量化模型与构建方式 1. 高频因子 1. **因子名称**：日内高频偏度因子 **因子构建思路**：通过分析股票日内收益的偏度特征来捕捉市场情绪和价格波动异常[3][6] **因子具体构建过程**：参考专题报告《选股因子系列研究(十九)——高频因子之股票收益分布特征》，对常规因子进行正交化处理[11] **因子评价**：长期多空收益稳定，但5月表现较弱[3][6] 2. **因子名称**：日内下行波动占比因子 **因子构建思路**：衡量股票下跌波动在总波动中的占比，反映风险特征[3][6] **因子具体构建过程**：基于专题报告《选股因子系列研究（二十五）——高频因子之已实现波动分解》方法构建[17] 3. **因子名称**：开盘后买入意愿占比因子 **因子构建思路**：通过开盘后买入交易量占比捕捉资金流向[3][6] **因子具体构建过程**：采用《选股因子系列研究（六十四）——基于直观逻辑和机器学习的高频数据低频化应用》方法[21] 4. **因子名称**：开盘后大单净买入占比因子 **因子构建思路**：分析大单资金在开盘后的净流入情况[3][6] **因子评价**：2025年月胜率达100%，稳定性突出[7] 2. 深度学习因子 1. **因子名称**：改进GRU(50,2)+NN(10)因子 **因子构建思路**：结合门控循环单元和神经网络提取高频数据时序特征[3][14] **因子评价**：多空收益持续为正但多头超额收益为负[10] 2. **因子名称**：多颗粒度模型（5日标签） **因子构建思路**：基于双向AGRU训练，融合不同时间颗粒度的市场信息[15][66] **因子评价**：2025年多空收益达28.86%，表现最佳[10] 3. AI增强组合模型 **模型名称**：中证500/1000 AI增强组合 **模型构建思路**：以多颗粒度模型因子为核心，通过优化约束条件构建增强组合[69] **模型具体构建过程**： - 目标函数：$$max\sum\mu_{i}w_{i}$$，其中μi为股票预期超额收益[70] - 风险控制模块包含个股/行业约束、市值约束、财务指标约束等[70] - 交易成本假设为双边3‰[71] 回测效果 1. 高频因子 | 因子名称 | 上周多空收益 | 5月多空收益 | 2025年多空收益 | IC(2025) | RankMAE(2025) | |--------------------------|--------------|-------------|-----------------|----------|---------------| | 日内高频偏度因子 | 0.18% | -1.42% | 14.35% | 0.057 | 0.331 | | 开盘后大单净买入占比因子 | 0.31% | -0.33% | 12.32% | 0.039 | 0.324 | | 大单推动涨幅因子 | 0.36% | -0.53% | 4.26% | 0.005 | 0.322 | 2. 深度学习因子 | 因子名称 | 上周多空收益 | 5月多空收益 | 2025年多空收益 | 多头超额(2025) | |--------------------------|--------------|-------------|-----------------|----------------| | GRU(50,2)+NN(10) | 0.09% | 0.11% | 16.01% | -1.81% | | 多颗粒度模型(5日标签) | 0.56% | 0.81% | 28.86% | 9.83% | 3. AI增强组合 | 组合名称 | 上周超额收益 | 5月超额收益 | 2025年超额收益 | |------------------------------|--------------|-------------|----------------| | 中证500 AI增强宽约束组合 | 1.19% | 3.50% | 7.44% | | 中证1000 AI增强严约束组合 | 0.98% | 3.33% | 11.98% |

报告核心观点 报告对ETF轮动因子、高频因子进行跟踪测试，并构建相关指数增强策略，各因子和策略在样本外有不同表现，部分近期表现优异，还给出本周建议关注的ETF及策略持仓列表 [3][4][5] 各部分总结 ETF轮动策略跟踪 ETF轮动因子及策略近期表现 - 使用GBDT+NN机器学习因子构建周度调仓的ETF轮动策略，样本外整体表现良好 [13] - 上周因子IC值44.48%，多头超额收益率0.73% [14] - 考虑手续费，以沪深300指数为基准回测，策略年化超额收益率11.88%，信息比率0.69，超额最大回撤17.31% [15][17] - 上周超额收益率0.20%，本月以来超额收益率1.64%，今年以来超额收益率0.35% [18] 本周建议关注ETF - 本周ETF持仓包括证券ETF龙头、红利低波ETF等多只ETF [21][22] 高频因子超额收益概览 - 过去一周，各类高频因子多头组合在中证1000指数成分股中表现稳定，价格区间类因子多空收益率-2.07%，多头超额收益率-1.17%；量价背离因子多空收益率-1.18%，多头超额收益率-0.22%；遗憾规避因子多空收益率1.65%，多头超额收益率0.75% [22] 各类高频因子近期表现跟踪 高频价格区间因子 - 高价格区间成交笔数与成交量因子与股票未来收益负相关，低价格区间平均每笔成交量因子与股票未来收益正相关 [25] - 高价格80%区间成交量因子、高价格80%区间成交笔数因子和低价格10%区间每笔成交量因子周频调仓表现较好 [25] - 三个细分因子上周多空收益率分别为-1.73%、-1.56%、0.14%，多头超额收益率分别为-1.17%、-1.26%、0.32% [26] - 合成后价格区间因子样本外表现出色，超额净值曲线稳定向上 [28] 高频量价背离因子 - 量价背离时，股价未来上涨可能性高；量价趋同时，股价未来下跌可能性高 [31] - 价格与成交笔数的相关性和价格与成交量的相关性周频调仓表现较好 [31] - 两个细分因子上周多空收益率分别为-0.69%、-1.05%，多头超额收益率分别为-0.33%、-0.43% [31] - 合成后量价背离因子自2020年以来收益呈下降趋势，今年以来表现良好 [36] 遗憾规避因子 - 利用投资者遗憾规避情绪可构造有效选股因子 [37] - 卖出反弹占比因子和卖出反弹偏离因子周频表现较好 [37] - 两个细分因子上周多空收益率分别为1.67%、0.70%，多头超额收益率分别为0.88%、0.55% [40] - 合成后遗憾规避因子收益表现整体平稳向上，今年以来超额收益0.27% [44] 斜率凸性因子 - 用委托价和累计委托量计算买卖双方订单簿斜率，构建斜率凸性因子 [45] - 低档斜率因子和高档位卖方凸性因子周频调仓近期表现波动 [45] - 两个细分因子上周多空收益率分别为-0.75%、-0.50%，多头超额收益率分别为-0.34%、-0.88% [47] - 合成后斜率凸性因子自2016年以来收益平稳，样本外表现平淡 [48] 基于基本面因子与高频因子构建的中证1000指数增强策略表现 高频"金"组合中证1000指数增强策略 - 三类高频因子等权合成构建策略，周度调仓，加入换手率缓冲机制 [52] - 策略年化超额收益率10.62%，信息比率2.52，超额最大回撤6.04% [52] - 上周超额收益0.19%，本月以来超额收益0.19%，今年以来超额收益5.87% [55] 高频&基本面共振组合中证1000指数增强策略 - 基本面因子与高频因子结合构建策略，基本面因子包括一致预期、成长和技术因子 [57] - 策略年化超额收益率14.76%，信息比率3.57，超额最大回撤4.52% [59] - 上周超额收益-0.70%，本月以来超额收益-0.70%，今年以来超额收益3.74% [60] 附录 - 高频"金"组合中证1000指数增强策略本周持仓包含新媒股份、中望软件等多只股票 [64][65] - 高频&基本面共振组合中证1000指数增强策略本周持仓包含新媒股份、禾丰股份等多只股票 [67][68]