As a newly developed method, the natural visibility graph (NVG) has attracted great attention. Most of the previous research focuses on exploring the time series using the NVG from the angle of the complex network while few efforts have been paid to the degree sequence of the NVG. Recently, two studies indicate that the degree sequence of the horizontal visibility graph (HVG) represents the local motif information of the time series and utilize it to classify time series. Though the performance of the HVG-based classification algorithm is not satisfying, we would like to further explore whether the degree sequence of the NVG could be utilized in practical applications. Hence, we propose the concept of natural visibility encoding for the time series to extract the motif information from the time series through the NVG transformation. To obtain the local motif information from the whole time series, a moving window encoding strategy is also developed. The stock trend prediction (STP) problem is selected as the application area and a universal STP framework is proposed based on the natural visibility encoding and the moving window strategy. By conducting three experiments with over twenty baseline algorithms and the ablation study, the validation, effectiveness, and robustness of the proposed framework are proven. The success of the proposed framework suggests that the degree sequence of the NVG transformation could provide useful information for practical usage. We hope our work could inspire further efforts on investigating the degree sequence of the NVG transformation in the dimension of time.

作为一种新开发的方法，自然可见性图（NVG）引起了极大的关注。以往的研究大多集中在从复杂网络的角度探索使用NVG的时间序列，而很少对NVG的度数序列进行研究。最近，两项研究表明水平可见性图（HVG）的度数序列表示时间序列的局部主题信息，并利用它对时间序列进行分类。虽然基于 HVG 的分类算法的性能并不令人满意，但我们想进一步探索 NVG 的度数序列是否可以在实际应用中使用。因此，我们提出了时间序列自然可见性编码的概念，以通过 NVG 转换从时间序列中提取主题信息。为了从整个时间序列中获取局部主题信息，还开发了一种移动窗口编码策略。以股票趋势预测（STP）问题为应用领域，提出了基于自然可见性编码和移动窗口策略的通用STP框架。通过对二十多个基线算法进行三个实验和消融研究，证明了所提出框架的有效性、有效性和鲁棒性。所提出框架的成功表明 NVG 转换的度数序列可以为实际使用提供有用的信息。我们希望我们的工作能够激发在时间维度上研究 NVG 转换的程度序列的进一步努力。还开发了移动窗口编码策略。以股票趋势预测（STP）问题为应用领域，提出了基于自然可见性编码和移动窗口策略的通用STP框架。通过对二十多个基线算法进行三个实验和消融研究，证明了所提出框架的有效性、有效性和鲁棒性。所提出框架的成功表明 NVG 转换的度数序列可以为实际使用提供有用的信息。我们希望我们的工作能够激发在时间维度上研究 NVG 转换的程度序列的进一步努力。还开发了移动窗口编码策略。以股票趋势预测（STP）问题为应用领域，提出了基于自然可见性编码和移动窗口策略的通用STP框架。通过对二十多个基线算法进行三个实验和消融研究，证明了所提出框架的有效性、有效性和鲁棒性。所提出框架的成功表明 NVG 转换的度数序列可以为实际使用提供有用的信息。我们希望我们的工作能够激发在时间维度上研究 NVG 转换的程度序列的进一步努力。以股票趋势预测（STP）问题为应用领域，提出了基于自然可见性编码和移动窗口策略的通用STP框架。通过对二十多个基线算法进行三个实验和消融研究，证明了所提出框架的有效性、有效性和鲁棒性。所提出框架的成功表明 NVG 转换的度数序列可以为实际使用提供有用的信息。我们希望我们的工作能够激发在时间维度上研究 NVG 转换的程度序列的进一步努力。以股票趋势预测（STP）问题为应用领域，提出了基于自然可见性编码和移动窗口策略的通用STP框架。通过对二十多个基线算法进行三个实验和消融研究，证明了所提出框架的有效性、有效性和鲁棒性。所提出框架的成功表明 NVG 转换的度数序列可以为实际使用提供有用的信息。我们希望我们的工作能够激发在时间维度上研究 NVG 转换的程度序列的进一步努力。并且证明了所提出框架的稳健性。所提出框架的成功表明 NVG 转换的度数序列可以为实际使用提供有用的信息。我们希望我们的工作能够激发在时间维度上研究 NVG 转换的程度序列的进一步努力。并且证明了所提出框架的稳健性。所提出框架的成功表明 NVG 转换的度数序列可以为实际使用提供有用的信息。我们希望我们的工作能够激发在时间维度上研究 NVG 转换的程度序列的进一步努力。