本文理论意义有以下三点。第一，对于股票关系构建的意义。本文提出了基于股票图像哈希相似性构建股票关系的方法。第二，对于股票节点信息挖掘的意义。本文将股票图像信息作为股票节点信息是一次新尝试。第三，对于股票图像使用的意义。本文基于自己提出的选股框架选用了多种图像进行试验，最终得到一些相关结论。

本研究共进行了三步实验

基于股票图像的选股策略

通过对比三种不同的策略组合（仅使用股票图像的选股策略、基于股票图像和图自编码器的选股策略、基于股票图像和变分图自编码器的选股策略），证明了基于聚类选取相关性较差的股票构建投资组合是一件可行之事，其关键在于能够有效提取股票特征。同时实验证明吸收股票图像信息和股票关系信息能够增强选股策略表现。

基于变分图自编码器更改交易频次和股票图像的选股策略

因为第一部分实验已经展现了变分图自编码器的优势，在此基础上，为了获得更高收益本部分实验加快了交易频率。结果显示加快交易频率，将交易频率由一个月改为一周后获得了更好收益。最后考虑到不同图像承载着不同信息，实验效果也会不一样，因此在交易频率为一周的基础上本部分实验又对比了五种图像收益率，最后获得了更好收益。

更改聚类数目的选股策略

由于不同图像代表着股票不同信息，因此基于图像信息的股票类别可能有多种，本部分实验在第二部分实验基础上将聚类数目设定为5、10、15进行对比，获得了更好收益。

总结

基于变分图自编码器的选股策略在收益上高于图自编码器，经过该框架内一些细节调整，基于变分图自编码器获得的收益率远超同期沪深300指数收益率，显示了本文提出的选股策略的优越性。其次本文还对聚类数目不同对投资组合收益率造成的影响做了一定研究。实验结果显示当股票聚类数目越多，投资组合选取的股票越多，则整个投资组合的风险是一直在下降的。而聚类数目少，则投资组合的风险大，但是也可能获得更高的收益。

股票市场充斥着关系信息。考虑股票并不能只考虑单只股票的信息，还要考虑该股票的相关性。因此本文在前人研究基础上将股票关系信息和股票图像进行融合后选股，提出了一个新的选股框架，最终显示本文选股策略能实现收益率和夏普率都优于同期沪深300指数。