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[14] * 因子具体构建过程：具体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》[14] 2. **因子名称：日内下行波动占比因子** * 因子构建思路：衡量日内下行波动在总波动中的占比[18] * 因子具体构建过程：具体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》[18] 3. **因子名称：开盘后买入意愿占比因子** * 因子构建思路：衡量开盘后一段时间内买方意愿的强弱[23] * 因子具体构建过程：具体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：衡量开盘后一段时间内买方意愿的强度[28] * 因子具体构建过程：具体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：衡量开盘后一段时间内大单净买入的占比[34] 6. **因子名称：开盘后大单净买入强度因子** * 因子构建思路：衡量开盘后一段时间内大单净买入的强度[37] 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：衡量尾盘成交额在当日总成交额中的占比[49] 9. **因子名称：平均单笔流出金额占比因子** * 因子构建思路：衡量平均每笔流出金额在总成交额中的占比[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涨幅[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：深度学习因子（多颗粒度模型-5日标签）** * 因子构建思路：基于双向A-GRU神经网络训练，使用5日收益率作为预测标签[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：深度学习因子（多颗粒度模型-10日标签）** * 因子构建思路：基于双向A-GRU神经网络训练，使用10日收益率作为预测标签[69] * 因子具体构建过程：因子基于双向A-GRU训练得到[69] 15. **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，通过优化求解得到组合权重[71] * 模型具体构建过程： 1. **信号合成**：使用多颗粒度模型-10日标签和多颗粒度模型-5日标签等权重合成预期收益信号[71] 2. **优化目标**：最大化预期收益，目标函数为 $$max\sum_{w_{i}}\mu_{i}w_{i}$$ 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[74] 3. **约束条件**：根据不同组合类型（空气指增、宽约束、严约束）施加个股、行业、风格（市值、PB、ROE等）、换手率等约束[72][74] 4. **交易设置**：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 （数据基于周度换仓，统计截至2026年4月17日当周）[10][12] 1. **日内高频偏度因子**：上周多空收益0.32%，4月多空收益2.62%，2026年多空收益8.03%，2026年周胜率11/14[10] 2. **日内下行波动占比因子**：上周多空收益-0.17%，4月多空收益0.49%，2026年多空收益7.86%，2026年周胜率10/14[10] 3. **开盘后买入意愿占比因子**：上周多空收益0.51%，4月多空收益2.64%，2026年多空收益9.26%，2026年周胜率12/14[10] 4. **开盘后买入意愿强度因子**：上周多空收益1.57%，4月多空收益5.12%，2026年多空收益11.18%，2026年周胜率10/14[10] 5. **开盘后大单净买入占比因子**：上周多空收益0.34%，4月多空收益1.21%，2026年多空收益7.41%，2026年周胜率13/14[10] 6. **开盘后大单净买入强度因子**：上周多空收益0.10%，4月多空收益1.93%，2026年多空收益6.08%，2026年周胜率11/14[10] 7. **改进反转因子**：上周多空收益1.76%，4月多空收益3.12%，2026年多空收益5.68%，2026年周胜率8/14[10] 8. **尾盘成交占比因子**：上周多空收益1.26%，4月多空收益2.33%，2026年多空收益7.54%，2026年周胜率11/14[10] 9. **平均单笔流出金额占比因子**：上周多空收益0.43%，4月多空收益1.46%，2026年多空收益-3.39%，2026年周胜率6/14[12] 10. **大单推动涨幅因子**：上周多空收益0.22%，4月多空收益0.08%，2026年多空收益0.51%，2026年周胜率7/14[12] 