20260523-华源证券-深度学习因子周报_Score_v3fast因子今年相对中证全指超额24.55_11页_2mb

报告摘要

本报告总结了2026年5月23日深度学习因子在不同市场指数中的表现，以及相关指数增强组合的收益情况。报告基于历史数据构建的量化模型，对因子表现进行跟踪分析，并指出所有因子及指增组合在2026年均获得正超额收益。

因子表现：
- 中证全指：score_v3fast 因子表现最佳，近一周超额收益为 2.91%，今年以来超额收益为 24.55%。
- 沪深300：score_v2 因子表现最好，今年以来超额收益为 29.33%，score_v3 因子其次为 23.87%。
- 中证500：score_v4 因子表现最好，今年以来超额收益为 18.78%，score_v0 因子其次为 15.68%。
- 中证1000：score_v3 因子表现最好，今年以来超额收益为 19.73%，score_v0 因子其次为 19.60%。
指增组合表现：
- 近一周，沪深300、中证500和中证1000指增组合超额收益分别为1.27%、1.30%和1.15%。
- 今年以来，沪深300、中证500和中证1000指增组合超额收益分别为7.47%、10.59%和7.43%。
- 所有指增组合在2026年均获得正超额收益，其中中证500指增组合表现最佳。

因子构建与模型：
- score_v0：使用周度、日度、分钟线和level2数据集，采用带图结构GRU模型 + ABCM模型。
- score_v2：使用周度、日度、分钟线、level2和基本面数据集，采用带图结构GRU模型。
- score_v3fast：使用周度、日度、分钟线、level2和基本面数据集，采用ABCM模型。
- score_v3：使用周度、日度、分钟线、level2和基本面数据集，采用带图结构GRU模型 + ABCM模型。
- score_v4style：使用周度、日度、分钟线、level2和基本面数据集，采用StyleNet模型。
- score_v4：使用周度、日度、分钟线、level2和基本面数据集，采用带图结构GRU模型 + ABCM模型 + StyleNet模型。
组合构建规则：
- 使用score_v4因子构建指增组合。
- 周度调仓，采用VWAP价格进行交易。
- 风险暴露控制：市值因子不超过0.3倍标准差，行业因子不超过2%。
- 股票池为中证全指成分股，剔除北交所股票。
- 成分股占比限制为80%，周单边换手率限制为20%，个股权重偏离限制为±1%。
- 交易成本假设为买入千分之一，卖出千分之二，停牌和涨停不能买入，停牌和跌停不能卖出。
风险提示：
- 量化模型基于历史数据分析，未来可能失效。
- 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。