深度学习因子组合表现追踪 [page::1]

• DecompGRU模型构建的中证全指多头组合选取TOP200股票，2025年累计绝对收益19.55%，超额全A指数8.74%，最大回撤10.08%。

- 6月绝对收益7.81%，超额收益为1.57%。

• 组合周度胜率73%，月度100%。

ETF轮动组合表现及持仓信号 [page::1]

• 同模型分数聚合至行业及主题ETF构建的ETF组合，累计绝对收益9.63%，超额万得ETF指数8.45%。

- 6月绝对收益2.64%，超额为-1.45%。

• 当前关注半导体设备、银行、高股息、中国国企、基建、农业ETF。

DecompGRU模型架构及技术说明 [page::2]

• 模型基于GRU，加入时序和截面去均值模块实现信号解耦和更深层信息交互。

- 端到端时序截面预测分数用于构建多因子量化选股体系。

宽基及行业情绪热度变化分析 [page::2][page::3]

• 沪深300宽基热度提升5.92%，中证1000宽基热度下降5.21%。

- 申万一级行业中公用事业、建筑材料等行业热度涨幅居前，通信、石油石化等行业热度下降。

宽基轮动策略业绩表现 [page::3][page::4]

• 基于宽基热度变化率的轮动策略年化收益8.74%，最大回撤23.5%。

- 2025年组合收益17.6%，优于等权基准14%。

概念层面热度变化及选股策略成果 [page::4]

• 热度变化最大5个概念成分股构成选股池，剔除流通市值最低20%。

- BOTTOM组合2025年来获得26%收益，反转效应明显。

金融研究报告详尽分析 — 华创金工《深度学习因子6月超额1.57% | 本周热度变化最大行业为公用事业、建筑材料》

---

一、元数据与报告概览

• 报告标题： 深度学习因子6月超额1.57% | 本周热度变化最大行业为公用事业、建筑材料

- 作者及团队： 王小川等，华创金工团队

• 发布机构： 华创证券研究所

- 发布日期： 2025年7月15日

• 研究主题： 基于深度学习模型DecompGRU的股票及ETF选股因子跟踪表现，以及市场情绪因子（热度）变化的行业、概念分析。

- 核心论点及目标：
- 介绍基于深度学习因子（DecompGRU模型）构建的多头组合与ETF轮动组合的跟踪表现，展示其在2025年6月实现的超额收益；
- 分析近期市场个股及行业热度（情绪指标）的变化，筛选出本周热度变化幅度最大的行业和概念，辅助投资决策；
- 无明确评级与目标价，聚焦因子表现和市场情绪解析。

报告旨在向华创证券专业投资客户展示深度学习因子模型实际运用效果，结合市场情绪动态，为投资提供策略参考和风险提示[page::0] [page::1].

---

二、逐节深度解读

2.1 摘要及深度学习因子跟踪

• 组合构建与收益表现：

- 以2025年3月为起点，利用DecompGRU模型对中证全指成分股打分，选择得分居前200只个股组成多头组合，等权持有，周频调仓，剔除涨跌停和停牌股；
- 2025年至7月11日，该组合累计绝对收益达到19.55%，相比WIND全A等权指数超额8.74%；6月单月收益7.81%，超额1.57%；组合最大回撤10.08%，周度和月度胜率分别是73%和100%；
- ETF层面，通过聚合个股得分构建ETF轮动池，限定行业和主题型ETF，成交额有严格筛选，持有3-6只，调仓不定期。ETF组合累计收益9.63%，相对万得ETF指数超额8.45%；6月单月2.64%，但超额收益为负1.45%；最大回撤6.16%[page::0] [page::1]。

• 模型应用与实操细节：

- 调仓基于每周首个交易日，上周五收盘后更新因子；
- 组合不计交易成本，选股范围限定在中证全指，方便对标市场广度；
- ETF选择强调流动性条件，确保交易效率和执行可能性；

该部分论证显示，该深度学习因子模型具有显著的选股能力和相对市场基准的超额收益，同时控制了回撤风险，表现稳定。

2.2 DecompGRU模型介绍

• 该模型在传统基于GRU的时序预测模型基础上，创新引入两个去均值模块（时序去均值和截面去均值），实现趋势分解，增强模型对时序和截面信息的交互处理能力；

- 图表5展示模型结构：量价时序数据进入时间趋势分解模块，DL Conv与GRU模块分别建模去偏差和趋势成分，最终输出规范化预测得分；

• 该设计意图克服传统时序模型对趋势变动敏感不足，提升预测准确度[page::2]。

2.3 情绪因子跟踪（热度指标）

• 利用同花顺基于用户行为数据构建的个股“热度”指标，得到市场各宽基指数、行业和概念层面的热度及其周度变化率；

- 宽基层面，沪深300热度提升明显（+5.92%），中证1000热度下降最大（-5.21%），显示市场关注较为集中于大盘蓝筹股；

• 行业层面，申万一级行业热度涨幅前五名依次是公用事业、建筑材料、钢铁、房地产和纺织服饰，跌幅最大分别为通信、国防军工、汽车、交通运输和石油石化；

- 申万二级行业热度变化TOP5为渔业、玻璃玻纤、冶钢原料、电力、普钢；

• 概念层面热度变化最大的五类为信托、AMC（化债概念）、大豆、中韩自贸区、股权转让（并购重组）；

- 数据来源可靠，反映的是市场资金及投资者关注热点的动态转换，具备辅助发现短期轮动机会的作用[page::0] , [page::2], [page::3].