11. **改进 GRU(50,2)+NN(10)因子**：上周多空收益1.07%，4月多空收益4.53%，2026年多空收益9.89%，2026年周胜率11/14[12] 12. **残差注意力 LSTM(48,2)+NN(10)因子**：上周多空收益0.89%，4月多空收益3.95%，2026年多空收益9.63%，2026年周胜率12/14[12] 13. **多颗粒度模型-5日标签因子**：上周多空收益-0.52%，4月多空收益2.51%，2026年多空收益12.73%，2026年周胜率13/14[12] 14. **多颗粒度模型-10日标签因子**：上周多空收益-1.61%，4月多空收益0.76%，2026年多空收益9.66%，2026年周胜率10/14[12] 模型的回测效果 （数据统计截至2026年4月17日当周）[13] 1. **周度调仓AI空气指增组合**：上周超额收益-2.01%/绝对收益0.56%，4月超额收益-4.70%/绝对收益0.93%，2026年超额收益2.03%/绝对收益8.89%，2026年周胜率7/14[13] 2. **日度调仓AI空气指增组合**：上周超额收益-2.16%/绝对收益0.40%，4月超额收益-4.74%/绝对收益0.89%，2026年超额收益1.61%/绝对收益8.47%，2026年周胜率7/14[13] 3. **周度调仓中证500 AI增强宽约束组合**：上周超额收益-2.01%/绝对收益1.06%，4月超额收益-4.99%/绝对收益2.85%，2026年超额收益-1.07%/绝对收益8.95%，2026年周胜率5/14[13] 4. **日度调仓中证500 AI增强宽约束组合**：上周超额收益-2.30%/绝对收益0.77%，4月超额收益-4.84%/绝对收益3.00%，2026年超额收益-4.51%/绝对收益5.52%，2026年周胜率5/14[13] 5. **周度调仓中证500 AI增强严约束组合**：上周超额收益-1.08%/绝对收益1.99%，4月超额收益-1.63%/绝对收益6.21%，2026年超额收益-0.42%/绝对收益9.60%，2026年周胜率8/14[13] 6. **日度调仓中证500 AI增强严约束组合**：上周超额收益-1.66%/绝对收益1.42%，4月超额收益-1.85%/绝对收益5.99%，2026年超额收益-1.56%/绝对收益8.46%，2026年周胜率8/14[13] 7. **周度调仓中证1000 AI增强宽约束组合**：上周超额收益-3.16%/绝对收益0.70%，4月超额收益-6.97%/绝对收益2.06%，2026年超额收益-2.10%/绝对收益7.27%，2026年周胜率7/14[13] 8. **日度调仓中证1000 AI增强宽约束组合**：上周超额收益-3.26%/绝对收益0.60%，4月超额收益-6.08%/绝对收益2.95%，2026年超额收益-2.87%/绝对收益6.51%，2026年周胜率6/14[13] 9. **周度调仓中证1000 AI增强严约束组合**：上周超额收益-2.29%/绝对收益1.58%，4月超额收益-3.46%/绝对收益5.57%，2026年超额收益-0.32%/绝对收益9.06%，2026年周胜率8/14[13] 10. **日度调仓中证1000 AI增强严约束组合**：上周超额收益-1.70%/绝对收益2.16%，4月超额收益-3.08%/绝对收益5.95%，2026年超额收益0.94%/绝对收益10.32%，2026年周胜率8/14[13]

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，以预测未来收益[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：** 通过分解已实现波动，计算下行波动在总波动中的占比，用以衡量风险[20] **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》[20] 3. **因子名称：开盘后买入意愿占比因子** **因子构建思路：** 基于开盘后一段时间内的交易数据，衡量买方意愿的强度[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》[24] 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，进一步衡量买方意愿的强度[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》[29] 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额中的占比[34] **因子具体构建过程：** 报告未提供详细构建公式 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] **因子具体构建过程：** 