量化模型与因子总结 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： 捕捉股票日内收益的分布特征，特别是偏度（三阶矩）信息，用于预测未来收益[14] 因子具体构建过程： 报告未提供详细构建公式，但指出计算方式参考专题报告《选股因子系列研究(十九)——高频因子之股票收益分布特征》[14] 2. 因子名称：日内下行波动占比因子 因子构建思路： 将已实现波动率分解，计算下行波动部分在总波动中的占比，用于衡量股票的“坏波动”[19] 因子具体构建过程： 报告未提供详细构建公式，但指出计算方式参考专题报告《选股因子系列研究（二十五）——高频因子之已实现波动分解》[19] 3. 因子名称：开盘后买入意愿占比因子 因子构建思路： 基于开盘后一段时间的高频数据，通过直观逻辑或机器学习方法，计算反映买入意愿的指标占比[24] 因子具体构建过程： 报告未提供详细构建公式，但指出计算方式参考专题报告《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》[24] 4. 因子名称：开盘后买入意愿强度因子 因子构建思路： 与买入意愿占比因子类似，但侧重于衡量买入意愿的强度而非占比[29] 因子具体构建过程： 报告未提供详细构建公式，但指出计算方式参考专题报告《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》[29] 5. 因子名称：开盘后大单净买入占比因子 因子构建思路： 计算开盘后大单净买入金额在总成交中的占比，捕捉大资金在开盘后的动向[34] 6. 因子名称：开盘后大单净买入强度因子 因子构建思路： 衡量开盘后大单净买入的强度[39] 7. 因子名称：改进反转因子 因子构建思路： 对传统反转因子进行改进，以提升预测效果[44] 8. 因子名称：尾盘成交占比因子 因子构建思路： 计算尾盘阶段成交额在日总成交额中的占比，捕捉尾盘资金的活跃程度[49] 9. 因子名称：平均单笔流出金额占比因子 因子构建思路： 计算平均单笔流出金额在总成交中的占比，用于衡量资金流出的平均力度[52] 10. 因子名称：大单推动涨幅因子 因子构建思路： 衡量由大单交易推动的股价上涨幅度[58] 11. 因子名称：改进 GRU(50,2)+NN(10)因子 因子构建思路： 使用门控循环单元（GRU）和神经网络（NN）的深度学习模型处理高频数据，生成选股信号[13][63] 因子具体构建过程： 模型结构为GRU(50,2)加上NN(10)，具体网络架构和训练细节未在报告中详述[13] 12. 因子名称：残差注意力 LSTM(48,2)+NN(10)因子 因子构建思路： 使用带有残差连接和注意力机制的长短期记忆网络（LSTM）结合神经网络，从高频数据中提取特征[13][65] 因子具体构建过程： 模型结构为残差注意力LSTM(48,2)加上NN(10)[13] 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AGRU（可能指注意力GRU）训练的多时间颗粒度模型，使用5日收益率作为预测标签[13][68] 因子具体构建过程： 因子基于双向AGRU训练得到，模型整合了不同时间颗粒度的信息[68] 14. 因子名称：多颗粒度模型-10日标签因子 因子构建思路： 与多颗粒度模型-5日标签类似，但使用10日收益率作为预测标签[13][69] 因子具体构建过程： 因子基于双向AGRU训练得到[69] 量化模型与构建方式 1. 模型名称：周度调仓的中证500 AI增强宽约束组合 模型构建思路： 以多颗粒度模型-10日标签因子提供的预期收益为核心，在控制跟踪误差和一系列风险约束的条件下，通过优化求解构建相对于中证500指数的增强组合[73] 模型具体构建过程： * 核心信号： 使用深度学习因子（多颗粒度模型-10日标签）作为股票的预期超额收益来源 $\mu_i$[73] * 优化目标： 最大化组合预期收益，目标函数为： $\operatorname*{max}_{w_{i}}\sum\mu_{i}w_{i}$ 其中，$w_i$ 为股票 $i$ 的权重，$\mu_i$ 为股票 $i$ 的预期超额收益[74] * 约束条件： 包括个股权重上限、行业偏离、市值风格暴露（线性及非线性）、估值（PB）、基本面（ROE、SUE）、波动率以及成分股权重等约束，具体约束值在“宽约束”条件下相对宽松[74] * 交易设置： 周度调仓，假设以次日均价成交，并扣除双边3‰的交易成本[75] 2. 模型名称：周度调仓的中证500 AI增强严约束组合 模型构建思路： 与宽约束组合思路一致，但在风险控制上施加更严格的约束，旨在进一步控制跟踪误差和组合风险[73] 模型具体构建过程： 优化目标与核心信号与宽约束组合相同，区别在于各项风险约束的阈值更严格（例如市值暴露约束更小），并增加了额外的约束如ROE、SUE、波动率和更高的成分股约束[74] 3. 模型名称：周度调仓的中证1000 AI增强宽约束组合 模型构建思路： 构建方法同中证500宽约束组合，但基准指数改为中证1000，并相应调整约束参数[73] 模型具体构建过程： 使用相同的多颗粒度模型因子和优化框架，针对中证1000指数的成分股及特征调整优化中的约束条件[74] 4. 