深度学习因子选股组合表现追踪 [page::0][page::1]

• 基于DecompGRU模型得分TOP200构建多头组合，2025年累计绝对收益24.54%，相对全A等权超额9.80%。

- 2025年7月组合绝对收益6.64%，超额收益1.59%。

• 组合最大回撤10.08%，周度胜率72.22%，月度胜率100%。

- ETF轮动组合累计收益12.97%，相对万得ETF指数超额达8.65%，7月超额2.14%；持仓信号包括半导体设备和证券ETF。

DecompGRU模型架构及个股得分TOP50 [page::2][page::3]

• 模型基于GRU结构，添加去均值模块实现时序与截面端到端信息交互。

- 分别基于IC及加权MSE训练的DecompGRUIC和DecompGRUMSE模型给出个股得分TOP50名单，覆盖多个行业如机械、医药、电子、建材等。

行业及概念热度变化分析 [page::0][page::3][page::4]

• 宽基中，中证500本周热度变化率提升最大（+10.21%），中证2000最低（-6.02%）。

- 申万一级行业中建筑材料、建筑装饰热度涨幅最大，公用事业热度下降显著。

• 申万二级行业热度变化率前5包括工程机械、水泥、饮料乳品等。

- 概念热度变化最大五个为乳业、足球概念、NMN概念、短剧游戏、租售同权。

宽基轮动策略及概念热度选股表现 [page::5]

• 基于不同宽基指数热度变化率MA2构建组合，2017年以来年化收益8.74%，最大回撤23.5%，2025年收益18.8%。

• 热门概念热度TOP组合表现明显优于BOTTOM组合，2025年来BOTTOM组合累计收益27%。

华创金工《深度学习因子7月超额1.59% | 本周热度变化最大行业为建筑材料、建筑装饰》报告详尽解析

---

一、元数据与报告概览

• 标题：深度学习因子7月超额1.59% | 本周热度变化最大行业为建筑材料、建筑装饰

- 作者与机构：王小川等，华创金工团队，华创证券研究所

• 发布时间：2025年8月4日17:13，地点：上海

- 主题：基于深度学习模型（DecompGRU）的股票因子选股表现跟踪，行业与概念热度分析，以及相关轮动策略效果。

• 主要内容：

- 基于深度学习构建因子多头组合与ETF轮动组合，实现7月及今年累计较好超额收益。
- 行业热度波动显著，重点关注建筑材料、建筑装饰等行业。
- 使用同花顺用户行为数据得到情绪因子，分析行业与概念热度变化情况。
- 披露主要风险提示，未提供定价目标或评级。

• 核心信息：

- 基于DecompGRU模型构建的多头选股组合今年样本外累计绝对收益达24.54%，超额收益为9.80%，7月超额收益为1.59%。
- ETF轮动组合累计绝对收益12.97%，相对万得ETF指数超额8.65%。
- 本周行业热度变化最大行业为建筑材料和建筑装饰。
- 本报告为专业投资者使用，强调风险提示及研究适用范围[page::0][page::1].

---

二、逐节深度解读

2.1 深度学习因子跟踪

组合跟踪

1. 选股组合构建：

- 通过DecompGRU模型，选择得分最高的200只股票，等权持有。
- 每周调仓一次，选股范围为中证全指，排除当时涨跌停及停牌股票，不计交易成本。
- 业绩对比基准是Wind全A等权指数。

1. 表现数据：

- 2025年3月底成立，截止8月1日，累计绝对收益24.54%，相对基准超额9.80%。
- 最大回撤10.08%，周度胜率72.22%，月度胜率100%。
- 7月份组合绝对收益6.64%，超额1.59%。

1. ETF轮动组合：

- 根据个股得分聚合构建行业、主题型ETF组合。
- 使用成交额筛选ETF，调仓灵活，持仓数3-6只。
- 2025年至8月1日累计绝对收益12.97%，超额收益8.65%。
- 最大回撤6.16%，周度胜率68.42%，月度胜率75%。7月绝对收益7%，超额2.14%。
- 当前推荐配置半导体设备与证券ETF。

图表分析：

• 图表1与图表2显示DecompGRU TOP200股票组合从2025年4月至8月累计收益明显超过全A等权指数，且净资产稳步增长，表明组合表现稳定且回撤可控。

- 图表3与图表4ETF组合虽波动较股票组合低，但同样实现超额收益，反映模型对行业主题ETF的信号捕捉有效。

此部分说明DecompGRU模型在实际操作中带来了显著的选股与轮动超额收益，验证了深度学习因子模型的有效性[page::1].