报告未提供详细构建公式 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，以更好地捕捉反转效应[44] **因子具体构建过程：** 报告未提供详细构建公式 8. **因子名称：尾盘成交占比因子** **因子构建思路：** 计算尾盘阶段成交量在日总成交量中的占比[48] **因子具体构建过程：** 报告未提供详细构建公式 9. **因子名称：平均单笔流出金额占比因子** **因子构建思路：** 衡量平均单笔卖出（流出）金额在总成交额中的占比[52] **因子具体构建过程：** 报告未提供详细构建公式 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] **因子具体构建过程：** 报告未提供详细构建公式 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（门控循环单元）神经网络结合全连接层（NN），从高频数据中提取预测信号[61] **因子具体构建过程：** 报告未提供详细的网络结构和训练过程 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（长短期记忆网络）结合全连接层，从高频数据中提取预测信号[65] **因子具体构建过程：** 报告未提供详细的网络结构和训练过程 13. **因子名称：多颗粒度模型-5日标签因子** **因子构建思路：** 使用双向AGRU（注意力门控循环单元）模型进行训练，以5日收益作为预测标签，构建选股因子[66] **因子具体构建过程：** 因子基于双向AGRU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：** 使用双向AGRU（注意力门控循环单元）模型进行训练，以10日收益作为预测标签，构建选股因子[70] **因子具体构建过程：** 因子基于双向AGRU训练得到[70] 15. **复合因子名称：深度学习因子（用于AI增强组合）** **因子构建思路：** 将两个多颗粒度模型因子进行等权复合，作为AI增强组合的预期收益来源[72] **因子具体构建过程：** 由“多颗粒度模型-10日标签”因子乘以0.5，加上“多颗粒度模型-5日标签”因子乘以0.5，复合而成[72] 量化模型与构建方式 1. **模型名称：周度/日度调仓的AI指数增强组合模型** **模型构建思路：** 基于复合深度学习因子预测的股票预期收益，在给定的约束条件下，通过优化求解构建指数增强组合，以最大化组合预期收益[72][75] **模型具体构建过程：** * **核心输入：** 股票预期超额收益（μi），由复合深度学习因子（多颗粒度模型-10日标签*0.5 + 多颗粒度模型-5日标签*0.5）生成[72]。 * **优化目标：** 最大化组合预期收益。目标函数为： $$max\sum\mu_{i}w_{i}$$[75] 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]。 * **约束条件：** 根据不同组合类型（空气指增、中证500宽/严约束、中证1000宽/严约束）施加不同的风险控制约束，包括个股权重上限、行业偏离、市值暴露、风格因子（PB、ROE、SUE等）暴露、波动率控制、成分股权重约束以及换手率约束等[73][75]。 * **调仓与成本：** 分为周度调仓和日度调仓两种频率。回测假设以次日均价成交，并扣除双边3‰的交易成本[76]。 **模型评价：** 该模型通过深度学习因子捕捉Alpha，并利用严格的约束条件控制组合相对于基准指数的跟踪误差和风险暴露。 因子的回测效果 （数据来源：表2[12][14]，统计区间为上周、3月、2026年初至今（YTD）及2026年周胜率） 1. **日内高频偏度因子**，上周多空收益-0.24%，3月多空收益-0.03%，2026YTD多空收益4.27%，2026年周胜率7/10[12] 2. **日内下行波动占比因子**，上周多空收益-0.07%，3月多空收益0.94%，2026YTD多空收益6.76%，2026年周胜率7/10[12] 3. **开盘后买入意愿占比因子**，上周多空收益0.18%，3月多空收益2.26%，2026YTD多空收益5.22%，2026年周胜率8/10[12] 4. **开盘后买入意愿强度因子**，上周多空收益-0.45%，3月多空收益2.18%，2026YTD多空收益4.61%，2026年周胜率6/10[12] 5. **开盘后大单净买入占比因子**，上周多空收益0.33%，3月多空收益0.91%，2026YTD多空收益5.72%，2026年周胜率9/10[12] 6. **开盘后大单净买入强度因子**，上周多空收益0.43%，3月多空收益0.07%，2026YTD多空收益3.76%，2026年周胜率7/10[12] 