> **来源：[研报客](https://pc.yanbaoke.cn)** # 深度学习因子周报总结 ## 核心内容 本报告分析了2026年5月30日深度学习因子在多个宽基指数上的表现，以及指数增强组合的超额收益情况。报告指出，所有因子在今年均获得正超额收益，且不同指数下表现各异。 ## 主要观点 - **因子表现**： - **中证全指**：score_v3fast 因子表现最好，今年以来超额收益为24.35%；score_v4style 因子次之，超额收益为19.60%。 - **沪深300**：score_v2 因子表现最好，今年以来超额收益为33.27%；score_v3 因子次之，超额收益为28.49%。 - **中证500**：score_v4 因子表现最好，今年以来超额收益为18.61%；score_v0 因子次之，超额收益为14.04%。 - **中证1000**：score_v0 因子表现最好，今年以来超额收益为19.59%；score_v3 因子次之，超额收益为18.21%。 - **近一周表现**： - **中证全指**：score_v3fast 超额收益为-0.15%。 - **沪深300**：score_v3 超额收益为3.74%。 - **中证500**：score_v2 超额收益为0.22%。 - **中证1000**：score_v4style 超额收益为0.71%。 - **指增组合表现**： - **沪深300**：近一周超额收益为-0.06%，今年以来为7.41%。 - **中证500**：近一周超额收益为-0.31%，今年以来为10.25%。 - **中证1000**：近一周超额收益为-1.29%，今年以来为6.04%。 ## 关键信息 - **因子构建方式**： - 不同因子使用了不同的数据集和模型，如score_v0使用了周度、日度、分钟线和level2数据集，结合带图结构GRU模型和ABCM模型。 - score_v2和score_v3fast等因子结合了基本面信息和市场风格信息，使用了更全面的数据集和模型。 - **调仓频率**： - 所有因子均采用周度调仓方式，根据周五因子得分在每周一按照收盘价进行买卖交易。 - **风险控制**： - 风险暴露控制：市值因子相对基准指数的暴露不超过0.3倍标准差，行业因子相对暴露不超过2%。 - 组合构建限制：成分股占比为80%，周单边换手率限制为20%，个股权重偏离限制为±1%。 - **交易成本**： - 假设买入成本为千分之一，卖出成本为千分之二，停牌和涨停不能买入，停牌和跌停不能卖出。 ## 风险提示 1. 量化模型基于历史数据分析，未来或存在失效风险，建议投资者紧密跟踪模型表现。 2. 极端市场环境可能对模型效果造成剧烈冲击，导致收益亏损。