> **来源：[研报客](https://pc.yanbaoke.cn)** # 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。 ### 最新股票推荐 截至2026年4月28日，根据GAN_GRU因子得分排名前10的股票为： 1. 通用股份（601500.SH） - 汽车 2. 广电运通（002152.SZ） - 计算机 3. 传化智联（002010.SZ） - 交通运输 4. 山东药玻（600529.SH） - 医药生物 5. 盾安环境（002011.SZ） - 家用电器 6. 万润股份（002643.SZ） - 电子 7. 福瑞达（600223.SH） - 美容护理 8. 芯联集成-U（688469.SH） - 电子 9. 陆家嘴（600663.SH） - 房地产 10. 楚江新材（002171.SZ） - 有色金属 ### 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。