基于K线图的技术分析主要通过历史的价格信息形成图表,释放买卖信号,从而帮助投资者进行投资决策。它作为国内外很多投资者的分析工具,经过多年来的总结和实践形成了很多理论和方法。然而,基于K线图的技术分析过分依赖经验总结,其结果包含一定的主观性,因此,对于基于K线图的技术分析方法有效性的争议一直存在。在K线图当中是否真的蕴含着有效信息成为了人们关注的核心,也成为了一些学者的研究对象。近几年,深度学习研究广泛开展。其中,卷积神经网络在视觉识别领域已经发展得较为成熟。因此,本论文的研究基于B-CNN（Bilinear-CNN,双流线性卷积网络）提出了二叉树线性卷积神经网络模型和多阶段监督双流线性卷积网络模型,用于识别蜡烛统计图、MACD统计图、成交量柱形统计图、KDJ/AR（BR）折线统计图这四种不同的K线统计图,以预测股价涨跌情况。运用本文所设计的模型,在蜡烛统计图、MACD统计图、成交量柱形图统计图、KDJ/AR（BR）折线统计图上的准确率,分别达到了58.41%,56.85%,56.56%,54.4%。在此基础上,本文通过融合算法将四种模型结果进行综合评估,使得综合准确率达到了58.85%。最终本论文研究发现,将K线图直接作为卷积神经网络的输入形式来进行研究是可行的。并且初步得到了K线图中确实包含有可以预测未来价格变动的信息这一结论,也即在本论文研究的视角下,图形技术分析是有效的。