西南证券·2026-02-26 14:25量化模型与构建方式 1. 模型名称：GAN_GRU模型[4][13] * 模型构建思路：该模型是一个深度学习选股模型，其核心思路是首先利用生成式对抗网络（GAN）对量价时序特征进行处理和增强，然后利用GRU模型对处理后的时序特征进行编码，最终输出股票的预测收益作为选股因子[4][13]。 * 模型具体构建过程： 1. 数据准备与特征：使用18个量价特征，包括日频特征（如前收盘价、开盘价、收盘价、最高价、最低价、成交量、成交金额、涨跌幅、振幅、换手率、均价）和月频特征（如月成交金额、月涨跌幅、月振幅、月换手率、月收盘最高价、月收盘最低价、月日均换手率）[17][19]。选取所有股票，剔除ST及上市不足半年的股票[18]。 2. 特征采样与处理：对于每只股票，取过去400天内的18个量价特征，每5个交易日进行一次采样，采样形状为4018（即过去40天的特征）[18]。每次采样的40天内，每个特征在时序上进行去极值和标准化处理，同时每个特征在个股截面上进行标准化处理[18]。 3. 标签设定：利用过去40天的量价特征来预测未来20个交易日的累计收益[18]。 4. GAN特征生成：为了增强量价时序特征，构建了一个GAN模型。其中，生成器（G）采用能够保留时序性质的LSTM模型，输入原始量价时序特征（形状为(40,18)），输出处理后的特征（形状仍为(40,18)）[33][37]。判别器（D）采用适用于二维图像处理的CNN模型，用于区分真实特征与生成特征[33]。GAN的训练过程是生成器和判别器交替对抗训练，其损失函数分别为： * 生成器损失函数： 其中，(z)为随机噪声，(G(z))为生成数据，(D(G(z)))为判别器判断生成数据为真的概率[24]。 * 判别器损失函数： 其中，(x)为真实数据，(D(x))为判别器判断真实数据为真的概率[27]。 5. GRU收益预测：将经过GAN生成器处理后的特征（或原始特征？报告指出GAN_GRU因子是利用GAN处理后再用GRU编码，但具体流程图中可能包含原始特征与生成特征的结合）输入到一个两层GRU网络（GRU(128, 128)）中进行时序特征编码[14][22]。随后连接一个多层感知机（MLP(256, 64, 64)）[22]。模型最终输出预测收益（pRet）作为选股因子[22]。 6. 训练与预测：采用半年滚动训练方式，训练时间点为每年的6月30日及12月31日，用训练好的模型预测未来半年的收益[18]。训练集与验证集比例为80%:20%[18]。训练时使用Adam优化器，学习速率为1e-4，损失函数为IC，设置早停轮数为10，最大训练轮数为50[18]。 * 模型评价：该模型结合了GAN的数据增强能力和GRU的时序建模能力，旨在挖掘量价数据中更深层次的时序特征以预测股票收益。 2. 因子名称：GAN_GRU因子[4][13] * 因子构建思路：GAN_GRU因子即为GAN_GRU模型最终输出的股票预测收益（pRet）[22]。该因子在用于选股测试前，会经过行业和市值中性化处理，并进行标准化[22]。 * 因子具体构建过程： 1. 运行上述GAN_GRU模型，获得每只股票在调仓时点的预测收益值。 2. 对得到的原始因子值进行行业和市值中性化处理。 3. 对中性化后的因子值进行标准化处理，得到最终的GAN_GRU因子[22]。 模型的回测效果 （注：报告主要提供了GAN_GRU因子的回测效果，未单独提供GAN_GRU模型的回测效果指标。模型效果通过其输出的因子表现来体现。） 量化因子与构建方式 （注：本报告核心因子即为GAN_GRU因子，其构建方式已包含在“GAN_GRU模型”的构建过程中，并作为单独因子列出如上。） 因子的回测效果 1. GAN_GRU因子 * 全市场表现（2019年2月至2026年2月，月频调仓）： * IC均值：0.1096**[41][42] * ICIR（未年化）：0.87[42] * 年化收益率：38.13%[42] * 年化波动率：23.18%[42] * 信息比率（IR）：1.64[42] * 最大回撤率：27.29%[42] * 年化超额收益率：22.32%[41][42] * 换手率：0.82X[42] * 近期表现（截至2026年2月25日）： * 最新一期IC：-0.0105***[41][42] * 近一年IC均值：0.0517***[41][42] * 行业IC表现（截至2026年2月）： * 当月IC排名前五行业：电力及公用事业 (0.1257***)、商贸零售 (0.1196***)、房地产 (0.1151***)、建筑 (0.1130***)、基础化工 (0.1063***)[4][42] * 近一年IC均值排名前五行业：钢铁 (0.1404***)、计算机 (0.1175***)、传媒 (0.1132***)、商贸零售 (0.1014***)、食品饮料 (0.0989***)[4][42] * 行业多头组合表现： * 当月超额收益前五行业（截至2026年2月25日）：石油石化 (7.91%)、通信 (3.11%)、电子 (3.06%)、有色金属 (2.78%)、计算机 (2.78%)[2][45] * 近一年月均超额收益前五行业：房地产 (3.83%)、商贸零售 (2.04%)、汽车 (1.93%)、建筑 (1.50%)、消费者服务 (1.49%)[2][46] * 近一年未跑赢行业指数的行业数量：7个（交通运输、建材、煤炭、非银金融、传媒、有色、通信）[2][46]