高頻選股因子周報：深度因子與大單因子多空收益顯著

相關研究《上周保守型固收+產品業(yè)績中位數深度因子與大單因子多空收益顯著——高l深度學習因子（多顆粒度模型-5日標簽）。本周（特指2024.06.03-2024.06.07，下同）、6月及2024年的多空收益率分別為0.14%、0.14%以及4.61%。l深度學習因子（多顆粒度模型-10日標簽）。本周、6月及2024年的多空收益率分別為0.16%、0.16%以及4.85%。l高頻偏度因子。本周、6月及2024年的多空收益率分別為-0.21%、-0.21%以及-2.29%。l下行波動占比因子。本周、6月及2024年的多空收益率分別為-0.51%、-0.51%以及-4.74%。l開盤后買入意愿占比因子。本周、6月及2024年的多空收益率分別為-0.57%、-0.57%以及-0.24%。l開盤后買入意愿強度因子。本周、6月及2024年的多空收益率分別為-0.59%、-0.59%以及0.72%。l開盤后大單凈買入占比因子。本周、6月及2024年的多空收益率分別為0.29%、0.29%以及4.14%。l開盤后大單凈買入強度因子。本周、6月及2024年的多空收益率分別為0.43%、0.43%以及4.43%。l深度學習高頻因子（改進GRU(50,2)+NN(10)）。本周、6月及2024年的多空收益率分別為0.39%、0.39%以及3.26%。l深度學習高頻因子（殘差注意力LSTM(48,2)+NN(10)）。本周、6月及2024年的多空收益率分別為0.42%、0.42%以及2.65%。l周度調倉的中證500AI增強組合。本周、6月及2024年的超額收益分別為0.18%、0.55%以及-0.08%。l周度調倉的中證1000AI增強組合。本周、6月及2024年的超額收益分別為-0.06%、-0.16%以及-6.04%。l風險提示：因子失效風險、流動性風險。金融工程研究金融工程周報21.高頻偏度因子 62.下行波動占比因子 73.開盤后買入意愿占比 84.開盤后買入意愿強度 95.開盤后大單凈買入占比 6.開盤后大單凈買入強度 7.改進反轉 8.尾盤成交占比 9.平均單筆流出金額占比 10.大單推動漲幅 11.深度學習高頻因子（改進GRU(50,2)+NN(10)） 12.深度學習高頻因子（殘差注意力LSTM(48,2)+NN(10)） 13.深度學習因子（多顆粒度模型-5日標簽） 14.深度學習因子（多顆粒度模型-10日標簽） 15.周度調倉的AI指數增強組合 16.風險提示 金融工程研究金融工程周報3 圖1高頻偏度因子多空相對強弱（2014.01-2024.06） 7圖2高頻偏度因子多空收益 7圖3下行波動占比因子多空相對強弱（2014.01-2024.06） 7圖4下行波動占比因子多空收益 8圖5開盤后買入意愿占比因子多空相對強弱（2014.01-2024.06） 8圖6開盤后買入意愿占比因子多空收益 9圖7開盤后買入意愿強度因子多空相對強弱（2014.01-2024.06） 9圖8開盤后買入意愿強度因子多空收益 9圖9開盤后大單凈買入占比因子多空相對強弱（2014.01-2024.06） 圖10開盤后大單凈買入占比因子多空收益 圖11開盤后大單凈買入強度因子多空相對強弱（2014.01-2024.06） 圖12開盤后大單凈買入強度因子多空收益 圖13改進反轉因子多空相對強弱（2014.01-2024.06） 圖14改進反轉因子多空收益 圖15尾盤成交占比因子多空相對強弱（2014.01-2024.06） 圖16尾盤成交占比多空收益 圖17平均單筆流出金額占比因子多空相對強弱（2014.01-2024.06） 