量化模型与构建方式 1. 模型名称：GAN_GRU模型 - 模型构建思路：结合生成式对抗网络（GAN）和门控循环单元（GRU）的深度学习模型，通过GAN处理量价时序特征后，利用GRU进行时序编码生成选股因子[9][10] - 模型具体构建过程： 1. 数据输入：18个量价特征（如收盘价、成交量等），过去400天的数据，每5天采样一次，形成40×18的特征矩阵[13][14] 2. GAN部分： - 生成器（G）：LSTM结构，输入噪声生成模拟量价特征，损失函数为： $L_{G}\,=\,-\mathbb{E}_{z\sim P_{z}(z)}[\log(D(G(z)))]$ - 判别器（D）：CNN结构，区分真实与生成特征，损失函数为： $L_{D}=-\mathbb{E}_{x\sim P_{d a t a}(x)}[\log\!D(x)]-\mathbb{E}_{z\sim P_{z}(z)}[\log(1-D(G(z)))]$ - 交替训练G和D直至收敛[20][23][26] 3. GRU部分：两层GRU(128,128)提取时序特征，后接MLP(256,64,64)输出预测收益pRet作为因子[18] 4. 数据处理：时序去极值+标准化，截面标准化[14] - 模型评价：通过对抗训练提升特征生成质量，保留时序特性，适配金融数据的高噪声环境[29][33] --- 量化因子与构建方式 1. 因子名称：GAN_GRU因子 - 因子构建思路：基于GAN_GRU模型输出的预测收益pRet，经行业市值中性化+标准化处理后作为选股因子[18][37] - 因子具体构建过程： 1. 模型每半年滚动训练（6月30日/12月31日），预测未来半年收益[14] 2. 剔除ST股及上市不足半年的股票，保留有效样本[14] 3. 因子值=模型输出的pRet，截面排序后取前10%作为多头组合[37][44] --- 模型的回测效果 1. GAN_GRU模型： - IC均值：11.57%（全A股，2019/01-2025/05）[37] - ICIR：0.89[38] - 年化超额收益率：25.01%[37] - 信息比率（IR）：1.66[38] - 最大回撤：27.29%[38] --- 因子的回测效果 1. GAN_GRU因子： - 近期IC（2025/05）：-0.28%，近一年IC均值11.54%[37][38] - 行业表现： - 当期IC前五行业：社会服务（30.15%）、国防军工（28.07%）、银行（25.31%）[39] - 近一年IC均值前五行业：建筑装饰（18.54%）、公用事业（18.14%）[39] - 多头组合超额收益： - 当期最高行业：商贸零售（8.22%）、国防军工（7.15%）[42] - 近一年月均最高行业：石油石化（5.60%）、建筑材料（5.29%）[42] --- 多头组合示例（2025/05） - 前十个股：顺威股份（家用电器）、博深股份（机械设备）、九典制药（医药生物）等[44][48] - 行业排名第一个股：如顺威股份（家用电器）、盛剑科技（环保）等[44]