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]

根据研报内容，以下是关于量化因子和模型的总结： 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：基于股票日内高频收益的分布特征构建，捕捉收益分布的非对称性[13] - 因子具体构建过程：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》[13] **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，衡量下行波动在总波动中的占比[18] - 因子具体构建过程：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：基于开盘后的交易行为数据，衡量买入意愿的强度[22] - 因子具体构建过程：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》[22] **4 因子名称：开盘后买入意愿强度因子** - 因子构建思路：进一步量化开盘后买入意愿的强度水平[26] - 因子具体构建过程：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] **5 因子名称：开盘后大单净买入占比因子** - 因子构建思路：分析开盘后大单净买入在总交易中的占比[30] **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水平[35] **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优化[40] **8 因子名称：尾盘成交占比因子** - 因子构建思路：分析尾盘成交在当日总成交中的占比[45] **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的相对占比[51] **10 因子名称：大单推动涨幅因子** - 因子构建思路：分析大单交易对股价涨幅的推动作用[56] **11 因子名称：改进GRU(50,2)+NN(10)因子** - 因子构建思路：基于门控循环单元(GRU)和神经网络(NN)的深度学习模型[61] **12 因子名称：残差注意力LSTM(48,2)+NN(10)因子** - 因子构建思路：结合残差注意力机制的长短期记忆网络(LSTM)模型[62] **13 因子名称：多颗粒度模型-5日标签因子** - 因子构建思路：基于多时间颗粒度数据，使用5日收益标签训练[67] - 因子具体构建过程：因子基于双向AGRU训练得到[67] **14 因子名称：多颗粒度模型-10日标签因子** - 因子构建思路：基于多时间颗粒度数据，使用10日收益标签训练[68] - 因子具体构建过程：因子基于双向AGRU训练得到[68] 量化模型与构建方式 **1 模型名称：中证500 AI增强宽约束组合** - 模型构建思路：基于深度学习因子构建指数增强组合，采用相对宽松的约束条件[72] - 模型具体构建过程：优化目标为最大化预期收益，目标函数为$$max\sum\mu_{i}w_{i}$$，其中$w_i$为股票权重，$\mu_i$为预期超额收益[73] **2 模型名称：中证500 AI增强严约束组合** - 模型构建思路：基于深度学习因子构建指数增强组合，采用严格的约束条件[72] **3 模型名称：中证1000 AI增强宽约束组合** - 模型构建思路：基于深度学习因子构建指数增强组合，采用相对宽松的约束条件[72] **4 模型名称：中证1000 AI增强严约束组合** - 模型构建思路：基于深度学习因子构建指数增强组合，采用严格的约束条件[72] 因子的回测效果 **1 日内高频偏度因子**：历史IC 0.027，2025年IC 0.042，历史e^(-rank mae) 0.324，2025年e^(-rank mae) 0.329，9月多空收益3.82%，2025YTD多空收益16.22%，2025年月胜率6/9，9月多头超额1.74%，2025YTD多头超额5.14%[9] **2 日内下行波动占比因子**：历史IC 0.025，2025年IC 0.036，历史e^(-rank mae) 0.324，2025年e^(-rank mae) 0.326，9月多空收益2.86%，2025YTD多空收益13.58%，2025年月胜率7/9，9月多头超额0.55%，2025YTD多头超额1.41%[9] **3 开盘后买入意愿占比因子**：历史IC 0.032，2025年IC 0.030，历史e^(-rank mae) 0.322，2025年e^(-rank mae) 0.324，9月多空收益0.68%，2025YTD多空收益10.39%，2025年月胜率6/9，9月多头超额0.54%，2025YTD多头超额4.07%[9] **4 开盘后买入意愿强度因子**：历史IC 0.035，2025年IC 0.030，历史e^(-rank mae) 0.326，2025年e^(-rank mae) 0.329，9月多空收益0.65%，2025YTD多空收益11.29%，2025年月胜率7/9，9月多头超额0.60%，2025YTD多头超额4.52%[9] **5 开盘后大单净买入占比因子**：历史IC 0.041，2025年IC 0.035，历史e^(-rank mae) 0.324，2025年e^(-rank mae) 0.324，9月多空收益1.49%，2025YTD多空收益15.60%，2025年月胜率8/9，9月多头超额0.35%，2025YTD多头超额7.93%[9] **6 开盘后大单净买入强度因子**：历史IC 0.033，2025年IC 0.028，历史e^(-rank mae) 0.323，2025年e^(-rank mae) 0.322，9月多空收益0.88%，2025YTD多空收益11.30%，2025年月胜率8/9，9月多头超额0.80%，2025YTD多头超额6.14%[9] **7 