20260802-华源证券-深度学习因子周报_Score_v4style因子今年相对中证全指超额34.65_11页_1mb

深度学习因子周报总结（2026年08月02日）

核心内容概述

本报告总结了2026年8月2日发布的深度学习因子周报内容，主要围绕多个宽基指数成分股中不同因子的超额收益表现及指增组合的运行情况展开分析。报告指出，score_v4style因子在多个指数中表现突出，特别是在中证全指和中证1000指数中，今年以来超额收益分别达到34.65%和37.05%，显示其较强的选股能力。

主要观点

1. 深度学习因子表现

• 中证全指：

  • 近一周：score_v3fast因子表现最佳（+2.99%），score_v4style次之（+2.80%），score_v2表现相对较弱（-10.35%）。
  • 今年以来：score_v4style因子表现最佳（+34.65%），score_v3fast次之（+30.44%），score_v0和score_v2为负超额（-3.33%、-7.61%）。

• 沪深300：

  • 近一周：score_v3fast因子表现最佳（+0.36%）。
  • 今年以来：score_v4style因子表现最佳（+26.39%），score_v2次之（+15.55%），所有因子均为正超额。

• 中证500：

  • 近一周：score_v3fast因子表现最佳（+4.47%）。
  • 今年以来：score_v4style因子表现最佳（+24.98%），score_v4次之（+23.33%），所有因子均为正超额。

• 中证1000：

  • 近一周：score_v4style因子表现最佳（+4.66%）。
  • 今年以来：score_v4style因子表现最佳（+37.05%），score_v4次之（+17.44%），所有因子均为正超额。

2. 指增组合表现

• 近一周：

  • 沪深300指增组合超额收益为-0.98%
  • 中证500指增组合超额收益为-0.75%
  • 中证1000指增组合超额收益为-2.32%

• 今年以来：

  • 沪深300指增组合超额收益为+0.84%
  • 中证500指增组合超额收益为+10.55%
  • 中证1000指增组合超额收益为+7.40%
  • 中证500指增组合表现最好，中证1000其次，沪深300最弱。

3. 因子构建与模型说明

• score_v0：使用周度、日度、分钟线和level2数据集，模型为带图结构GRU模型+ABCM模型。
• score_v2：使用周度、日度、分钟线、level2和基本面数据集，模型为带图结构GRU模型。
• score_v3fast：使用周度、日度、分钟线、level2和基本面数据集，模型为ABCM模型。
• score_v3：使用周度、日度、分钟线、level2和基本面数据集，模型为带图结构GRU模型+ABCM模型。
• score_v4style：使用周度、日度、分钟线、level2和基本面数据集，模型为StyleNet模型。
• score_v4：使用周度、日度、分钟线、level2和基本面数据集，模型为带图结构GRU模型+ABCM模型+StyleNet模型。

关键信息

1. 因子表现差异

• score_v4style因子在所有指数中均表现优异，尤其在中证全指和中证1000中，今年以来超额收益分别达到34.65%和37.05%。
• score_v3fast因子在中证全指、沪深300和中证500中均表现良好，但近一周在中证1000中表现不佳。
• score_v2因子表现一般，尤其是在中证全指和沪深300中，今年以来为负超额。

2. 指增组合表现

• 指增组合整体表现优于因子本身，但近一周均出现小幅亏损。
• 今年以来，中证500指增组合表现最好，中证1000其次，沪深300最弱。

3. 模型特点

• 带图结构GRU模型：通过构建自适应Attention图结构，捕捉股票间的交互关系。
• ABCM模型：分离因子中的alpha与风险成分，提升因子的选股能力。
• StyleNet模型：用于分离特质性alpha与风格轮动带来的alpha，增强因子的解释性。

风险提示

1. 量化模型基于历史数据构建，未来可能存在失效风险。
2. 极端市场环境可能对模型效果产生显著负面影响，导致收益波动甚至亏损。
3. 投资者应密切关注模型表现，合理评估市场风险。

投资建议

• score_v4style因子表现突出，适合关注中证全指、沪深300、中证500和中证1000指数的投资者。
• 指增组合中，中证500表现最佳，中证1000其次，投资者可考虑配置该类组合。
• 投资决策应结合个人风险偏好与投资目标，谨慎评估模型风险与市场波动。

总结

本报告全面展示了多个深度学习因子在不同指数中的表现及指增组合的收益情况。score_v4style因子在多个指数中表现优异，尤其在中证全指和中证1000中，今年以来超额收益显著。指增组合整体表现良好，但需警惕市场波动风险。投资者应结合模型特点与市场环境，审慎决策。