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：** 捕捉股票日内收益分布的非对称性特征，即偏度[16] **因子具体构建过程：** 报告未提供详细构建公式，但指出计算方式可参考专题报告《选股因子系列研究(十九)——高频因子之股票收益分布特征》[16] 2. **因子名称：日内下行波动占比因子** **因子构建思路：** 衡量股票日内已实现波动中下行波动的贡献比例[21] **因子具体构建过程：** 报告未提供详细构建公式，但指出计算方式可参考专题报告《选股因子系列研究（二十五）——高频因子之已实现波动分解》[21] 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内的高频数据，度量市场买入意愿的强度[26] **因子具体构建过程：** 报告未提供详细构建公式，但指出计算方式可参考专题报告《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》[26] 4. **因子名称：开盘后买入意愿强度因子** **因子构建思路：** 在买入意愿占比的基础上，进一步衡量买入意愿的强度[31] **因子具体构建过程：** 报告未提供详细构建公式，但指出计算方式可参考专题报告《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》[31] 5. **因子名称：开盘后大单净买入占比因子** **因子构建思路：** 衡量开盘后大单资金净流入的占比情况[35] 6. **因子名称：开盘后大单净买入强度因子** **因子构建思路：** 在净买入占比的基础上，衡量大单净买入的强度[41] 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[46] 8. **因子名称：尾盘成交占比因子** **因子构建思路：** 衡量尾盘时段成交额占全天成交额的比例[51] 9. **因子名称：平均单笔流出金额占比因子** **因子构建思路：** 衡量平均每笔流出交易的金额占比[55] 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涨幅[58] 11. **因子名称：深度学习高频因子（改进 GRU(50,2)+NN(10)）** **因子构建思路：** 使用改进的GRU神经网络结合全连接网络，从高频数据中提取选股信号[63] 12. **因子名称：深度学习高频因子（残差注意力 LSTM(48,2)+NN(10)）** **因子构建思路：** 使用带有残差连接和注意力机制的LSTM神经网络结合全连接网络，从高频数据中提取选股信号[64] 13. **因子名称：深度学习因子（多颗粒度模型-5日标签）** **因子构建思路：** 使用基于双向AGRU训练的多颗粒度模型，以5日收益率为预测标签[65] **因子评价：** 持续稳健表现[1] 14. **因子名称：深度学习因子（多颗粒度模型-10日标签）** **因子构建思路：** 使用基于双向AGRU训练的多颗粒度模型，以10日收益率为预测标签[70] **因子评价：** 持续稳健表现[1] 15. **因子名称：复合深度学习因子** **因子构建思路：** 将两个多颗粒度模型因子进行等权合成，作为AI增强组合的预期收益来源[72] **因子具体构建过程：** 复合因子 = 多颗粒度模型-10日标签 * 0.5 + 多颗粒度模型-5日标签 * 0.5[72] 量化模型与构建方式 1. **模型名称：AI指数增强组合模型** **模型构建思路：** 以复合深度学习因子作为股票的预期超额收益，通过组合优化构建指数增强组合[72] **模型具体构建过程：** 1. 预期收益：使用复合深度学习因子作为股票i的预期超额收益μi[72]。 2. 优化目标：在给定的约束条件下，最大化组合的预期超额收益[75]。目标函数为： $$max\sum\mu_{i}w_{i}$$ 其中，wi为股票i在组合中的权重，μi为股票i的预期超额收益[75]。 3. 约束条件：根据不同组合类型（空气指增、中证500/1000宽/严约束）施加不同的风险控制约束，包括个股权重、行业偏离、风格因子（市值、PB、ROE等）暴露、成分股权重以及换手率约束[73][75]。 4. 交易设置：假设以次日均价成交，并扣除双边3‰的交易成本[76]。 因子的回测效果 （数据来源：表2，周度换仓口径[12][14]） 1. **日内高频偏度因子**，历史IC 0.019，2026年IC 0.027，历史e^(-rank mae) 0.324，2026年e^(-rank mae) 0.328，上周多空收益 1.14%，3月多空收益 1.10%，2026YTD多空收益 5.41%，2026年周胜率 8/11，上周多头超额 1.09%，3月多头超额 1.01%，2026YTD多头超额 2.90%，2026年多头周胜率 7/11[12] 2. **日内下行波动占比因子**，历史IC 0.016，2026年IC 0.032，历史e^(-rank mae) 0.323，2026年e^(-rank mae) 0.328，上周多空收益 0.61%，3月多空收益 1.55%，2026YTD多空收益 7.37%，2026年周胜率 8/11，上周多头超额 0.54%，3月多头超额 0.79%，2026YTD多头超额 3.73%，2026年多头周胜率 7/11[12] 3. **开盘后买入意愿占比因子**，历史IC 0.025，2026年IC 0.028，历史e^(-rank mae) 0.321，2026年e^(-rank mae) 0.322，上周多空收益 1.40%，3月多空收益 