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），采样形状为40*18（过去40天的特征）[13][14] 2. GAN部分： - 生成器（LSTM）：输入原始量价特征（40,18），输出生成的特征（40,18）[29][32] - 判别器（CNN）：处理二维时序特征，损失函数为： $L_{D}=-\mathbb{E}_{x\sim P_{d a t a}(x)}[\log\!D(x)]-\mathbb{E}_{z\sim P_{z}(z)}[\log(1-D(G(z)))]$ 生成器损失函数为： $L_{G}\,=\,-\mathbb{E}_{z\sim P_{z}(z)}[\log(D(G(z)))]$[20][23] 3. GRU部分：两层GRU(128,128) + MLP(256,64,64)，输出预测收益pRet作为因子[18] 4. 训练细节：半年度滚动训练，Adam优化器，学习率1e-4，损失函数为IC[14] - 模型评价：通过对抗训练提升特征生成能力，保留时序性质的同时增强特征逼真度[26][29] --- 模型的回测效果 1. GAN_GRU模型 - IC均值：11.54%（全A股，2019-2025）[36] - ICIR：0.89[37] - 年化超额收益率：24.95%[37] - 信息比率（IR）：1.56[37] - 最大回撤：27.29%[37] - 最新一期IC：8.34%（2025年6月）[36] - 行业表现：建筑装饰、公用事业等行业IC均值最高（19.68%、17.15%）[37][39] --- 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][36] - 因子具体构建过程： 1. 模型输出预测收益pRet 2. 截面标准化+行业市值中性化处理[18] - 因子评价：在全A股范围内表现稳定，行业适应性较强[36][40] --- 因子的回测效果 1. GAN_GRU因子 - 多头组合超额收益： - 家用电器行业最高（7.27%单月，5.90%近一年）[40][41] - 全行业近一年均跑赢基准[40] - 行业IC排名：建筑装饰（26.10%单月）、基础化工（25.43%）[37][39] - 换手率：0.83[37] --- 多头组合示例（2025年6月） - 前十个股：凤凰传媒、川投能源、海尔智家等[42][44] - 行业排名第一个股：中国电建（建筑装饰）、宝信软件（计算机）等[42]