2.2 模型概述

• DecompGRU为基于GRU的时序趋势分解及截面端到端模型，模型流程图显示：

- 输入包含量价时序数据。
- 设计有时间序列分解模块（去均值）、空间截面分解模块，实现时序与截面信息交互。
- 结合深度可分卷积（DWConv）和点卷积（PWConv）增强特征表示。
- 最终通过GRU和预测头输出预测分数。

• 报告中还有两种模型训练策略：

- DecompGRUIC：基于信息系数优化。
- DecompGRUMSE：基于加权均方误差损失优化。

• 例示两种模型最新得分排名前50股票，涉及多个行业如基础化工、机械、医药、电子、钢铁等，反映模型覆盖行业广泛，组合分散，具有一定代表性。

该模型的架构设计及训练思路强化了时序趋势特征与截面行情特征的结合，是该模型业绩表现的理论基础[page::2][page::3].

2.3 情绪因子跟踪与热度分析

• 通过同花顺用户交易行为数据，计算个股热度指标，进而聚合为宽基、行业和概念层面的总热度指标。

• 宽基热度变化：

- 本周热度变化最大宽基指数为中证500，环比提升10.21%。
- 中证2000热度下降最大，环比减少6.02%。

• 申万一级行业热度变化：

- 正向变化最大为建筑材料（涨83.5%），其次建筑装饰、社会服务、钢铁、食品饮料。
- 负向变化最大为公用事业（跌32.5%），还有轻工制造、纺织服饰、汽车、房地产。

• 申万二级行业热度正向变化最活跃前5：

- 工程机械、水泥、饮料乳品、工程咨询服务Ⅱ、特钢Ⅱ。

• 概念热度变化最显著前5：

- 乳业、足球概念、NMN概念、短剧游戏、租售同权。

• 结合历史分位数数据，行业与概念热度变化不仅反映市场关注度的波动，也暗示资本配置的可能转向。
• 图表11、12、13、14分别展示了宽基指数、申万一级和二级行业、以及概念热度的变化率及历史位置，揭示市场焦点行业的动态分布。

此部分对市场情绪与热点的量化追踪为投资决策提供了辅助信息，尤其是大幅波动行业提示了市场热点轮动的潜在方向[page::3][page::4].

2.4 热度轮动策略表现

• 利用股票池（300、500、1000、中小市值其他池）热度变化率MA2构建轮动组合：

- 从2017年至今，策略年化收益率8.74%，最大回撤23.5%。
- 2025年组合收益为18.8%，超过同期基准宽基等权收益的17.1%。

• 概念层面实证显著的反转效应：

- 每周选取热度变化最大的5个概念，组合流通市值前80%股票，组建热度TOP和BOTTOM组合。
- 2025年以来BOTTOM组合累计收益27%，明显优于TOP组合，显示热度过热概念有回调风险。

• 图表10和图表15可视化展示了宽基轮动策略回报及热门概念热度组合净值走势。

此策略显示出重视热度变化率而非绝对热度更能捕获市场收益，且市场存在显著的热度反转特征，具有投资现实意义[page::5].

2.5 风险提示

• 本报告数据和模型均基于历史样本及假设，不保证未来表现。

- 研究属于专业投资者参考范畴，风险提示详细，强调非操作建议、不构成买卖要约。

• 重点提示普通投资者慎重使用，独立判断与风险承担责任自负。

- 华创证券保留对数据与观点更改权利。

风险提示严谨，为报告提供客观审慎的观念框架[page::5].

---

三、图表深度解读

• 图表1 & 图表2：DecompGRUTOP200组合的收益走势和净资产累计增长，红色线为组合总回报，蓝色为基准，绿色为超额收益区间，展示该模型多头组合明显优于市场平均，且净资产稳健上升，风险控制合理。

• 图表3 & 图表4：ETF组合的净值增长同样表现了超额收益，且较股票组合波动较小，说明模型对行业ETF的选取策略有效，满足中长期稳健型需求。
• 图表5：DecompGRU模型架构，表达了时序和截面信息的去趋势分解机制，图中不同卷积模块和GRU单元的组合体现了模型结构设计的创新点。
• 图表6 & 图表7：两种模型得分TOP50股票名单，展现了跨行业广泛性和模型多样性。
• 图表11：宽基指数热度变化条形图，突出中证500和沪深300热度明显上涨，反映了大盘股关注度回升。
• 图表12 & 13：申万一级和二级行业热度变化图，同步显示建筑材料等行业热度急剧变化，帮助洞察资金流向。
• 图表14：概念层面热度分布，从乳业到NMN、短剧游戏，揭示市场热点多元化。
• 图表10：宽基轮动策略净值曲线，显示策略在多轮波动中保持上升趋势，超越基准明显。
• 图表15：概念热度TOP与BOTTOM组合净值路径，深刻表现热度极端化的反转机会。

这些图表和表格共同支撑了报告的核心论断，即深度学习模型与市场情绪指标结合构建的选股及轮动策略，表现出稳定稳健的超额收益及风险管理能力[page::1,3,4,5].

