20260729-西南证券-机器学习因子选股月报（2026年8月）_13页_1mb

机器学习因子选股月报（2026年8月）总结

核心内容

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，定期更新该因子在2024年至今的表现情况。GAN_GRU 因子是通过 GAN 模型对量价时序特征进行处理后，再利用 GRU 模型进行时序特征编码得到的选股因子。

主要观点

1. 因子整体表现

• IC 均值：自2019年2月至2026年7月，月频调仓下，GAN_GRU 因子在全 A 范围内的 IC 均值为 $0.1078^{***}$，表明其具有显著的选股能力。
• 多头组合表现：多头组合年化超额收益率为 19.40%。
• 近期表现：截至2026年7月29日，最新一期 IC 为 $0.4409^{}$，近一年 IC 均值为 $0.0584^{}$，表明因子在近期有明显回暖。

2. 行业表现分析

• 近期行业表现（2026年7月）：
  • IC 排名前五的行业为：通信（0.5724***）、建材（0.5234***）、国防军工（0.5199***）、机械（0.5182***）、计算机（0.4986***）。
• 近一年行业表现：
  • IC 均值排名前五的行业为：煤炭（0.2130***）、传媒（0.1640***）、消费者服务（0.1456***）、钢铁（0.1398***）、商贸零售（0.1196***）。
• 多头组合行业超额收益：
  • 2026年7月，超额收益最高的行业为：建材（30.92%）、通信（25.73%）、国防军工（21.37%）、电子（20.20%）、基础化工（19.38%）。
  • 近一年，月平均超额收益最高的行业为：钢铁（1.79%）、消费者服务（1.36%）、国防军工（1.20%）、建筑（0.99%）、电力及公用事业（0.99%）。

3. 2026年8月多头组合

根据 GAN_GRU 因子得分，筛选出排名前10的股票为：

1. 国投丰乐（农林牧渔）
2. 华宝新能（电力设备）
3. 泰尔股份（机械设备）
4. 和晶科技（家用电器）
5. 国机汽车（汽车）
6. 东方通信（通信）
7. 中国一重（机械设备）
8. 捷佳伟创（电力设备）
9. 兆讯传媒（传媒）
10. 航发控制（国防军工）

关键信息

1. GAN_GRU 模型构建

• 模型结构：采用 GRU 模型进行时序特征编码，再结合 MLP 模型进行收益预测。
• 特征输入：包括日频和月频量价特征，共18个日频特征和6个月频特征。
• 训练方式：
  • 半年滚动训练，训练时间点为每年6月30日和12月31日。
  • 采用 80%:20% 的训练集与验证集比例。
  • 数据处理包括时序去极值+标准化，个股层面上截面标准化。
• 超参数：
  • 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。

2. 模型训练与预测

• GAN 模型用于生成更逼真的量价时序特征，生成器使用 LSTM，判别器使用 CNN。
• GAN 与 GRU 模型交替训练，以提升生成特征的逼真度与判别能力。

3. 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历史不一致。
• 存在第三方数据提供不准确的风险。
• 个股预测结果不构成投资建议或收益保证，投资者需自行评估风险偏好与承受能力。

表格与图表说明

表格

• 表 1：深度学习选股量价特征表，列出了日频与月频特征名称、助记符及说明。
• 表 2：GAN_GRU 因子历史表现，包含 IC、ICIR、换手率、近期 IC、近一年 IC 以及年化收益率等指标。
• 表 3：2026年7月末模型输出各行业排名第一个股，展示各行业表现最佳的股票。
• 表 4：因子得分排名前十的个股，列出了当前因子得分最高的股票及其所属行业。

图表

• 图 1：深度学习选股模型结构。
• 图 2：GAN 模型结构示意。
• 图 3：CNN 模型结构示意。
• 图 4：GAN_GRU 模型结构示意。
• 图 5：GAN_GRU 因子各行业近期 IC 表现。
• 图 6：GAN_GRU 因子各行业近期多头组合表现。

分析师信息

• 分析师：
  • 郑琳琳，执业证号：S1250522110001，邮箱：zhengll@swsc.com.cn
  • 祝晨宇，执业证号：S1250525100004，邮箱：zhcy@swsc.com.cn

投资评级说明

• 报告中的投资建议分为公司评级和行业评级。
• 公司评级标准为未来6个月内个股相对基准指数的涨幅。
• 行业评级标准为未来6个月内行业整体回报相对于基准指数的表现。

重要声明

• 本报告数据来源于公开资料，西南证券对其准确性、完整性或可靠性不作任何保证。
• 报告内容仅反映发布当日的判断，不构成投资建议，投资者需自行承担风险。
• 本报告须注明出处为“西南证券”，不得进行有悖原意的引用、删节和修改。
• 未经授权刊载或转发本报告的，西南证券保留追究法律责任的权利。