量化模型与构建方式 1. 模型名称：DecompGRU深度学习选股模型[1][7][8] * 模型构建思路：基于DecompGRU（基于趋势分解的时序+截面端到端模型）架构，对个股进行集成打分，用于选股[7][8]。 * 模型具体构建过程：该模型在2025年3月发布的报告《AI+HI 系列（7）：DecompGRU：基于趋势分解的时序+截面端到端模型》中提出，本报告进行样本外追踪。模型的具体构建过程未在本报告中详细说明，但核心是使用DecompGRU模型对股票进行打分[8]。 2. 模型名称：宽基热度动量轮动策略[2][21][24] * 模型构建思路：利用不同宽基指数（及“其他”组）周度总热度变化率构建轮动策略，买入市场关注度提升最快的板块[21]。 * 模型具体构建过程： 1. 计算不同宽基组（沪深300、中证500、中证1000、中证2000、“其他”）的周度总热度变化率[21]。 2. 对周度热度变化率取2期移动平均（MA2）进行平滑[21]。 3. 在每周最后一个交易日，买入总热度变化率MA2最大的宽基指数[21]。 4. 如果变化率最大的为“其他”组，则选择空仓[21]。 3. 模型名称：高热度概念+低热度个股组合（BOTTOM组合）[2][36][40] * 模型构建思路：在每周热度变化最大的热门概念中，选取概念内个股热度排名靠后的股票构建组合，利用热门板块内关注度不足的个股可能存在的补涨机会获取超额收益[36][40]。 * 模型具体构建过程： 1. 在每周最后一个交易日，选出本周热度变化率最大的5个概念，将其成分股作为选股股票池[40]。 2. 从股票池中排除流通市值最小的20%股票[40]。 3. 从每个热门概念中，选出该概念内总热度排名最后的10只个股[40]。 4. 等权持有所有选出的个股，构建BOTTOM组合[40]。 量化因子与构建方式 1. 因子名称：个股总热度[15] * 因子构建思路：基于同花顺用户行为数据（浏览、自选、点击），构建反映市场对个股关注度的情绪代理指标[15]。 * 因子具体构建过程：将个股单日的浏览、自选与点击次数求和，然后除以全市场所有股票当日的该三项行为次数之和，进行归一化，最后将归一化后的数值乘以10000。公式如下： 该因子取值区间为[0,10000][15]。 2. 因子名称：宽基/行业/概念总热度[15][16][27][35] * 因子构建思路：将个股总热度因子在宽基指数、申万行业或概念层面进行聚合，得到更高层面的情绪热度代理变量[15]。 * 因子具体构建过程：对于目标群体（如沪深300指数、钢铁行业、化肥概念），将该群体内所有成分股的“个股总热度”指标进行求和，即得到该群体的总热度[16][27][35]。 3. 因子名称：热度变化率[2][21][27][35] * 因子构建思路：计算宽基、行业或概念总热度的周度环比变化，反映市场情绪热度的边际变化方向与强度[2][21]。 * 因子具体构建过程：计算目标群体本周总热度与上周总热度的变化率。报告中常使用其2期移动平均值（MA2）[21][27]。 模型的回测效果 1. DecompGRU深度学习选股模型（TOP200多头组合）[1][8][10] * 累计绝对收益：84.37% * 相对全指等权超额收益：43.11% * 最大回撤：10.08% * 周度胜率：65.96% * 月度胜率：100% * 2026年2月绝对收益：5.41% * 2026年2月超额收益：1.50% 2. DecompGRU深度学习选股模型（ETF轮动组合）[1][11][13][14] * 累计绝对收益：53.40% * 相对万得主题ETF指数超额收益：17.47% * 最大回撤：7.82% * 周度胜率：62.50% * 月度胜率：72.73% * 2026年2月绝对收益：9.51% * 2026年2月超额收益：8.18% 3. 宽基热度动量轮动策略[2][24] * 2017年以来年化收益率：8.74% * 最大回撤：23.5% * 2026年累计收益：5.6% 4. 高热度概念+低热度个股组合（BOTTOM组合）[2][36][41] * 年化收益：15.71% * 最大回撤：28.89% * 2026年以来收益：1.4% 因子的回测效果 （注：本报告未提供单个因子的独立回测绩效指标，如IC、IR等。因子效果体现在上述模型的构建与回测结果中）
深度学习因子2月超额1.50%，本周热度变化最大行业为钢铁、环保：市场情绪监控周报（20260224-20260227）-20260301
华创证券·2026-03-01 16:07