川海智库

报告概述

本报告为国泰海通证券金融工程团队的高频选股因子周报，覆盖2025年12月29日至31日交易周。报告系统分析了日内高频偏度、下行波动占比、开盘后买入意愿等高频因子，以及基于GRU、LSTM、多颗粒度模型等深度学习的选股因子表现，并展示了基于多颗粒度模型-10日标签因子构建的中证500和中证1000 AI增强组合（宽/严约束）的超额收益情况。报告有助于投资者理解近期高频因子和AI量化策略的有效性，并为因子配置提供参考。

报告的核心结论

买入意愿因子表现强势，多粒度因子多头录得微弱正收益

上周开盘后买入意愿占比因子多空收益0.69%，开盘后买入意愿强度因子多空收益0.64%，显示基于开盘后资金意愿的高频因子有效。同时，GRU(10,2)+NN(10)等多粒度深度学习因子多头录得微弱正收益，但AI增强组合反弹力度有限。

AI指数增强组合12月出现回撤，但全年累计超额收益为正

周度调仓的中证500和中证1000 AI增强组合在12月均出现负超额收益（如中证500宽约束组合-4.73%，中证1000宽约束组合-4.70%），但2025年全年仍取得正超额收益，其中中证1000严约束组合2025年超额收益达16.31%。

多颗粒度模型因子2025年多空收益显著

多颗粒度模型-5日标签因子2025年多空收益70.01%，10日标签因子为63.39%，远高于传统高频因子，显示深度学习模型在高频选股中具有较强区分能力。

报告回答的关键问题

高频选股因子周报主要关注哪些因子？

报告关注两类因子：一是高频因子，包括日内高频偏度、下行波动占比、开盘后买入意愿占比/强度、开盘后大单净买入占比/强度、改进反转、尾盘成交占比、平均单笔流出金额占比、大单推动涨幅等；二是深度学习因子，包括改进GRU(50,2)+NN(10)、残差注意力LSTM(48,2)+NN(10)和多颗粒度模型（5日/10日标签）。

AI增强组合2025年超额收益表现如何？

中证500 AI增强宽/严约束组合2025年超额收益分别为3.20%和7.49%，中证1000宽/严约束组合分别为13.00%和16.31%。所有组合12月均出现回撤，但全年超额收益为正，其中中证1000严约束组合表现最佳。

多粒度因子与深度学习因子表现有何差异？

多粒度因子（多颗粒度模型）2025年多空收益高达63%-70%，明显优于其他深度学习因子（GRU和LSTM模型约50%）和传统高频因子（多数在20%左右）。但多粒度因子的多头超额收益相对较低，说明其区分能力主要体现在多空两端。

报告中的代表性数据

70.01%

多颗粒度模型-5日标签因子2025年多空收益

2025年，周度换仓的多颗粒度模型因子（基于双向AGRU训练，5日标签），2025年全年多空收益为70.01%，周胜率47/53。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 高频因子与深度学习因子的详细分组收益图（月度/周度），展示多空收益随分组的变化趋势，帮助判断因子单调性。
  • 周度调仓的AI指数增强组合约束条件表，包括换仓频率、个股、行业、市值、PB、ROE、SUE、波动、成份股、换手率等维度的约束参数。
  • 中证500和中证1000 AI增强组合自2017年以来的累计超额收益走势图，含最大回撤曲线，便于评估长期稳定性和风险。
  • 各因子历史IC、RankMAE、多空收益、多头超额收益及月度/周度胜率汇总表，涵盖不同时间维度表现。
  • 改进GRU(50,2)+NN(10)和残差注意力LSTM(48,2)+NN(10)等深度学习因子的分组收益图，对比不同神经网络结构的效果。
  • 多颗粒度模型（5日和10日标签）的因子构建说明及分组收益，基于双向AGRU训练，展示其在高频数据低频化中的应用。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告