3.66%，2026YTD多空收益 6.62%，2026年周胜率 9/11，上周多头超额 0.72%，3月多头超额 2.36%，2026YTD多头超额 2.72%，2026年多头周胜率 8/11[12] 4. **开盘后买入意愿强度因子**，历史IC 0.030，2026年IC 0.030，历史e^(-rank mae) 0.326，2026年e^(-rank mae) 0.328，上周多空收益 1.46%，3月多空收益 3.64%，2026YTD多空收益 6.07%，2026年周胜率 7/11，上周多头超额 0.72%，3月多头超额 1.33%，2026YTD多头超额 2.14%，2026年多头周胜率 6/11[12] 5. **开盘后大单净买入占比因子**，历史IC 0.035，2026年IC 0.027，历史e^(-rank mae) 0.322，2026年e^(-rank mae) 0.318，上周多空收益 0.47%，3月多空收益 1.38%，2026YTD多空收益 6.20%，2026年周胜率 10/11，上周多头超额 -0.08%，3月多头超额 -0.19%，2026YTD多头超额 1.29%，2026年多头周胜率 5/11[12] 6. **开盘后大单净买入强度因子**，历史IC 0.024，2026年IC 0.021，历史e^(-rank mae) 0.320，2026年e^(-rank mae) 0.317，上周多空收益 0.39%，3月多空收益 0.46%，2026YTD多空收益 4.15%，2026年周胜率 8/11，上周多头超额 0.05%，3月多头超额 0.04%，2026YTD多头超额 0.91%，2026年多头周胜率 7/11[12] 7. **改进反转因子**，历史IC 0.030，2026年IC 0.013，历史e^(-rank mae) 0.330，2026年e^(-rank mae) 0.329，上周多空收益 0.58%，3月多空收益 0.50%，2026YTD多空收益 2.56%，2026年周胜率 6/11，上周多头超额 0.81%，3月多头超额 -1.30%，2026YTD多头超额 1.65%，2026年多头周胜率 6/11[12] 8. **尾盘成交占比因子**，历史IC 0.025，2026年IC 0.019，历史e^(-rank mae) 0.322，2026年e^(-rank mae) 0.318，上周多空收益 0.39%，3月多空收益 0.47%，2026YTD多空收益 5.21%，2026年周胜率 8/11，上周多头超额 0.09%，3月多头超额 -0.44%，2026YTD多头超额 1.34%，2026年多头周胜率 7/11[12] 9. **平均单笔流出金额占比因子**，历史IC 0.007，2026年IC -0.022，历史e^(-rank mae) 0.317，2026年e^(-rank mae) 0.313，上周多空收益 -1.10%，3月多空收益 -1.96%，2026YTD多空收益 -4.85%，2026年周胜率 3/11，上周多头超额 -0.10%，3月多头超额 -0.69%，2026YTD多头超额 -1.72%，2026年多头周胜率 3/11[14] 10. **大单推动涨幅因子**，历史IC 0.018，2026年IC 0.002，历史e^(-rank mae) 0.325，2026年e^(-rank mae) 0.326，上周多空收益 -0.97%，3月多空收益 -0.20%，2026YTD多空收益 0.43%，2026年周胜率 5/11，上周多头超额 0.15%，3月多头超额 -0.77%，2026YTD多头超额 0.66%，2026年多头周胜率 7/11[14] 11. **改进 GRU(50,2)+NN(10)因子**，历史IC 0.065，2026年IC 0.022，历史e^(-rank mae) 0.336，2026年e^(-rank mae) 0.325，上周多空收益 0.23%，3月多空收益 0.10%，2026YTD多空收益 5.36%，2026年周胜率 8/11，上周多头超额 0.15%，3月多头超额 -0.96%，2026YTD多头超额 -0.60%，2026年多头周胜率 7/11[14] 12. **残差注意力 LSTM(48,2)+NN(10)因子**，历史IC 0.062，2026年IC 0.026，历史e^(-rank mae) 0.334，2026年e^(-rank mae) 0.323，上周多空收益 0.80%，3月多空收益 1.35%，2026YTD多空收益 5.68%，2026年周胜率 9/11，上周多头超额 0.03%，3月多头超额 -0.41%，2026YTD多头超额 0.80%，2026年多头周胜率 6/11[14] 13. **多颗粒度模型-5日标签因子**，历史IC 0.079，2026年IC 0.042，历史e^(-rank mae) 0.343，2026年e^(-rank mae) 0.335，上周多空收益 0.91%，3月多空收益 2.60%，2026YTD多空收益 10.22%，2026年周胜率 11/11，上周多头超额 0.82%，3月多头超额 2.04%，2026YTD多头超额 5.77%，2026年多头周胜率 10/11[14] 14. **多颗粒度模型-10日标签因子**，历史IC 0.072，2026年IC 0.041，历史e^(-rank mae) 0.342，2026年e^(-rank mae) 0.337，上周多空收益 0.71%，3月多空收益 3.06%，2026YTD多空收益 8.90%，2026年周胜率 9/11，上周多头超额 0.88%，3月多头超额 2.35%，2026YTD多头超额 