根据提供的研报内容，以下是关于量化因子和模型的详细总结： 量化因子与构建方式 1 因子名称：日内高频偏度因子 因子构建思路：利用股票日内高频收益的分布偏度特征来预测未来收益[11] 因子具体构建过程：计算方式请参考专题报告《选股因子系列研究(十九)——高频因子之股票收益分布特征》[11] 2 因子名称：日内下行波动占比因子 因子构建思路：通过分析已实现波动中下行波动的占比来选股[15] 因子具体构建过程：计算方式请参考专题报告《选股因子系列研究（二十五）——高频因子之已实现波动分解》[15] 3 因子名称：开盘后买入意愿占比因子 因子构建思路：基于开盘后的交易行为数据度量市场买入意愿[21] 因子具体构建过程：计算方式请参考专题报告《选股因子系列研究（六十四）——基于直观逻辑和机器学习的高频数据低频化应用》[21] 4 因子名称：开盘后买入意愿强度因子 因子构建思路：衡量开盘后买入意愿的强度水平[25] 因子具体构建过程：计算方式请参考专题报告《选股因子系列研究（六十四）——基于直观逻辑和机器学习的高频数据低频化应用》[25] 5 因子名称：开盘后大单净买入占比因子 因子构建思路：分析开盘后大单净买入在总成交中的占比[28] 6 因子名称：开盘后大单净买入强度因子 因子构建思路：度量开盘后大单净买入的强度[33] 7 因子名称：改进反转因子 因子构建思路：在传统反转因子基础上进行优化改进[38] 8 因子名称：尾盘成交占比因子 因子构建思路：利用尾盘成交在总成交中的占比信息[41] 9 因子名称：平均单笔流出金额占比因子 因子构建思路：分析平均单笔流出金额的占比特征[47] 10 因子名称：大单推动涨幅因子 因子构建思路：衡量大单交易对股价上涨的推动程度[52] 11 因子名称：改进GRU(50,2)+NN(10)因子 因子构建思路：基于门控循环单元(GRU)和神经网络(NN)的深度学习模型[56] 12 因子名称：残差注意力LSTM(48,2)+NN(10)因子 因子构建思路：结合残差注意力机制的长短期记忆网络(LSTM)模型[59] 13 因子名称：多颗粒度模型-5日标签因子 因子构建思路：基于双向A-GRU训练的多时间颗粒度模型[60] 因子具体构建过程：因子基于双向A-GRU训练得到[60] 14 因子名称：多颗粒度模型-10日标签因子 因子构建思路：基于双向A-GRU训练的多时间颗粒度模型[61] 因子具体构建过程：因子基于双向A-GRU训练得到[61] 量化模型与构建方式 1 模型名称：中证500 AI增强宽约束组合 模型构建思路：基于深度学习因子构建指数增强组合，采用较宽松的风险约束[65] 模型具体构建过程：优化目标为最大化预期收益，目标函数为： $max\sum\mu_{i}w_{i}$[66] 其中$w_i$为组合中股票i的权重，$\mu_i$为股票i的预期超额收益[66] 2 模型名称：中证500 AI增强严约束组合 模型构建思路：基于深度学习因子构建指数增强组合，采用较严格的风险约束[65] 模型具体构建过程：优化目标为最大化预期收益，目标函数为： $max\sum\mu_{i}w_{i}$[66] 3 模型名称：中证1000 AI增强宽约束组合 模型构建思路：基于深度学习因子构建指数增强组合，采用较宽松的风险约束[65] 模型具体构建过程：优化目标为最大化预期收益，目标函数为： $max\sum\mu_{i}w_{i}$[66] 4 模型名称：中证1000 AI增强严约束组合 模型构建思路：基于深度学习因子构建指数增强组合，采用较严格的风险约束[65] 模型具体构建过程：优化目标为最大化预期收益，目标函数为： $max\sum\mu_{i}w_{i}$[66] 因子的回测效果 1 日内高频偏度因子：历史IC 0.027，2025年IC 0.043，历史e^(-rank mae) 0.324，2025年e^(-rank mae) 0.329，9月多空收益4.61%，2025YTD多空收益17.00%，2025年月胜率6/9，9月多头超额2.15%，2025YTD多头超额5.55%，2025年多头月胜率5/9[8] 2 日内下行波动占比因子：历史IC 0.025，2025年IC 0.037，历史e^(-rank mae) 0.324，2025年e^(-rank