改进反转因子**：历史IC 0.032，2025年IC 0.016，历史e^(-rank mae) 0.324，2025年e^(-rank mae) 0.331，9月多空收益-0.81%，2025YTD多空收益4.07%，2025年月胜率5/9，9月多头超额-0.63%，2025YTD多头超额3.61%[9] **8 尾盘成交占比因子**：历史IC 0.049，2025年IC 0.030，历史e^(-rank mae) 0.332，2025年e^(-rank mae) 0.323，9月多空收益2.13%，2025YTD多空收益14.11%，2025年月胜率7/9，9月多头超额0.58%，2025YTD多头超额6.10%[9] **9 平均单笔流出金额占比因子**：历史IC 0.020，2025年IC 0.009，历史e^(-rank mae) 0.317，2025年e^(-rank mae) 0.318，9月多空收益-0.48%，2025YTD多空收益3.59%，2025年月胜率5/9，9月多头超额0.80%，2025YTD多头超额3.67%[9] **10 大单推动涨幅因子**：历史IC 0.016，2025年IC 0.010，历史e^(-rank mae) 0.322，2025年e^(-rank mae) 0.327，9月多空收益2.23%，2025YTD多空收益7.36%，2025年月胜率7/9，9月多头超额1.19%，2025YTD多头超额3.34%[9] 模型的回测效果 **1 中证500 AI增强宽约束组合**：上周超额收益-1.36%，9月超额收益-3.85%，2025YTD超额收益0.94%，2025年周胜率23/39[13] **2 中证500 AI增强严约束组合**：上周超额收益-1.35%，9月超额收益-1.33%，2025YTD超额收益3.70%，2025年周胜率24/39[13] **3 中证1000 AI增强宽约束组合**：上周超额收益0.40%，9月超额收益0.42%，2025YTD超额收益9.15%，2025年周胜率26/39[13] **4 中证1000 AI增强严约束组合**：上周超额收益-0.19%，9月超额收益0.67%，2025YTD超额收益14.01%，2025年周胜率25/39[13]

量化因子与构建方式 1. **因子名称：日内高频偏度因子** - 构建思路：衡量股票日内收益分布的偏度特征[4] - 具体构建过程：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》，对常规因子进行正交化处理[10] 2. **因子名称：日内下行波动占比因子** - 构建思路：分解已实现波动中的下行波动部分占比[4] - 具体构建过程：参考《选股因子系列研究（二十五）——高频因子之已实现波动分解》[14] 3. **因子名称：开盘后买入意愿占比因子** - 构建思路：捕捉开盘后市场买入意愿的占比特征[4] - 具体构建过程：基于高频数据低频化方法，参考《选股因子系列研究（六十四）》[17] 4. **因子名称：开盘后买入意愿强度因子** - 构建思路：量化开盘后买入意愿的强度[4] - 具体构建过程：同开盘后买入意愿占比因子，但侧重强度计算[21] 5. **因子名称：开盘后大单净买入占比因子** - 构建思路：分析开盘后大单净买入的占比[4] - 具体构建过程：未披露详细公式，但需正交化处理[25] 6. **因子名称：改进反转因子** - 构建思路：优化传统反转因子的计算逻辑[4] - 具体构建过程：未披露具体公式[36] 7. **因子名称：尾盘成交占比因子** - 构建思路：衡量尾盘成交量在总成交中的占比[4] - 具体构建过程：未披露详细公式[37] 8. **因子名称：深度学习因子（改进GRU(50,2)+NN(10)）** - 构建思路：结合GRU神经网络与全连接层预测收益[4] - 具体构建过程：使用GRU(50,2)提取时序特征，NN(10)输出预测值[52] 9. **因子名称：多颗粒度模型（5日标签）** - 构建思路：基于双向AGRU训练多时间颗粒度标签[57] - 具体构建过程：采用5日收益标签训练模型[60] 10. **因子名称：多颗粒度模型（10日标签）** - 构建思路：同5日标签模型，但标签周期延长至10日[60] 因子回测效果 1. **日内高频偏度因子** - 上周多空收益：-0.51% - 6月多空收益：1.48% - 2025年多空收益：14.73%[4] 2. **日内下行波动占比因子** - 上周多空收益：-0.04% - 6月多空收益：1.86% - 2025年多空收益：12.84%[4] 3. **开盘后买入意愿占比因子** - 上周多空收益：0.77% - 6月多空收益：1.85% - 2025年多空收益：11.44%[4] 4. **改进GRU(50,2)+NN(10)因子** - 上周多空收益：0.70% - 6月多空收益：3.58% - 2025年多空收益：19.78%[4] 5. **多颗粒度模型（5日标签）** - 上周多空收益：1.56% - 6月多空收益：5.97% - 2025年多空收益：35.45%[4] 量化模型与构建方式 1. **模型名称：中证500 AI增强宽约束组合** - 构建思路：基于多颗粒度模型因子，最大化预期收益[61] - 具体构建过程：目标函数为$$ \max \sum w_i \mu_i $$，其中$w_i$为权重，$\mu_i$为预期超额收益[67] - 约束条件：个股权重≤1%，行业偏离≤1%，市值暴露≤0.3[62] 2. **模型名称：中证1000 AI增强严约束组合** - 构建思路：同中证500模型，但约束更严格[61] - 具体构建过程：增加ROE、SUE等基本面约束[62] 模型回测效果 1. **中证500 AI增强宽约束组合** - 上周超额收益：-0.25% - 6月超额收益：-0.36% - 2025年超额收益：7.95%[10] 2. **中证1000 AI增强严约束组合** - 上周超额收益：-0.21% - 6月超额收益：0.60% - 2025年超额收益：12.99%[10]