7. **改进反转因子**，上周多空收益-0.72%，3月多空收益-0.08%，2026YTD多空收益1.98%，2026年周胜率5/10[12] 8. **尾盘成交占比因子**，上周多空收益0.72%，3月多空收益0.08%，2026YTD多空收益4.83%，2026年周胜率7/10[12] 9. **平均单笔流出金额占比因子**，上周多空收益0.55%，3月多空收益-0.86%，2026YTD多空收益-3.75%，2026年周胜率3/10[14] 10. **大单推动涨幅因子**，上周多空收益-0.33%，3月多空收益0.77%，2026YTD多空收益1.40%，2026年周胜率5/10[14] 11. **改进 GRU(50,2)+NN(10)因子**，上周多空收益0.61%，3月多空收益-0.13%，2026YTD多空收益5.13%，2026年周胜率7/10[14] 12. **残差注意力 LSTM(48,2)+NN(10)因子**，上周多空收益0.42%，3月多空收益0.55%，2026YTD多空收益4.88%，2026年周胜率8/10[14] 13. **多颗粒度模型-5日标签因子**，上周多空收益0.82%，3月多空收益1.68%，2026YTD多空收益9.31%，2026年周胜率10/10[14] 14. **多颗粒度模型-10日标签因子**，上周多空收益1.06%，3月多空收益2.35%，2026YTD多空收益8.19%，2026年周胜率8/10[14] 模型的回测效果 （数据来源：表3[15]，统计区间为上周、3月、2026年初至今（YTD）及2026年周胜率） 1. **AI空气指增模型（周度调仓）**，上周超额/绝对收益-0.12%/-5.47%，3月超额/绝对收益0.65%/-7.86%，2026YTD超额/绝对收益4.17%/6.70%，2026年周胜率5/10[15] 2. **AI空气指增模型（日度调仓）**，上周超额/绝对收益-0.78%/-6.12%，3月超额/绝对收益-0.08%/-8.59%，2026YTD超额/绝对收益4.41%/6.94%，2026年周胜率5/10[15] 3. **中证500 AI增强宽约束模型（周度调仓）**，上周超额/绝对收益1.43%/-4.40%，3月超额/绝对收益5.62%/-4.76%，2026YTD超额/绝对收益2.71%/6.66%，2026年周胜率5/10[15] 4. **中证500 AI增强宽约束模型（日度调仓）**，上周超额/绝对收益0.60%/-5.23%，3月超额/绝对收益1.79%/-8.58%，2026YTD超额/绝对收益-2.71%/1.24%，2026年周胜率5/10[15] 5. **中证500 AI增强严约束模型（周度调仓）**，上周超额/绝对收益0.35%/-5.47%，3月超额/绝对收益3.51%/-6.87%，2026YTD超额/绝对收益2.73%/6.68%，2026年周胜率6/10[15] 6. **中证500 AI增强严约束模型（日度调仓）**，上周超额/绝对收益0.31%/-5.52%，3月超额/绝对收益2.10%/-8.27%，2026YTD超额/绝对收益1.42%/5.37%，2026年周胜率6/10[15] 7. **中证1000 AI增强宽约束模型（周度调仓）**，上周超额/绝对收益0.79%/-4.46%，3月超额/绝对收益3.52%/-5.56%，2026YTD超额/绝对收益4.19%/6.67%，2026年周胜率6/10[15] 8. **中证1000 AI增强宽约束模型（日度调仓）**，上周超额/绝对收益-0.20%/-5.44%，3月超额/绝对收益1.81%/-7.27%，2026YTD超额/绝对收益1.92%/4.40%，2026年周胜率4/10[15] 9. **中证1000 AI增强严约束模型（周度调仓）**，上周超额/绝对收益0.57%/-4.68%，3月超额/绝对收益2.55%/-6.53%，2026YTD超额/绝对收益3.67%/6.15%，2026年周胜率7/10[15] 10. **中证1000 AI增强严约束模型（日度调仓）**，上周超额/绝对收益0.75%/-4.49%，3月超额/绝对收益1.87%/-7.21%，2026YTD超额/绝对收益3.72%/6.20%，2026年周胜率6/10[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，即偏度[15]。 **因子具体构建过程：** 报告未提供具体计算公式，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》[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[17]。 **因子具体构建过程：** 报告未提供具体计算公式，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》[17]。 