20260429-西南证券-机器学习因子选股月报（2026年5月）_14页_1mb

报告摘要

机器学习因子选股月报（2026年5月）总结

核心内容概述

本报告基于西南证券研究院发布的《量价时序特征挖掘模型在深度学习因子中的应用》（2024年7月11日）中提到的GAN_GRU模型，定期更新其自2024年以来的表现情况。GAN_GRU因子通过生成式对抗网络（GAN）对量价时序特征进行处理，再通过门控循环单元（GRU）进行时序特征编码，形成一个具有较强预测能力的选股因子。

主要观点

因子表现：自2019年2月至2026年4月，GAN_GRU因子在全A范围内IC均值为 $0.1078^{***}$，多头组合年化超额收益率为 $21.62%$。
最新一期表现：截至2026年4月28日，最新一期IC为 $-0.0531^{}$，近一年IC均值为 $0.0480^{}$。
行业表现：
- 近期表现：4月当期IC排名前五的行业为农林牧渔（$0.3139^{}$）、石油石化（$0.2845^{}$）、煤炭（$0.2646^{}$）、消费者服务（$0.2021^{}$）、银行（$0.1941^{***}$）。
- 近一年表现：IC均值排名前五的行业为传媒（$0.1428^{}$）、食品饮料（$0.1319^{}$）、商贸零售（$0.1071^{}$）、钢铁（$0.1066^{}$）、纺织服饰（$0.1065^{***}$）。
多头组合表现：
- 4月当期：超额收益最高的五个行业为石油石化（$8.84%$）、消费者服务（$7.72%$）、农林牧渔（$4.33%$）、建筑（$4.18%$）、纺织服饰（$3.86%$）。
- 近一年：月平均超额收益最高的五个行业为消费者服务（$2.08%$）、电力及公用事业（$1.64%$）、房地产（$1.59%$）、商贸零售（$1.47%$）、建筑（$1.21%$）。
- 未跑赢行业指数：近一年有6个行业未跑赢对应行业指数，包括煤炭、建材、电子、有色金属、通信。

关键信息

模型结构与参数设置

模型组成：GAN_GRU因子由GAN模型生成量价时序特征，再通过GRU模型进行编码。
特征处理：
- 量价特征：包括收盘价、开盘价、成交量、换手率等共18个特征。
- 特征频率：日频特征与月频特征相结合。
训练与预测：
- 训练数据：过去400天内的18个量价特征，每5个交易日采样一次。
- 训练方式：半年滚动训练，每年6月30日和12月31日进行模型训练。
- 数据处理：对每个特征进行时序去极值、标准化及个股层面上截面标准化。
- 模型结构：GRU(128, 128) + MLP(256, 64, 64)。
- 超参数设置：batch_size为截面股票数量、优化器为Adam、学习速率为1e-4、损失函数为IC、早停轮数为10、最大训练轮数为50。

风险提示

本报告结论基于公开历史数据，未来市场环境变化可能导致因子表现与报告结论存在差异。
存在第三方数据不准确的风险。
文中个股预测结果不构成投资建议或收益保证。
投资者应充分认知自身风险偏好及承受能力，市场有风险，投资需谨慎。

结论

GAN_GRU因子在全A范围内表现稳健，具有较高的信息系数（IC）和超额收益能力。其在多个行业中表现出良好的选股效果，尤其在近期和近一年的表现中，部分行业如石油石化、消费者服务、农林牧渔等表现突出。尽管因子在部分行业中未跑赢行业指数，但整体上仍具有一定的投资价值。投资者在使用该因子进行选股时，应结合自身风险偏好和市场情况，审慎决策。

展开完整摘要