的股票之间创建边缘。

3.