圖18平均單筆流出金額占比因子多空收益 圖19大單推動漲幅因子多空相對強弱（2014.01-2024.06） 圖20大單推動漲幅因子多空收益 圖21深度學習高頻因子（改進GRU(50,2)+NN(10)）多空相對強弱（2014.01-2024.06）圖22深度學習高頻因子（改進GRU(50,2)+NN(10)）多空收益 圖23深度學習高頻因子（殘差注意力LSTM(48,2)+NN(10)）多空相對強弱（2014.01-2024.06） 圖24深度學習高頻因子（殘差注意力LSTM(48,2)+NN(10)）多空收益 圖25深度學習因子（多顆粒度模型-5日標簽）多空相對強弱（2017.01-2024.06）16圖26深度學習因子（多顆粒度模型-5日標簽）多空收益 圖27深度學習因子（多顆粒度模型-10日標簽）多空相對強弱（2017.01-2024.06）金融工程研究金融工程周報4圖28深度學習因子（多顆粒度模型-10日標簽）多空收益 圖29周度調倉的中證500AI增強組合累計超額收益（2017.01-2024.06） 圖30周度調倉的中證500AI增強組合超額收益 圖31周度調倉的中證1000AI增強組合累計超額收益（2017.01-2024.06） 圖32周度調倉的中證1000AI增強組合超額收益 金融工程研究金融工程周報5表1高頻選股因子多空收益、多頭超額收益及月度勝率 6表2周度調倉的AI增強組合超額收益及周度勝率 6金融工程研究金融工程周報6下表匯總了海通證券金融工程團隊開發(fā)的高頻選股因子本周、6月及2024年的多空收益、多頭超額收益及月度勝率。本周，多顆粒度模型多空收益依舊較為顯著且取得了一定的多頭超額收益。下表展示了周度調倉的中證500AI增強組合和中證1000AI增強組合本周、6月及2024年的超額收益及周度勝率。下圖展示了月度換倉的高頻偏度因子全市場前后10%多空組合的相對強弱凈值。因子的計算方式請參考專題報告《選股因子系列研究(十九)——高頻因子之股票收益分布金融工程研究金融工程周報7下圖展示了高頻偏度因子本周、6月及2024年的多空收益。下圖展示了月度換倉的下行波動占比因子全市場前后10%多空組合的相對強弱凈值。因子的計算方式請參考專題報告《選股因子系列研究（二十五）——高頻因子之已金融工程研究金融工程周報8下圖展示了下行波動占比因子本周、6月及2024年的多空收益。下圖展示了月度換倉的開盤后買入意愿占比全市場前后10%多空組合的相對強弱凈值。因子的計算方式請參考專題報告《選股因子系列研究（六十四）——基于直觀邏輯和機器學習的高頻數據低頻化應用》。下圖展示了開盤后買入意愿占比因子本周、6月及2024年的多空收益。金融工程研究金融工程周報9下圖展示了月度換倉的開盤后買入意愿強度全市場前后10%多空組合的相對強弱凈值。因子的計算方式請參考專題報告《選股因子系列研究（六十四）——基于直觀邏輯和機器學習的高頻數據低頻化應用》。下圖展示了開盤后買入意愿強度因子本周、6月及2024年的多空收益。金融工程研究金融工程周報10下圖展示了月度換倉的開盤后大單凈買入占比全市場前后10%多空組合的相對強弱凈值。下圖展示了開盤后大單凈買入占比因子本周、6月及2024年的多空收益。下圖展示了月度換倉的開盤后大單凈買入強度全市場前后10%多空組合的相對強弱凈值。金融工程研究金融工程周報11圖11開盤后大單凈買入強度因子多空相對強弱（2014.下圖展示了開盤后大單凈買入強度因子本周、6月及2024年的多空收益。下圖展示了月度換倉的改進反轉因子全市場前后10%多空組合的相對強弱凈值。下圖展示了改進反轉因子本周、6月及2024年的多空收益。