模型名称：周度调仓的中证1000 AI增强严约束组合 模型构建思路： 构建方法同中证500严约束组合，但基准指数改为中证1000[73] 模型具体构建过程： 使用相同的多颗粒度模型因子和优化框架，针对中证1000指数施加更严格的风险约束[74] 因子的回测效果 （数据来源：表2，周度换仓因子表现汇总[11][13]） | 因子名称 | IC(历史) | IC(2026年) | e^(-rank mae)(历史) | e^(-rank mae)(2026年) | 多空收益(上周) | 多空收益(1月) | 多空收益(2026YTD) | 2026年周胜率 | 多头超额(上周) | 多头超额(1月) | 多头超额(2026YTD) | 2026年周胜率 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 日内高频偏度 | 0.019 | 0.024 | 0.324 | 0.321 | 1.26% | 1.55% | 1.55% | 2/2 | 0.27% | 1.26% | 1.26% | 2/2 | | 日内下行波动占比 | 0.016 | 0.028 | 0.323 | 0.319 | 1.43% | 1.65% | 1.65% | 2/2 | 0.88% | 1.83% | 1.83% | 2/2 | | 开盘后买入意愿占比 | 0.026 | 0.046 | 0.321 | 0.331 | 1.04% | 2.08% | 2.08% | 2/2 | 0.50% | 0.09% | 0.09% | 1/2 | | 开盘后买入意愿强度 | 0.030 | 0.065 | 0.326 | 0.338 | 2.21% | 2.86% | 2.86% | 2/2 | 1.37% | 2.00% | 2.00% | 2/2 | | 开盘后大单净买入占比 | 0.035 | 0.035 | 0.322 | 0.317 | 1.35% | 0.83% | 0.83% | 1/2 | 0.81% | 0.28% | 0.28% | 1/2 | | 开盘后大单净买入强度 | 0.024 | 0.044 | 0.320 | 0.320 | 1.08% | 1.01% | 1.01% | 1/2 | 0.27% | -0.39% | -0.39% | 1/2 | | 改进反转 | 0.030 | 0.058 | 0.330 | 0.339 | 1.63% | 3.40% | 3.40% | 2/2 | 1.20% | 3.09% | 3.09% | 2/2 | | 尾盘成交占比 | 0.026 | 0.037 | 0.322 | 0.324 | -0.12% | 2.56% | 2.56% | 1/2 | 0.29% | 1.63% | 1.63% | 2/2 | | 平均单笔流出金额占比 | 0.008 | 0.020 | 0.317 | 0.323 | 0.56% | 1.02% | 1.02% | 2/2 | 0.27% | 0.41% | 0.41% | 2/2 | | 大单推动涨幅 | 0.018 | 0.017 | 0.325 | 0.331 | 0.75% | 0.97% | 0.97% | 2/2 | 0.53% | 0.96% | 0.96% | 2/2 | | 改进 GRU(50,2)+NN(10) | 0.065 | 0.040 | 0.336 | 0.327 | 2.62% | 2.79% | 2.79% | 2/2 | 0.70% | 0.96% | 0.96% | 2/2 | | 残差注意力 LSTM(48,2)+NN(10) | 0.062 | 0.026 | 0.334 | 0.325 | 1.55% | 1.30% | 1.30% | 1/2 | 0.39% | 1.26% | 1.26% | 2/2 | | 多颗粒度模型-5日标签 | 0.079 | 0.034 | 0.343 | 0.332 | 1.88% | 2.13% | 2.13% | 2/2 | 1.05% | 1.74% | 1.74% | 2/2 | | 多颗粒度模型-10日标签 | 0.073 | 0.022 | 0.342 | 0.329 | 2.11% | 1.33% | 1.33% | 1/2 | 1.15% | 1.10% | 1.10% | 1/2 | 模型的回测效果 （数据来源：表3，AI增强组合超额收益汇总[14]） | 模型名称 | 超额收益(上周) | 超额收益(1月) | 超额收益(2026YTD) | 2026年周胜率 | | :--- | :--- | :--- | :--- | :--- | | 中证500 AI增强宽约束组合 | -1.91% | -4.47% | -4.47% | 0/3 | | 中证500 AI增强严约束组合 | -1.03% | -2.86% | -2.86% | 0/3 | | 中证1000 AI增强宽约束组合 | -0.09% | -2.18% | -2.18% | 0/3 | | 中证1000 AI增强严约束组合 | 0.06% | -1.57% | -1.57% | 1/3 |