mae) 0.326，9月多空收益3.44%，2025YTD多空收益14.16%，2025年月胜率7/9，9月多头超额0.72%，2025YTD多头超额1.58%，2025年多头月胜率5/9[8] 3 开盘后买入意愿占比因子：历史IC 0.031，2025年IC 0.030，历史e^(-rank mae) 0.322，2025年e^(-rank mae) 0.324，9月多空收益0.45%，2025YTD多空收益10.17%，2025年月胜率6/9，9月多头超额0.30%，2025YTD多头超额3.83%，2025年多头月胜率7/9[8] 4 开盘后买入意愿强度因子：历史IC 0.035，2025年IC 0.030，历史e^(-rank mae) 0.326，2025年e^(-rank mae) 0.329，9月多空收益0.49%，2025YTD多空收益11.13%，2025年月胜率7/9，9月多头超额0.68%，2025YTD多头超额4.60%，2025年多头月胜率6/9[8] 5 开盘后大单净买入占比因子：历史IC 0.041，2025年IC 0.036，历史e^(-rank mae) 0.324，2025年e^(-rank mae) 0.324，9月多空收益2.09%，2025YTD多空收益16.20%，2025年月胜率8/9，9月多头超额0.58%，2025YTD多头超额8.16%，2025年多头月胜率8/9[8] 6 开盘后大单净买入强度因子：历史IC 0.033，2025年IC 0.028，历史e^(-rank mae) 0.323，2025年e^(-rank mae) 0.322，9月多空收益1.59%，2025YTD多空收益12.01%，2025年月胜率8/9，9月多头超额1.21%，2025YTD多头超额6.55%，2025年多头月胜率8/9[8] 7 改进反转因子：历史IC 0.032，2025年IC 0.016，历史e^(-rank mae) 0.324，2025年e^(-rank mae) 0.331，9月多空收益-0.74%，2025YTD多空收益4.14%，2025年月胜率5/9，9月多头超额-0.17%，2025YTD多头超额4.07%，2025年多头月胜率6/9[8] 8 尾盘成交占比因子：历史IC 0.049，2025年IC 0.032，历史e^(-rank mae) 0.332，2025年e^(-rank mae) 0.323，9月多空收益3.11%，2025YTD多空收益15.09%，2025年月胜率7/9，9月多头超额1.03%，2025YTD多头超额6.55%，2025年多头月胜率6/9[8] 9 平均单笔流出金额占比因子：历史IC 0.020，2025年IC 0.009，历史e^(-rank mae) 0.317，2025年e^(-rank mae) 0.319，9月多空收益-0.86%，2025YTD多空收益3.22%，2025年月胜率5/9，9月多头超额0.56%，2025YTD多头超额3.43%，2025年多头月胜率7/9[8] 10 大单推动涨幅因子：历史IC 0.016，2025年IC 0.011，历史e^(-rank mae) 0.322，2025年e^(-rank mae) 0.327，9月多空收益2.62%，2025YTD多空收益7.76%，2025年月胜率7/9，9月多头超额1.48%，2025YTD多头超额3.63%，2025年多头月胜率6/9[8] 模型的回测效果 1 中证500 AI增强宽约束组合：上周超额收益-0.99%，9月超额收益-4.80%，2025YTD超额收益-0.06%，2025年周胜率23/40[11] 2 中证500 AI增强严约束组合：上周超额收益-1.00%，9月超额收益-2.32%，2025YTD超额收益2.66%，2025年周胜率24/40[11] 3 中证1000 AI增强宽约束组合：上周超额收益-1.48%，9月超额收益-1.06%，2025YTD超额收益7.53%，2025年周胜率26/40[11] 4 中证1000 AI增强严约束组合：上周超额收益-0.79%，9月超额收益-0.12%，2025YTD超额收益13.11%，2025年周胜率25/40[11]