5.59%，2026年多头周胜率 9/11[14] 模型的回测效果 （数据来源：表3，上周、3月、2026YTD口径[15]） 1. **AI空气值增模型（周度调仓）**，上周超额收益 1.72%，上周绝对收益 1.58%，3月超额收益 2.23%，3月绝对收益 -6.40%，2026YTD超额收益 6.00%，2026YTD绝对收益 8.38%，2026年周胜率 6/11[15] 2. **AI空气值增模型（日度调仓）**，上周超额收益 1.20%，上周绝对收益 1.07%，3月超额收益 1.02%，3月绝对收益 -7.61%，2026YTD超额收益 5.70%，2026YTD绝对收益 8.08%，2026年周胜率 6/11[15] 3. **中证500 AI增强宽约束模型（周度调仓）**，上周超额收益 -0.14%，上周绝对收益 -0.43%，3月超额收益 5.47%，3月绝对收益 -5.17%，2026YTD超额收益 2.56%，2026YTD绝对收益 6.20%，2026年周胜率 5/11[15] 4. **中证500 AI增强宽约束模型（日度调仓）**，上周超额收益 -1.45%，上周绝对收益 -1.74%，3月超额收益 0.46%，3月绝对收益 -10.17%，2026YTD超额收益 -4.16%，2026YTD绝对收益 -0.52%，2026年周胜率 5/11[15] 5. **中证500 AI增强严约束模型（周度调仓）**，上周超额收益 0.37%，上周绝对收益 0.08%，3月超额收益 3.84%，3月绝对收益 -6.79%，2026YTD超额收益 3.12%，2026YTD绝对收益 6.77%，2026年周胜率 7/11[15] 6. **中证500 AI增强严约束模型（日度调仓）**，上周超额收益 -0.07%，上周绝对收益 -0.36%，3月超额收益 2.03%，3月绝对收益 -8.60%，2026YTD超额收益 1.34%，2026YTD绝对收益 4.99%，2026年周胜率 6/11[15] 7. **中证1000 AI增强宽约束模型（周度调仓）**，上周超额收益 0.68%，上周绝对收益 0.20%，3月超额收益 4.14%，3月绝对收益 -5.37%，2026YTD超额收益 4.90%，2026YTD绝对收益 6.89%，2026年周胜率 7/11[15] 8. **中证1000 AI增强宽约束模型（日度调仓）**，上周超额收益 0.81%，上周绝对收益 0.34%，3月超额收益 2.55%，3月绝对收益 -6.96%，2026YTD超额收益 2.77%，2026YTD绝对收益 4.75%，2026年周胜率 5/11[15] 9. **中证1000 AI增强严约束模型（周度调仓）**，上周超额收益 0.23%，上周绝对收益 -0.25%，3月超额收益 2.75%，3月绝对收益 -6.77%，2026YTD超额收益 3.90%，2026YTD绝对收益 5.89%，2026年周胜率 8/11[15] 10. **中证1000 AI增强严约束模型（日度调仓）**，上周超额收益 0.16%，上周绝对收益 -0.31%，3月超额收益 2.01%，3月绝对收益 -7.50%，2026YTD超额收益 3.88%，2026YTD绝对收益 5.86%，2026年周胜率 7/11[15]

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：** 捕捉股票日内收益分布的非对称性特征[15] **因子具体构建过程：** 报告未提供详细计算公式，构建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》[15] 2. **因子名称：日内下行波动占比因子** **因子构建思路：** 分解已实现波动，衡量下行波动在总波动中的占比[20] **因子具体构建过程：** 报告未提供详细计算公式，构建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》[20] 3. **因子名称：开盘后买入意愿占比因子** **因子构建思路：** 基于高频数据低频化应用，衡量开盘后一段时间内的买入意愿相对强度[23] **因子具体构建过程：** 报告未提供详细计算公式，构建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》[23] 4. **因子名称：开盘后买入意愿强度因子** **因子构建思路：** 基于高频数据低频化应用，衡量开盘后一段时间内买入意愿的绝对强度[28] **因子具体构建过程：** 报告未提供详细计算公式，构建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》[28] 5. **因子名称：开盘后大单净买入占比因子** **因子构建思路：** 衡量开盘后大单净买入金额在总成交中的占比[35] 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绝对强度[40] 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[44] 8. **因子名称：尾盘成交占比因子** **因子构建思路：** 衡量尾盘阶段成交额在日总成交额中的占比[48] 9. **因子名称：平均单笔流出金额占比因子** **因子构建思路：** 衡量平均单笔流出金额在总成交中的占比[54] 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[57] 11. **因子名称：深度学习高频因子（改进 GRU(50,2)+NN(10)）** **因子构建思路：** 