深度学习因子近期表现概览
2025年7月，深度学习因子表现稳定：
- DL_EM_Dynamic因子：中证1000中RankIC均值11.3%，超额收益0.4%。
- Meta_RiskControl因子：全A中RankIC均值15.5%，超额收益2.7%。
- Meta_Master因子：周度RankIC均值18.9%，超额收益5.1%。
多空收益分别为1.4%，5.2%与5.4%，多头超额收益（全A因子基准为中证800）分别为0.4%，2.7%与5.1%。
深度学习可转债因子RankIC10.1%，在偏债型、平衡型、偏股型转债中RankIC分别为9.0%，9.5%与8.8%，多头超额收益为0.9%，在偏债型、平衡型、偏股型转债中超额收益分别为1.0%，0.2%与0.5%。
回顾最近一年，因子表现较2019年以来有所下降，Meta_RiskControl因子与Meta_Master在全A中表现未明显下降，但宽基指数中所有因子普遍不如历史表现。
各因子介绍和指数增强组合表现
DL_EM_Dynamic因子
- 介绍：采用矩阵分解从基金选股网络提取股票内在属性，结合LSTM因子表示和动态市场状态因子，输入MLP增强模型表现。
- 组合表现：中证1000指数增强组合7月超额收益1.3%，今年超额收益11%，自2019年以来年化超额收益23.4%。
Meta_RiskControl因子
- 介绍：加入因子暴露控制，结合元增量学习框架，控制模型回撤，降低风格偏离。
- 组合表现：
- 沪深300增强组合7月超额收益1.9%，今年超额收益6.4%，年化超额收益15.0%。
- 中证500增强组合7月超额收益1.4%，今年超额收益4.4%，年化超额收益19.2%。
- 中证1000增强组合7月超额收益1.3%，今年超额收益9.3%，年化超额收益27%。
Meta_Master因子
- 介绍：利用市场信息改进MASTER模型，结合深度风险模型计算市场状态，加权MSE损失函数，在线元增量学习更新模型。
- 组合表现：
- 沪深300增强组合7月超额收益2%，今年超额收益7.9%，年化超额收益17.5%。
- 中证500增强组合7月超额收益1.6%，今年超额收益5.5%，年化超额收益18.2%。
- 中证1000增强组合7月超额收益1.4%，今年超额收益8.1%，年化超额收益25.2%。
深度学习可转债因子
- 介绍：利用GRU深度神经网络学习可转债定价逻辑，结合时序因子和截面属性因子。
- 组合表现：
- 平衡+偏债转债策略2021年以来top50组合年化收益19.6%，7月绝对收益3.2%，年化超额收益10.9%，7月超额收益-1%。
- 偏股、平衡、偏债内top50组合年化收益分别为13.2%，11.8%，12.7%，7月绝对收益分别为5.8%，3.8%，3.3%，年化超额收益分别为5.8%，4.0%，4.4%，7月超额收益分别为1.5%，-0.4%，-0.9%。
风险提示
- 量化结论基于历史统计，未来环境变化可能导致失效。
- 选股模型结论不构成投资建议，实际投资需考虑外部环境、估值等因素并进一步评估。