---

四、估值分析

本报告主要聚焦于因子模型跟踪及市场热度动量与反转分析，未涉及个股或行业的估值模型和目标价设定。因此本节无相关内容。

---

五、风险因素评估

• 因模型基于历史回测，未来市场环境变化可能导致策略失效。

- 市场流动性、政策变动、宏观经济波动均可影响组合表现和热度指标的有效性。

• 对于ETFs的选取有流动性筛选要求，可能限制部分资金配置空间。

- 热度过高可能导致反转风险，投资需当心情绪波动带来的市场短期剧烈波动。

• 报告明示数据统计和模型均需配套专业投资判断，避免因简单依赖模型或指标产生偏差。

风险描述全面，提示专业投资者关注历史与现实差异，强调独立判断与风险控制[page::5].

---

六、批判性视角与细微差别

• 报告充分展示了深度学习模型的强劲表现，但未详述交易成本、滑点和市场冲击等现实交易因素对超额收益的影响，可能导致实际业绩不及回测。

- ETF组合以及股票组合均未提及因换仓产生的成本，未来需考虑。

• 模型适用范围主要局限于样本外，但对极端市场行情的鲁棒性未作详细阐述。

- 热度指标虽有周期性反转，但标签定义及构建方式（用户行为数据）具有一定主观性，短期噪声影响可能较大。

• 报告章节重视业绩与热度解读，对行业基本面、宏观政策干预分析相对缺乏。

- 未提供具体操作建议（买卖评级/目标价），体现其作为量化模型跟踪和市场情绪分析工具的定位，但缺少对投资者具体行动指导的贴合。

• 报告多次强调仅针对专业投资者，普通投资者应谨慎，是对模型复杂性和使用门槛的恰当提醒。

整体报告结构合理，但在策略实施细节及风险管理方面仍有可深化空间。

---

七、结论性综合

华创金工团队基于创新的深度学习模型DecompGRU成功构建了有效的股票多头因子组合和ETF轮动组合，实现2025年以来显著超额收益，7月超额收益分别达1.59%及2.14%。模型结构创新地结合了时序趋势分解与截面信息交互，有效捕获市场动量信号，反映了深度神经网络在金融因子挖掘中的优势。

同时，基于同花顺用户行为数据的市场热度指标揭示了当前市场热点的动态分布及情绪变化，尤其建筑材料和建筑装饰行业热度的剧烈变化为投资者提供了前瞻信号。市场热度分析显示，个股层面存在明显反转效应，而行业和宽基层面则略显动量特征，这为动态调整投资组合提供了重要依据。轮动策略及热度TOP/BOTTOM组合表现验证了这一点，模型策略年化收益及最大回撤控制表现出色，适合专业投资者参考和实操。

报告图表详实，通过收益趋势图、净资产走势、模型架构示意、热度变化率统计等多个维度，全面支持了报告观点。这些量化指标和图形不仅展现了模型的实操有效性，也诠释了市场情绪的层级变化逻辑。

报告严谨提示风险及使用限制，强调基于历史统计不代表未来趋势，且数据及模型适合专业机构投资者，普通投资者需谨慎解读，体现了专业视角的谨慎态度。

综上，华创金工本报告充分体现了深度学习技术在金融量化选股中的实际应用价值，同时结合市场情绪筛选搭配，构建切实可行的多空因子及轮动策略，是专业投资者理解与捕捉市场热点、提升投资决策科学性的有力工具和参考资料。

---

参考溯源

• 因子组合与超额收益部分：第0至第1页[page::0,1]

- 模型详解与股票成分：第2至第3页[page::2,3]

• 市场热度分析与行业概念热度图表：第3至第4页[page::3,4]

- 热度轮动策略表现及风险提示：第5页[page::5]

• 报告使用限制及免责声明：第6页[page::6]

---

相关图表引用

• 

-

• 

-

• 

-

• 

-

• 

-

• 

-

报告