使用改进的GRU神经网络与全连接网络结合，从高频数据中提取选股信号[62] 12. **因子名称：深度学习高频因子（残差注意力 LSTM(48,2)+NN(10)）** **因子构建思路：** 使用带有残差注意力机制的LSTM神经网络与全连接网络结合，从高频数据中提取选股信号[63] 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深度学习模型训练，使用5日收益作为预测标签[66] **因子具体构建过程：** 因子基于双向A-GRU训练得到[66] 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深度学习模型训练，使用10日收益作为预测标签[68] **因子具体构建过程：** 因子基于双向A-GRU训练得到[68] 量化模型与构建方式 1. **模型名称：AI指数增强组合模型** **模型构建思路：** 基于深度学习因子构建指数增强组合，通过优化模型在控制跟踪误差和各项约束的条件下最大化预期收益[70] **模型具体构建过程：** * **核心因子：** 使用复合深度学习因子作为预期收益（α）来源，该复合因子由“多颗粒度模型-10日标签”和“多颗粒度模型-5日标签”等权合成[70]。 公式为：复合因子 = 多颗粒度模型-10日标签 * 0.5 + 多颗粒度模型-5日标签 * 0.5[70]。 * **优化目标：** 最大化投资组合的预期收益[74]。 目标函数为：$$max\sum\mu_{i}w_{i}$$[74] 其中，$$w_i$$为股票i的权重，$$\mu_i$$为股票i的预期超额收益（由复合因子转化而来）[74]。 * **约束条件：** 针对不同组合（空气指增、中证500/1000宽/严约束）设置不同的风险控制模块，包括个股权重上限、行业偏离、风格因子（市值、PB、ROE等）暴露控制、成分股权重下限以及换手率约束等[71][74]。 * **实践参数：** 测算中假定以次日均价成交，并扣除双边3‰的交易成本[75]。 因子的回测效果 （数据来源：表2[11][13]，指标为2026年以来的周度表现） 1. 日内高频偏度因子，IC 0.026，e^(-rank mae) 0.328，上周多空收益 -0.62%，3月多空收益 -0.62%，2026YTD多空收益 3.69%，上周多头超额 -0.20%，3月多头超额 -0.20%，2026YTD多头超额 1.69%，2026年周胜率 6/8 2. 日内下行波动占比因子，IC 0.032，e^(-rank mae) 0.327，上周多空收益 -0.17%，3月多空收益 -0.17%，2026YTD多空收益 5.65%，上周多头超额 -0.32%，3月多头超额 -0.32%，2026YTD多头超额 2.62%，2026年周胜率 6/8 3. 开盘后买入意愿占比因子，IC 0.027，e^(-rank mae) 0.322，上周多空收益 1.30%，3月多空收益 1.30%，2026YTD多空收益 4.27%，上周多头超额 0.81%，3月多头超额 0.81%，2026YTD多头超额 1.17%，2026年周胜率 6/8 4. 开盘后买入意愿强度因子，IC 0.033，e^(-rank mae) 0.329，上周多空收益 2.36%，3月多空收益 2.36%，2026YTD多空收益 4.79%，上周多头超额 0.77%，3月多头超额 0.77%，2026YTD多头超额 1.57%，2026年周胜率 5/8 5. 开盘后大单净买入占比因子，IC 0.030，e^(-rank mae) 0.318，上周多空收益 0.21%，3月多空收益 0.21%，2026YTD多空收益 5.02%，上周多头超额 -0.34%，3月多头超额 -0.34%，2026YTD多头超额 1.14%，2026年周胜率 7/8 6. 开盘后大单净买入强度因子，IC 0.024，e^(-rank mae) 0.318，上周多空收益 -0.38%，3月多空收益 -0.38%，2026YTD多空收益 3.32%，上周多头超额 -0.05%，3月多头超额 -0.05%，2026YTD多头超额 0.82%，2026年周胜率 5/8 7. 改进反转因子，IC 0.017，e^(-rank mae) 0.330，上周多空收益 0.90%，3月多空收益 0.90%，2026YTD多空收益 2.96%，上周多头超额 -0.30%，3月多头超额 -0.30%，2026YTD多头超额 2.66%，2026年周胜率 5/8 8. 尾盘成交占比因子，IC 0.016，e^(-rank mae) 0.317，上周多空收益 -1.45%，3月多空收益 -1.45%，2026YTD多空收益 3.29%，上周多头超额 -1.16%，3月多头超额 -1.16%，2026YTD多头超额 0.61%，2026年周胜率 5/8 9. 平均单笔流出金额占比因子，IC -0.025，e^(-rank mae) 0.311，上周多空收益 -0.95%，3月多空收益 -0.95%，2026YTD多空收益 -3.85%，上周多头超额 -0.30%，3月多头超额 -0.30%，2026YTD多头超额 -1.33%，2026年周胜率 2/8 10. 大单推动涨幅因子，IC 0.000，e^(-rank mae) 0.325，上周多空收益 -0.25%，3月多空收益 -0.25%，2026YTD多空收益 0.39%，上周多头超额 -0.57%，3月多头超额 -0.57%，2026YTD多头超额 0.86%，2026年周胜率 4/8 11. 