3. **因子名称：开盘后买入意愿占比因子** **因子构建思路：** 基于高频委托单数据，衡量开盘后一段时间内买方意愿的强度[23]。 **因子具体构建过程：** 报告未提供具体计算公式，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：** 基于高频委托单数据，衡量开盘后一段时间内买方意愿的强度[28]。 **因子具体构建过程：** 报告未提供具体计算公式，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：** 基于高频成交数据，衡量开盘后大单净买入的占比情况[33]。 6. **因子名称：开盘后大单净买入强度因子** **因子构建思路：** 基于高频成交数据，衡量开盘后大单净买入的强度[37]。 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，以提升选股效果[41]。 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在当日总成交额中的占比[47]。 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流出金额中的占比[51]。 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[56]。 11. **因子名称：改进 GRU(50,2)+NN(10)** **因子构建思路：** 使用改进的GRU（门控循环单元）神经网络与全连接神经网络（NN）相结合，从高频数据中提取选股信号[61]。 12. **因子名称：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（长短期记忆）神经网络与全连接神经网络（NN）相结合，从高频数据中提取选股信号[64]。 13. **因子名称：多颗粒度模型-5日标签** **因子构建思路：** 基于双向A-GRU（注意力门控循环单元）深度学习模型训练得到的因子，使用5日收益作为训练标签[67]。 **因子具体构建过程：** 因子基于双向A-GRU训练得到[67]。 14. **因子名称：多颗粒度模型-10日标签** **因子构建思路：** 基于双向A-GRU（注意力门控循环单元）深度学习模型训练得到的因子，使用10日收益作为训练标签[70]。 **因子具体构建过程：** 因子基于双向A-GRU训练得到[70]。 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前提下最大化预期超额收益[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 * 0.5 + 多颗粒度模型-5日标签 * 0.5）作为股票的预期超额收益（μi）来源[73]。 * **优化目标：** 最大化预期收益。目标函数为： $$max\sum\mu_{i}w_{i}$$ 其中，wi为股票i的权重，μi为股票i的预期超额收益[76]。 * **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，包括个股权重上限、行业偏离、风格因子（市值、PB、ROE等）暴露约束、成分股权重约束以及换手率约束[74][76]。 * **回测设置：** 假定以次日均价成交，并扣除双边3‰的交易成本[77]。 因子的回测效果 （数据来源：表2，周度高频、深度选股因子IC，RankMAE，多空收益，多头超额收益及月度胜率[11][13]） | 因子名称 | 历史IC | 2026年IC | 历史e^(-rank mae) | 2026年e^(-rank mae) | 上周多空收益 | 2月多空收益 | 2026YTD多空收益 | 2026年周胜率 | 上周多头超额 | 2月多头超额 | 2026YTD多头超额 | 2026年周胜率（多头） | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 日内高频偏度 | 0.019 | 0.030 | 0.324 | 0.327 | 0.49% | 0.31% | 4.31% | 6/7 | 0.18% | -0.15% | 1.89% | 5/7 | | 日内下行波动占比 | 0.016 | 0.036 | 0.323 | 0.327 | 0.23% | 1.06% | 5.81% | 6/7 | 0.08% | 0.50% | 2.94% | 5/7 | | 开盘后买入意愿占比 | 0.025 | 0.020 | 0.321 | 0.321 | 0.01% | -0.90% | 2.97% | 5/7 | -0.57% | -1.05% | 0.36% | 4/7 | | 开盘后买入意愿强度 | 0.030 | 0.024 | 0.326 | 0.327 | -0.41% | -1.93% | 2.42% | 4/7 | -0.65% | -1.48% | 0.80% | 4/7 | | 开盘后大单净买入占比 | 0.035 | 0.034 | 0.322 | 0.320 | 0.73% | 2.26% | 4.81% | 6/7 | -0.24% | 0.48% | 1.48% | 4/7 | | 开盘后大单净买入强度 | 0.024 | 0.029 | 0.320 | 0.319 | 0.46% | 1.84% | 3.70% | 5/7 | 0.04% | 0.70% | 0.87% | 5/7 | | 改进反转 | 0.030 | 0.013 | 0.330 | 0.329 | -1.12% | -0.68% | 2.06% | 4/7 | -0.08% | 0.61% | 2.95% | 5/7 | | 尾盘成交占比 | 0.026 | 0.024 | 0.322 | 0.319 | 0.28% | 0.45% | 4.75% | 5/7 | -0.41% | -0.51% | 1.77% | 4/7 | | 平均单笔流出金额占比 | 0.007 | -0.022 | 0.317 | 0.312 | -0.56% | -1.33% | -2.89% | 2/7 | 0.16% | -0.53% | -1.03% | 3/7 | | 大单推动涨幅 | 0.018 | 0.000 | 0.325 | 0.325 | -0.57% | -0.76% | 0.63% | 4/7 | 0.45% | 0.56% | 1.43% | 5/7 | | 改进 GRU(50,2)+NN(10) | 0.065 | 0.030 | 0.336 | 0.326 | 1.27% | 3.12% | 5.26% | 6/7 | 0.24% | 0.06% | 0.37% | 5/7 | | 残差注意力 LSTM(48,2)+NN(10) | 0.062 | 0.027 | 0.334 | 0.322 | 1.16% | 3.84% | 4.33% | 5/7 | 0.33% | 1.11% | 1.21% | 4/7 | | 多颗粒度模型-5日标签 | 0.079 | 0.048 | 0.343 | 0.336 | 0.22% | 2.13% | 7.62% | 7/7 | -0.04% | 0.46% | 3.74% | 6/7 | | 多颗粒度模型-10日标签 | 0.073 | 0.046 | 0.342 | 0.339 | -0.37% | 1.76% | 5.83% | 5/7 | -0.34% | 0.50% | 3.24% | 5/7 | 模型的回测效果 （数据来源：表3，周度调仓的AI增强组合超额收益及周度胜率[14]） | 模型/组合名称 | 上周超额收益 | 上周绝对收益 | 2月超额收益 | 2月绝对收益 | 2026YTD超额收益 | 2026YTD绝对收益 | 2026年周胜率 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | **AI空气指增** | | | | | | | | | 周度组合 | -1.13% | 2.25% | 1.34% | 5.23% | 3.74% | 15.79% | 3/7 | | 日度组合 | -0.57% | 2.81% | 2.22% | 6.11% | 4.93% | 16.98% | 3/7 | | **中证500 AI增强宽约束** | | | | | | | | | 周度组合 | -2.69% | 1.63% | -1.14% | 2.30% | -3.99% | 11.99% | 2/7 | | 日度组合 | -2.74% | 1.59% | -1.61% | 1.83% | -5.24% | 10.74% | 2/7 | | **中证500 AI增强严约束** | | | | | | | | | 周度组合 | -1.54% | 2.78% | 0.29% | 3.73% | -1.43% | 14.55% | 3/7 | | 日度组合 | -0.68% | 3.64% | 0.13% | 3.57% | -1.11% | 14.87% | 3/7 | | **中证1000 AI增强宽约束** | | | | | | | | | 周度组合 | -2.70% | 1.64% | -1.03% | 2.68% | 0.24% | 12.96% | 3/7 | | 日度组合 | -2.10% | 2.24% | -0.82% | 2.88% | -0.12% | 12.59% | 3/7 | | **中证1000 AI增强严约束** | | | | | | | | | 周度组合 | -1.03% | 3.31% | 0.06% | 3.76% | 0.86% | 13.57% | 4/7 | | 日度组合 | -1.14% | 3.20% | -0.62% | 3.09% | 1.74% | 14.45% | 4/7 |