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]