改进 GRU(50,2)+NN(10)因子，IC 0.029，e^(-rank mae) 0.327，上周多空收益 -0.11%，3月多空收益 -0.11%，2026YTD多空收益 5.15%，上周多头超额 -0.39%，3月多头超额 -0.39%，2026YTD多头超额 -0.02%，2026年周胜率 6/8 12. 残差注意力 LSTM(48,2)+NN(10)因子，IC 0.028，e^(-rank mae) 0.324，上周多空收益 0.12%，3月多空收益 0.12%，2026YTD多空收益 4.45%，上周多头超额 -0.19%，3月多头超额 -0.19%，2026YTD多头超额 1.01%，2026年周胜率 6/8 13. 多颗粒度模型-5日标签因子，IC 0.046，e^(-rank mae) 0.337，上周多空收益 0.43%，3月多空收益 0.43%，2026YTD多空收益 8.05%，上周多头超额 0.82%，3月多头超额 0.82%，2026YTD多头超额 4.56%，2026年周胜率 8/8 14. 多颗粒度模型-10日标签因子，IC 0.044，e^(-rank mae) 0.340，上周多空收益 0.42%，3月多空收益 0.42%，2026YTD多空收益 6.25%，上周多头超额 0.83%，3月多头超额 0.83%，2026YTD多头超额 4.07%，2026年周胜率 6/8 模型的回测效果 （数据来源：表3[14]，指标为上周、3月及2026年以来的表现） 1. AI空气指增-周度组合，上周超额收益 0.55%，上周绝对收益 -2.13%，3月超额收益 0.55%，3月绝对收益 -2.13%，2026YTD超额收益 4.28%，2026YTD绝对收益 13.33%，2026年周胜率 4/8 2. AI空气指增-日度组合，上周超额收益 0.61%，上周绝对收益 -2.07%，3月超额收益 0.61%，3月绝对收益 -2.07%，2026YTD超额收益 5.51%，2026YTD绝对收益 14.56%，2026年周胜率 4/8 3. 中证500 AI增强宽约束-周度组合，上周超额收益 2.61%，上周绝对收益 -0.84%，3月超额收益 2.61%，3月绝对收益 -0.84%，2026YTD超额收益 -0.93%，2026YTD绝对收益 11.05%，2026年周胜率 3/8 4. 中证500 AI增强宽约束-日度组合，上周超额收益 0.73%，上周绝对收益 -2.72%，3月超额收益 0.73%，3月绝对收益 -2.72%，2026YTD超额收益 -4.25%，2026YTD绝对收益 7.73%，2026年周胜率 3/8 5. 中证500 AI增强严约束-周度组合，上周超额收益 2.09%，上周绝对收益 -1.35%，3月超额收益 2.09%，3月绝对收益 -1.35%，2026YTD超额收益 1.02%，2026YTD绝对收益 13.00%，2026年周胜率 4/8 6. 中证500 AI增强严约束-日度组合，上周超额收益 1.29%，上周绝对收益 -2.15%，3月超额收益 1.29%，3月绝对收益 -2.15%，2026YTD超额收益 0.42%，2026YTD绝对收益 12.40%，2026年周胜率 4/8 7. 中证1000 AI增强宽约束-周度组合，上周超额收益 2.43%，上周绝对收益 -1.22%，3月超额收益 2.43%，3月绝对收益 -1.22%，2026YTD超额收益 2.98%，2026YTD绝对收益 11.58%，2026年周胜率 4/8 8. 中证1000 AI增强宽约束-日度组合，上周超额收益 2.36%，上周绝对收益 -1.28%，3月超额收益 2.36%，3月绝对收益 -1.28%，2026YTD超额收益 2.54%，2026YTD绝对收益 11.15%，2026年周胜率 4/8 9. 中证1000 AI增强严约束-周度组合，上周超额收益 1.33%，上周绝对收益 -2.32%，3月超额收益 1.33%，3月绝对收益 -2.32%，2026YTD超额收益 2.34%，2026YTD绝对收益 10.94%，2026年周胜率 5/8 10. 中证1000 AI增强严约束-日度组合，上周超额收益 1.25%，上周绝对收益 -2.40%，3月超额收益 1.25%，3月绝对收益 -2.40%，2026YTD超额收益 3.10%，2026YTD绝对收益 11.71%，2026年周胜率 5/8

报告行业投资评级 * 报告未明确给出对具体行业的投资评级，其内容聚焦于量化选股因子及AI增强组合的近期表现回顾[1][2][5] 报告的核心观点 * 上周（2026年2月2日至2月6日）高频选股因子表现出现分化，其中与“大单”相关的因子表现相对较好，而基于深度学习的“多粒度”因子则持续展现出稳定的表现[1][2][5] * 报告重点跟踪的各类AI指数增强组合在上周及2026年年初至今均延续了强势表现，多个组合的超额收益显著[5] 根据相关目录分别进行总结 高频因子与深度学习因子表现 * **高频因子表现分化**：在报告统计的多个高频因子中，上周多空收益表现最佳的是“开盘后大单净买入占比因子”（0.34%），其次是“开盘后大单净买入强度因子”（0.29%）和“改进反转因子”（0.19%）[5][11]。而“日内高频偏度因子”（-1.11%）、“大单推动涨幅因子”（-0.99%）等因子则录得负收益[5][11] * **多粒度因子持续稳健**：“多颗粒度模型（5日标签）因子”上周多空收益为0.65%，2026年年初至今收益达6.15%，且2026年周胜率为5/5（全胜）[5][13]。