量化因子与构建方式 1. 因子名称：日内高频偏度因子 - 构建思路：通过捕捉股票日内收益分布的偏度特征来预测未来收益[13] - 具体构建过程：计算日内收益率的三阶矩标准化后的偏度值，公式为： $Skew = \frac{E[(r-\mu)^3]}{\sigma^3}$ 其中$r$为日内收益率，$\mu$为均值，$\sigma$为标准差[13] 2. 因子名称：日内下行波动占比因子 - 构建思路：衡量下行波动在总波动中的占比，反映风险不对称性[19] - 具体构建过程：计算下行收益率的标准差与整体标准差的比值： $DownVolRatio = \frac{\sqrt{\sum_{r<0}(r-\mu_-)^2/N_-}}{\sigma}$ $\mu_-$为下行收益均值，$N_-$为下行观测数[19] 3. 因子名称：开盘后买入意愿占比因子 - 构建思路：通过开盘后特定时段的大单买入占比捕捉资金流向[23] - 具体构建过程：统计开盘后30分钟内大单买入金额占总成交金额比例[23] 4. 因子名称：改进GRU(50,2)+NN(10)因子 - 构建思路：结合门控循环单元(GRU)和神经网络(NN)的深度学习模型[14] - 具体构建过程： - 第一层GRU网络处理50个时间步长的输入特征 - 第二层GRU输出2维隐藏状态 - 10层全连接神经网络进行最终预测[14] 5. 因子名称：多颗粒度模型-5日标签因子 - 构建思路：基于双向AGRU网络处理不同时间尺度的价格特征[70] - 具体构建过程： - 输入层接收5日累计收益率作为训练标签 - 双向AGRU网络提取多时间尺度特征 - 注意力机制动态加权特征重要性[70] 因子回测效果 1. 日内高频偏度因子 - 上周多空收益：-0.66% - 8月多空收益：-0.37% - 2025年多空收益：16.9% - 历史IC：0.026 - 2025年IC：0.037[10] 2. 改进GRU(50,2)+NN(10)因子 - 上周多空收益：1.36% - 8月多空收益：2.42% - 2025年多空收益：28.86% - 历史IC：0.066 - 2025年IC：0.045[12] 3. 多颗粒度模型-5日标签因子 - 上周多空收益：1.65% - 8月多空收益：2.68% - 2025年多空收益：44.62% - 历史IC：0.081 - 2025年IC：0.070[12] AI增强组合表现 1. 中证500 AI增强宽约束组合 - 上周超额收益：0.47% - 8月超额收益：0.85% - 2025年超额收益：11.56%[13] 2. 中证1000 AI增强严约束组合 - 上周超额收益：0.39% - 8月超额收益：0.91% - 2025年超额收益：15.66%[92] 模型构建细节 - 优化目标函数： $max\sum\mu_{i}w_{i}$ 其中$w_i$为股票权重，$\mu_i$为预期超额收益[74] - 交易成本假设：双边3‰的交易成本[75]