金融工程研究金融工程周報12下圖展示了月度換倉的尾盤成交占比全市場前后10%多空組合的相對強弱凈值。下圖展示了尾盤成交占比因子本周、6月及2024年的多空收益。金融工程研究金融工程周報13下圖展示了月度換倉的平均單筆流出金額占比全市場前后10%多空組合的相對強弱凈值。下圖展示了平均單筆流出金額占比因子本周、6月及2024年的多空收益。下圖展示了月度換倉的大單推動漲幅全市場前后10%多空組合的相對強弱凈值。金融工程研究金融工程周報14下圖展示了大單推動漲幅因子本周、6月及2024年的多空收益。下圖展示了周度換倉的深度學習高頻因子（改進GRU(50,2)+NN(10)）全市場前后10%多空組合的相對強弱凈值。圖21深度學習高頻因子（改進GRU(50,2)+NN(10)）多空下圖展示了深度學習高頻因子（改進GRU(50,2)+NN(10)）本周、6月及2024年的多空收益。金融工程研究金融工程周報15下圖展示了周度換倉的深度學習高頻因子（殘差注意力LSTM(48,2)+NN(10)）全市場前后10%多空組合的相對強弱凈值。下圖展示了深度學習高頻因子（殘差注意力LSTM(48,2)+NN(10)）本周、6月及2024年的多空收益。下圖展示了周度換倉的深度學習因子（多顆粒度模型-5日標簽）全市場前后10%多空組合的相對強弱凈值。因子基于雙向AGRU訓練得到。金融工程研究金融工程周報16下圖展示了深度學習因子（多顆粒度模型-5日標簽）本周、6月及2024年的多空收益。下圖展示了周度換倉的深度學習因子（多顆粒度模型-10日標簽）全市場前后10%多空組合的相對強弱凈值。因子基于雙向AGRU訓練得到。金融工程研究金融工程周報17下圖展示了深度學習因子（多顆粒度模型-10日標簽）本周、6月及2024年的多空收益。15.周度調倉的AI指數增強組合我們基于深度學習因子（多顆粒度模型-10日標簽）構建中證500AI增強組合和中證1000AI增強組合。其中，增強組合的風險控制模塊包括以下幾個方面的約束。1）個股偏離：相對基準的權重偏離不超過1%；2）因子暴露：估值中性、市值（500增強：中性；1000增強：[-0.2,0.2]常規(guī)低頻因子：[-0.8,0.8]；3）行業(yè)偏離：嚴格中性；4）換手率限制：單次單邊換手不超過30%。兩個組合的優(yōu)化目標均為最大化預期收益，目標函數如下所示。mxΣμiwi其中，wi為組合中股票i的權重，μi為股票i的預期超額收益。為使周報的測試結果貼近實踐，下文的測算均假定以次日均價成交，同時扣除雙邊3%的交易成本。下圖展示了組合2017年以來相對中證500指數的累計超額收益。金融工程研究金融工程周報18下圖分別展示了組合在本周、6月及2024年的超額收益。下圖展示了組合2017年以來相對中證1000指數的累計超額收益。下圖分別展示了組合在本周、6月及2024年的超額收益。金融工程研究金融工程周報19因子失效風險、流動性風險。金融工程研究金融工程周報20本人具有中國證券業(yè)協(xié)會授予的證券投資咨詢執(zhí)業(yè)資格，以勤勉的職業(yè)態(tài)度，獨立、客觀地出具本報告。本報告所采用的數據和信息均來自市場公開信息，本人不保證該等信息的準確性或完整性。分析邏輯基于作者的職業(yè)理解，清晰準確地反映了作者的研究觀點，本報告中的信息或所表述的意見并不構成對任何人的投資建議。在任何情況下，本公司不對任何人因使用本報告中的任何內容所引致本報告所載的資料、意見及推測僅反映本公司于發(fā)布本報告當日的判斷，本報告所指的證券或投資標的的價格、價值及投資收入可能市場有風險，投資需謹慎。本報告所