“多颗粒度模型（10日标签）因子”上周多空收益为0.53%，2026年年初至今收益为4.60%，周胜率为4/5[5][13] * **深度学习高频因子**：如“改进GRU(50,2)+NN(10)”和“残差注意力LSTM(48,2)+NN(10)”等因子上周多空收益分别为0.22%和0.41%，2026年年初至今收益分别为2.36%和0.90%[13] AI增强组合业绩表现 * **AI空气指增组合表现突出**：周度调仓的AI空气指增组合上周超额收益为3.63%，绝对收益为3.29%；2026年年初至今超额收益达6.18%，绝对收益达13.66%[5][14]。日度调仓的组合表现更优，上周超额收益为3.83%，2026年年初至今超额收益为6.60%[5][14] * **中证500 AI增强组合**：在宽约束条件下，周度调仓组合上周超额收益为2.25%，但绝对收益为-0.42%；2026年年初至今绝对收益为9.01%[5][14]。严约束条件下的周度调仓组合上周超额收益为1.29%，2026年年初至今绝对收益为8.91%[5][14] * **中证1000 AI增强组合**：在宽约束条件下，周度调仓组合上周超额收益为2.66%，绝对收益为0.20%；2026年年初至今超额收益为4.21%，绝对收益为10.22%[5][14]。严约束条件下的周度调仓组合上周超额收益为1.65%，2026年年初至今超额收益为2.55%，绝对收益为8.56%[5][14] * **组合构建方法**：AI增强组合主要基于深度学习因子（多颗粒度模型-10日标签与5日标签各占50%）构建，并施加了包括个股权重、行业偏离、市值风格暴露、换手率等在内的不同严格程度的约束条件以控制风险[73][74][76]

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，特别是偏度信息，以预测未来收益[14] **因子具体构建过程**：报告未提供详细构建公式，但指出计算方式可参考专题报告《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**：分解已实现波动，关注下行波动部分在总波动中的占比，以衡量股票的下跌风险[19] **因子具体构建过程**：报告未提供详细构建公式，但指出计算方式可参考专题报告《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内的高频交易数据，通过直观逻辑或机器学习方法，将高频信息低频化，计算买入意愿的占比[23] **因子具体构建过程**：报告未提供详细构建公式，但指出计算方式可参考专题报告《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》[23] 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，但更侧重于衡量买入意愿的强度而非单纯占比[28] **因子具体构建过程**：报告未提供详细构建公式，但指出计算方式可参考专题报告《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》[28] 5. **因子名称**：开盘后大单净买入占比因子 **因子构建思路**：分析开盘后大单资金的净买入行为，计算其占比以捕捉主力资金动向[33] 6. **因子名称**：开盘后大单净买入强度因子 **因子构建思路**：在净买入占比的基础上，进一步衡量大单净买入的强度[38] 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，以更好地捕捉价格反转效应[43] 8. **因子名称**：尾盘成交占比因子 **因子构建思路**：关注尾盘时段成交量在全天成交量中的占比，以捕捉尾盘资金行为信息[49] 9. **因子名称**：平均单笔流出金额占比因子 **因子构建思路**：通过计算平均单笔流出金额的占比，来衡量资金流出的压力[55] 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，以识别有资金强力推动的股票[60] 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）相结合的深度学习模型，从高频数据中提取选股信号[64] **因子具体构建过程**：模型结构为GRU(50,2)与NN(10)的组合，具体网络架构和训练细节未在报告中详述[64] 12. **因子名称**：残差注意力 LSTM(48,2)+NN(10) 因子 **因子构建思路**：使用结合了残差连接和注意力机制的长短期记忆网络（LSTM）与神经网络相结合的深度学习模型，处理高频数据[66] **因子具体构建过程**：模型结构为残差注意力LSTM(48,2)与NN(10)的组合，具体网络架构和训练细节未在报告中详述[66] 13. **因子名称**：多颗粒度模型-5日标签因子 **因子构建思路**：使用基于双向AGRU（可能指注意力GRU）训练的多颗粒度深度学习模型，预测未来5日的收益标签[69] **因子具体构建过程**：模型基于双向AGRU训练得到，具体网络架构和训练细节未在报告中详述[69] 14. **因子名称**：多颗粒度模型-10日标签因子 **因子构建思路**：使用基于双向AGRU训练的多颗粒度深度学习模型，预测未来10日的收益标签[70] **因子具体构建过程**：模型基于双向AGRU训练得到，具体网络架构和训练细节未在报告中详述[70] 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**：基于深度学习因子（多颗粒度模型-10日标签）构建中证500指数增强组合，在较宽松的风险约束下最大化预期收益[74] **模型具体构建过程**：以最大化预期收益为目标函数 $$max\sum\mu_{i}w_{i}$$，其中 $w_i$ 为股票i的权重，$\mu_i$ 为股票i的预期超额收益[75]。