20260906-华源证券-深度学习因子周报_Score_v5因子今年相对中证全指超额44.31_11页_1mb

报告摘要

深度学习因子周报总结（2026年09月06日）

核心内容概述

本报告总结了2026年9月6日发布的《深度学习因子周报》，重点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指增组合的收益情况。报告指出，所有因子及指增组合在2026年以来均实现了正超额收益，其中 score_v5 因子 在中证全指和中证1000指数中表现尤为突出。

主要观点

1. 因子表现

近一周表现：
- 中证全指：score_v4style 因子超额收益最高（2.32%），score_v5 因子次之（1.49%），score_v2 因子相对较弱（1.15%）。
- 沪深300：score_v4 因子表现最好（3.14%），score_v1 因子次之（2.95%）。
- 中证500：score_v4 因子表现最佳（2.08%），score_v5 因子次之（1.48%）。
- 中证1000：score_v2 因子表现最好（1.78%），score_v5 因子次之（1.50%）。
今年以来表现：
- 中证全指：score_v5 因子超额收益最高（44.31%），score_v3fast 因子次之（38.83%）。
- 沪深300：score_v1 因子表现最佳（39.34%），score_v5 因子次之（36.49%）。
- 中证500：score_v4 因子超额收益最高（39.12%），score_v5 因子次之（37.52%）。
- 中证1000：score_v5 因子表现最好（33.97%），score_v3fast 因子次之（33.96%）。

所有因子在2026年以来均获得正超额收益，显示其在当前市场环境下的有效性。

关键信息

1. 因子构建与模型

score_v1：使用门控网络模型，基于周度、日度、分钟线、level2和基本面数据。
score_v2：基于带图结构GRU模型，捕捉股票间交互关系。
score_v3fast：基于ABCM模型，分离alpha和beta成分。
score_v4style：基于StyleNet模型，捕捉市场风格信息。
score_v4：融合多个模型（带图结构GRU、ABCM、StyleNet）和行业轮动信息。
score_v5：融合score_v1、v2、v3fast、v4style及行业轮动信息，是目前表现最好的因子。

2. 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1.14%、1.85%和1.40%。
今年以来：沪深300指增组合超额收益为8.23%，中证500指增组合为15.51%，中证1000指增组合为14.88%。
中证500指增组合表现最好，所有指增组合在2026年以来均获得正超额收益。

3. 组合构建规则

调仓频率：周度调仓，根据周五因子得分在每周一以VWAP价格进行交易。
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%，周单边换手率不超过20%，个股权重偏离不超过±1%。
交易限制：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，未来可能存在失效风险。
极端市场环境可能对模型效果造成显著冲击，导致收益亏损。

总结

本报告展示了多个深度学习因子在不同指数成分股中的表现，其中 score_v5 因子在中证全指和中证1000指数中表现最佳，尤其在2026年以来实现了显著的超额收益。指增组合整体表现良好，中证500指增组合表现最佳。所有因子和组合在2026年以来均获得正超额收益，但需注意模型在极端市场中的风险。