> **来源：[研报客](https://pc.yanbaoke.cn)** # 深度学习因子周报总结（2026年05月17日） ## 核心内容概述 本报告为华源证券研究所发布的深度学习因子周报，主要分析了多个深度学习因子在不同宽基指数成分股中的表现，以及基于这些因子构建的指数增强组合的表现。报告涵盖了中证全指、沪深300、中证500和中证1000等指数，并提供了因子表现和指增组合收益的数据。 --- ## 主要观点 ### 1. 深度学习因子表现 - **中证全指**： - 近一周，score_v3fast 因子表现最好，超额收益为 **2.83%**。 - 今年以来，score_v3fast 因子表现最佳，超额收益为 **20.13%**，score_v4 因子次之，超额收益为 **16.36%**。 - 所有因子今年以来均获得正超额。 - **沪深300**： - 近一周，score_v4style 因子表现最好，超额收益为 **3.01%**。 - 今年以来，score_v2 因子表现最佳，超额收益为 **23.71%**，score_v3 因子次之，超额收益为 **16.88%**。 - 所有因子今年以来均获得正超额。 - **中证500**： - 近一周，score_v0 因子表现最好，超额收益为 **2.76%**。 - 今年以来，score_v4 因子表现最佳，超额收益为 **14.33%**，score_v0 因子次之，超额收益为 **10.82%**。 - 所有因子今年以来均获得正超额。 - **中证1000**： - 近一周，score_v3fast 因子表现最好，超额收益为 **3.08%**。 - 今年以来，score_v3 因子表现最佳，超额收益为 **15.10%**，score_v0 因子次之，超额收益为 **14.81%**。 - 所有因子今年以来均获得正超额。 ### 2. 指数增强组合表现 - **近一周**： - 沪深300指增组合超额收益为 **-0.43%**。 - 中证500指增组合超额收益为 **1.22%**。 - 中证1000指增组合超额收益为 **-0.41%**。 - **今年以来**： - 沪深300指增组合超额收益为 **5.49%**。 - 中证500指增组合超额收益为 **8.50%**。 - 中证1000指增组合超额收益为 **5.34%**。 - **总体表现**： - 中证500指增组合表现最佳。 - 所有指增组合今年均获得正超额。 --- ## 关键信息 ### 1. 因子构建与调仓方式 - **选股范围**：各个宽基指数成分股，剔除北交所股票。 - **多空组合构建**： - 中证全指成分股按因子得分高低分 20 组，等权配置。 - 沪深300、中证500和中证1000成分股分 10 组。 - **调仓频率**：周度调仓，根据周五因子得分在每周一按收盘价进行买卖交易。 ### 2. 指增组合构建方式 - **使用因子**：score_v4。 - **调仓频率**：周频调仓。 - **交易方式**：假设根据每周五个股得分在每周一以 vwap 价格进行买卖交易。 - **风险控制**： - 市值因子相对基准指数的暴露不超过 0.3 倍标准差。 - 所有行业因子相对暴露不超过 2%。 - 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%。 - 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。 ### 3. 模型说明 - **带图结构 GRU 模型**：通过构建自适应 Attention 图结构捕捉股票间交互关系，输出低相关的弱因子。 - **ABCM 模型**：通过 MSE 和 Rsquare 损失分离 alpha 和风险成分，alpha 成分具有选股能力和对未来收益率的解释能力。 - **StyleNet 模型**：分离广义 alpha 成分中的个股特质性 alpha 和风格因子带来的 alpha。 --- ## 风险提示 1. **模型失效风险**：量化模型基于历史数据，未来可能失效，建议投资者跟踪模型表现。 2. **极端市场冲击**：极端市场环境可能对模型效果造成剧烈影响，导致收益亏损。 --- ## 投资评级说明 - **证券投资评级**： - 买入：相对基准指数涨跌幅在 20% 以上； - 增持：相对基准指数涨跌幅在 5%～20% 之间； - 中性：相对基准指数涨跌幅在 -5%～+5% 之间； - 减持：相对基准指数涨跌幅低于 -5%。 - **行业投资评级**： - 看好：行业指数超越市场基准； - 中性：行业指数与市场基准持平； - 看淡：行业指数弱于市场基准。 --- ## 基准指数说明 - A股市场（北交所除外）基准为 **沪深300指数**。 - 北交所市场基准为 **北证50指数**。 - 香港市场基准为 **恒生中国企业指数（HSCEI）**。 - 美国市场基准为 **标普500指数** 或 **纳斯达克指数**。 - 新三板基准指数为 **三板成指** 或 **三板做市指数**。 --- ## 总结 本报告提供了多个深度学习因子在不同指数成分股中的表现数据，以及基于这些因子的指数增强组合表现。总体来看，所有因子在2026年以来均获得正超额收益，其中 score_v3fast 和 score_v3 在中证全指和中证1000 中表现突出。指增组合中，中证500 表现最好，而沪深300 和中证1000 的指增组合表现相对较弱。投资者需注意模型可能存在的失效风险和极端市场环境的影响。