组合优化时施加一系列风险控制约束，包括个股权重上限1%、行业偏离上限1%、市值因子暴露上限0.3等“宽”约束条件[75]。回测假设以次日均价成交，并扣除双边3‰的交易成本[76] 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**：基于深度学习因子（多颗粒度模型-10日标签）构建中证500指数增强组合，在更严格的风险约束下最大化预期收益[74] **模型具体构建过程**：目标函数与宽约束组合相同 $$max\sum\mu_{i}w_{i}$$[75]。但施加更严格的风险约束，例如市值因子暴露上限收紧至0.1，并额外增加ROE、SUE、波动率等因子的暴露约束，以及更高的成份股权重约束（0.8）[75]。回测假设以次日均价成交，并扣除双边3‰的交易成本[76] 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**：基于深度学习因子（多颗粒度模型-10日标签）构建中证1000指数增强组合，在较宽松的风险约束下最大化预期收益[74] **模型具体构建过程**：目标函数与前述组合相同 $$max\sum\mu_{i}w_{i}$$[75]。对中证1000指数成分股进行优化，约束条件与中证500宽约束组合类似，包括个股权重上限1%、行业偏离上限1%、市值因子暴露上限0.3等[75]。回测假设以次日均价成交，并扣除双边3‰的交易成本[76] 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**：基于深度学习因子（多颗粒度模型-10日标签）构建中证1000指数增强组合，在更严格的风险约束下最大化预期收益[74] **模型具体构建过程**：目标函数与前述组合相同 $$max\sum\mu_{i}w_{i}$$[75]。对中证1000指数成分股进行优化，约束条件与中证500严约束组合类似，包括更严格的市值暴露约束（0.1）以及额外的ROE、SUE、波动率等因子暴露约束和成份股权重约束（0.8）[75]。回测假设以次日均价成交，并扣除双边3‰的交易成本[76] 因子的回测效果 （以下数据均为周度频率测试结果，涵盖“上周”、“12月”及“2025YTD”三个时间段）[10][13] 1. 日内高频偏度因子，IC(历史)0.019，IC(2025年)0.021，e^(-rank mae)(历史)0.324，e^(-rank mae)(2025年)0.326，多空收益上周0.67%，多空收益12月-1.18%，多空收益2025YTD 22.39%，2025年周胜率32/51，多头超额收益上周-0.09%，多头超额收益12月-1.49%，多头超额收益2025YTD 5.11%，多头超额收益2025年周胜率26/51[10] 2. 日内下行波动占比因子，IC(历史)0.016，IC(2025年)0.018，e^(-rank mae)(历史)0.323，e^(-rank mae)(2025年)0.324，多空收益上周0.87%，多空收益12月-1.33%，多空收益2025YTD 19.08%，2025年周胜率34/51，多头超额收益上周-0.01%，多头超额收益12月-1.70%，多头超额收益2025YTD 1.89%，多头超额收益2025年周胜率27/51[10] 3. 开盘后买入意愿占比因子，IC(历史)0.025，IC(2025年)0.023，e^(-rank mae)(历史)0.321，e^(-rank mae)(2025年)0.320，多空收益上周0.66%，多空收益12月0.61%，多空收益2025YTD 21.12%，2025年周胜率38/51，多头超额收益上周0.59%，多头超额收益12月0.37%，多头超额收益2025YTD 9.83%，多头超额收益2025年周胜率33/51[10] 4. 开盘后买入意愿强度因子，IC(历史)0.030，IC(2025年)0.027，e^(-rank mae)(历史)0.326，e^(-rank mae)(2025年)0.326，多空收益上周0.46%，多空收益12月0.94%，多空收益2025YTD 28.09%，2025年周胜率38/51，多头超额收益上周-0.49%，多头超额收益12月0.10%，多头超额收益2025YTD 10.73%，多头超额收益2025年周胜率35/51[10] 5. 开盘后大单净买入占比因子，IC(历史)0.035，IC(2025年)0.020，e^(-rank mae)(历史)0.322，e^(-rank mae)(2025年)0.317，多空收益上周-0.21%，多空收益12月0.17%，多空收益2025YTD 22.11%，2025年周胜率35/51，多头超额收益上周-0.07%，多头超额收益12月0.75%，多头超额收益2025YTD 11.27%，多头超额收益2025年周胜率32/51[10] 6. 开盘后大单净买入强度因子，IC(历史)0.024，IC(2025年)0.014，e^(-rank mae)(历史)0.320，e^(-rank mae)(2025年)0.316，多空收益上周-0.25%，多空收益12月0.38%，多空收益2025YTD 12.50%，2025年周胜率30/51，多头超额收益上周-0.06%，多头超额收益12月0.77%，多头超额收益2025YTD 9.40%，多头超额收益2025年周胜率34/51[10] 7. 改进反转因子，IC(历史)0.030，IC(2025年)0.020，e^(-rank mae)(历史)0.330，e^(-rank mae)(2025年)0.330，多空收益上周0.35%，多空收益12月0.91%，多空收益2025YTD 22.33%，2025年周胜率38/51，多头超额收益上周-0.54%，多头超额收益12月-0.07%，多头超额收益2025YTD 7.82%，多头超额收益2025年周胜率28/51[11] 8. 