量化投资在人工智能等相关技术不断提升的浪潮应用中迎来了一轮又一轮的变革,极大提升的计算能力和维度更广更及时的多种信息为其带来了更多的可能。近年来众多深度学习模型尤其是时间序列相关模型的应用为量化投资领域带来了不断的突破与进展,其对股票信息指标的利用能力与对序列数据的强大处理能力带来了对股票走势的强大预测可能,也在相关投资的利润最大化方面发挥了关键作用。但也必须承认积累了相当经验的专业投资者的对市场的理解能力及其对股票投资价值的认识,此类专业投资者对股票内在性质的理解信息对于股票市场走势的预测有着难以估量的作用。而当前的深度学习在应用于量化投资领域时往往仅使用众多股票自身技术指标而极少利用专业投资者对股票内在性质的理解信息,这极可能是应用深度学习量化投资的一个重要改进点。本文主要探究在加入专业投资者对股票内在性质的理解信息后,深度学习模型对于股票预测能力的变化以及这一变化对于相应量化投资的影响。在研究中以基于过往研究中常见的技术量化因子训练得来的LSTM模型作为研究的基准模型,使用了众多基金定期披露的股票持有数据作为专业投资者对股票内在性质理解的原始信息。基于基金-股票的持有数据构建了相应的图网络,并使用Deep Walk,Node2Vec等图表示学习抽取得到了不同的股票节点静态嵌入表示,最后将节点的嵌入式表示与股票市场的收益情况综合分析得到股票节点的动态嵌入式表示,并将静态嵌入表示与动态嵌入表示分别加入到基准模型中,对比分析有无嵌入表示信息,嵌入表示信息的动态化与否对股票市场预测的影响,以更进一步反应加入了不同嵌入表示下的深度学习量化投资的收益各项指标差异。最终实验结果表明,动态嵌入的股票节点表示能够一定程度上提高模型对股票未来走势的预测能力。