尾盘成交占比因子，IC(历史)0.025，IC(2025年)0.015，e^(-rank mae)(历史)0.322，e^(-rank mae)(2025年)0.319，多空收益上周-0.94%，多空收益12月1.04%，多空收益2025YTD 16.73%，2025年周胜率33/51，多头超额收益上周-0.73%，多头超额收益12月-0.08%，多头超额收益2025YTD 5.19%，多头超额收益2025年周胜率27/51[11] 9. 平均单笔流出金额占比因子，IC(历史)0.008，IC(2025年)-0.007，e^(-rank mae)(历史)0.317，e^(-rank mae)(2025年)0.315，多空收益上周-1.15%，多空收益12月-2.15%，多空收益2025YTD -8.11%，2025年周胜率23/51，多头超额收益上周-0.30%，多头超额收益12月-0.81%，多头超额收益2025YTD -3.10%，多头超额收益2025年周胜率18/51[13] 10. 大单推动涨幅因子，IC(历史)0.018，IC(2025年)0.007，e^(-rank mae)(历史)0.325，e^(-rank mae)(2025年)0.325，多空收益上周0.41%，多空收益12月-0.93%，多空收益2025YTD 7.19%，2025年周胜率31/51，多头超额收益上周0.14%，多头超额收益12月-0.15%，多头超额收益2025YTD 1.61%，多头超额收益2025年周胜率28/51[13] 11. 改进 GRU(50,2)+NN(10) 因子，IC(历史)0.066，IC(2025年)0.045，e^(-rank mae)(历史)0.336，e^(-rank mae)(2025年)0.332，多空收益上周1.13%，多空收益12月-0.47%，多空收益2025YTD 47.04%，2025年周胜率41/51，多头超额收益上周-0.20%，多头超额收益12月-0.26%，多头超额收益2025YTD 7.10%，多头超额收益2025年周胜率28/51[13] 12. 残差注意力 LSTM(48,2)+NN(10) 因子，IC(历史)0.063，IC(2025年)0.044，e^(-rank mae)(历史)0.334，e^(-rank mae)(2025年)0.331，多空收益上周1.66%，多空收益12月0.19%，多空收益2025YTD 47.39%，2025年周胜率46/51，多头超额收益上周0.15%，多头超额收益12月0.06%，多头超额收益2025YTD 8.92%，多头超额收益2025年周胜率30/51[13] 13. 多颗粒度模型-5日标签因子，IC(历史)0.080，IC(2025年)0.065，e^(-rank mae)(历史)0.343，e^(-rank mae)(2025年)0.340，多空收益上周2.46%，多空收益12月1.12%，多空收益2025YTD 68.13%，2025年周胜率45/51，多头超额收益上周0.74%，多头超额收益12月-0.18%，多头超额收益2025YTD 24.48%，多头超额收益2025年周胜率40/51[13] 14. 多颗粒度模型-10日标签因子，IC(历史)0.073，IC(2025年)0.060，e^(-rank mae)(历史)0.342，e^(-rank mae)(2025年)0.341，多空收益上周2.26%，多空收益12月1.11%，多空收益2025YTD 62.71%，2025年周胜率45/51，多头超额收益上周0.76%，多头超额收益12月-0.50%，多头超额收益2025YTD 24.30%，多头超额收益2025年周胜率38/51[13] 模型的回测效果 （以下数据均为周度调仓频率下的超额收益及胜率）[14] 1. 周度调仓的中证500 AI增强宽约束组合，超额收益上周0.41%，超额收益12月-2.64%，超额收益2025YTD 5.46%，2025年周胜率29/51[14] 2. 周度调仓的中证500 AI增强严约束组合，超额收益上周0.92%，超额收益12月-1.62%，超额收益2025YTD 9.23%，2025年周胜率33/51[14] 3. 周度调仓的中证1000 AI增强宽约束组合，超额收益上周1.55%，超额收益12月-2.69%，超额收益2025YTD 15.39%，2025年周胜率34/51[14] 4. 周度调仓的中证1000 AI增强严约束组合，超额收益上周1.48%，超额收益12月-1.45%，超额收益2025YTD 19.02%，2025年周胜率33/51[14]

深度学习因子与手工收益因子的结合 - 通过将收益因子加入深度学习模型的正交层，可以生成与现有收益因子低相关但选股效果良好的深度学习因子，便于后续人工调整因子权重 [1] - 深度学习模型的黑盒特性在市场剧烈风格转换时难以人工干预，正交层的设计可降低深度因子与手工收益因子的多重共线性问题 [1] 正交层设计的效果验证 - 无论使用Rank MAE还是IC作为损失函数，加入高频/低频量价收益因子的正交层后，深度因子仍保持0.02以上的IC和6以上的IC IR，全市场选股效果显著 [2] - 深度因子与手工收益因子结合构建的多因子组合在全市场多头组合中表现明显改善，但指数增强组合的提升效果存在波动 [2] 多粒度因子与深度因子的协同作用 - 正交层加入收益因子后，深度因子与多粒度因子的相关性低于0.01（高频数据输入），两者结合可显著提升全市场纯多头组合表现 [2] - 深度学习因子对中、大市值股票收益预测能力有限，导致其在指数增强组合中的改善效果不明显 [2]