2.4 宽基股票轮动策略与概念热度组合

• 通过不同宽基指数（沪深300、中证500、中证1000等）的热度变化率构建轮动策略，2017年后该策略年化收益8.74%，最大回撤23.5%，2025年组合累计收益17.6%对比基准14%，提示时序热度可用于捕捉结构性机会；

- 概念层面选取热度增长最大的五个概念构建股票池，从中选出热度前10名和后10名个股分别构建TOP和BOTTOM组合：2025年以来BOTTOM组累计收益高达26%，而TOP组则表现较弱，表明市场对热点概念投资者热度过高时可能预示回撤风险，体现热度指标存在短期反转信号；

• 图表10及图表15很好地展示了宽基轮动策略和概念热度TOP/BOTTOM组合的净值走势，验证了情绪因子的投资参考价值[page::3],[page::4]。

2.5 风险提示

• 本报告的统计分析和模型均基于历史数据，未来表现不具保证；

- 报告仅供华创证券专业投资客户使用，非客户或普通投资者请谨慎参考，防止误解导致损失；

• 强调不构成具体买卖建议，投资需结合个人独立判断和风险承受能力；

- 明确版权声明及责任免责条款，规范使用范围[page::4],[page::5].

---

三、图表深度解析

图表1 — DecompGRU TOP200组合回报趋势

• 图中红线表示多头组合绝对收益，自2025年4月初起步波动上升，累计收益直至7月初达到约20%，明显跑赢蓝色WIND全A等权指数；

- 绿色阴影区域显示超额收益区间，体现组合有效捕捉市场机会，且加强趋势清晰；

• 该趋势说明模型的打分方法稳定产生选股优势，从而实现超额收益[page::1]。

图表2 — DecompGRU TOP200组合净资产趋势

• 净资产由1000万起步，逐步增长至近1200万，说明组合整体盈利能力稳定，资金规模稳健增长；

- 净资产曲线平滑，未见剧烈波动，佐证最大回撤控制在10%左右数据真实可靠[page::1]。

图表3 — ETF轮动组合回报趋势

• 红线为ETF组合收益，初期略有波动低于基准，后期持续回升，快于蓝线万得ETF指数；

- 绿色超额收益区间存在，但幅度较个股组合小且存在波动，6月超额微负反映ETF轮动组合效率不及个股组合；

• ETF组合更适合中低频投资者，提供行业配置信号[page::1]。

图表4 — ETF组合净资产趋势

• 表现类似于个股组合，净资产由约980万逐渐上升到1100万以上，回撤较小，流动性和稳健性较好，适合行业主题配置[page::1]。

图表5 — DecompGRU模型架构示意图

• 描述模型内部分支结构及数据流，突出时间趋势分解和跨截面交互两重机制；

- 突显深度学习模块创新设计，有助理解因子预测机理[page::2]。

图表11 — 宽基热度变化率

• 各宽基指数的热度变化棒图明显显示沪深300上涨最高，说明资金重新聚焦大盘白马股，中证1000热度下降暗示小盘题材资金减少[page::2]。

图表12 — 申万一级行业热度变化率

• 柱状图显示公用事业、建筑材料热度激增，反映资金在防御类和基建相关行业增加；

- 通信、国防军工等行业热度大幅下降，意味着近期资金轮动较大行业有明显偏向[page::2]。

图表13 — 申万二级行业关注度TOP30

• 细分行业如渔业、电力、玻璃玻纤表现强劲，与一级行业分析互证，资金流动细节丰富；

- 有利于挖掘细分行业投资机会[page::3]。

图表14 — 概念总热度变化率TOP30

• 反映了市场关切的概念热点，如信托、化债、大豆等，结合前述选股池验证可辅助把握热点动态；

- 此图辅助投资人了解热点主题的转变[page::3]。

图表10 — 宽基轮动策略净值曲线

• 蓝线为基于热度变化率构建的轮动策略净值不断攀升，橙线宽基等权指数对比显示该方法带来正超额收益，右侧绿色曲线对应超额收益；

- 说明情绪热度指标在市场轮动中具备较好前瞻信号能力[page::4]。

图表15 — 热门概念热度TOP与BOTTOM组合净值对比

• BOTTOM组合净值持续快速成长，TOP组合净值明显跌落，说明短期高热度概念可能已超买，反转风险大；

- 投资者可借此调整持仓，规避高热度追涨风险[page::4]。

---

四、估值分析

本报告不涉及具体的传统估值模型（如DCF、PE等）及目标价评估，关注点主要在于深度学习因子生成的股票及ETF组合投资绩效及市场情绪指标的动态跟踪，强调的是策略表现及情绪因子对市场节奏的影响，没有细致展开估值方法与参数假设。

---

五、风险因素评估

• 主要风险来自历史数据不代表未来表现的固有限制，回测与样本外表现不能确保未来持续；

- 深度学习因子可能面临市场结构变化或交易成本未计入带来的实操效果差异；

• 热度指标作为用户行为数据的代理，信息噪声和市场情绪波动可能导致短期判断失准；

- 报告未提供明确风险缓释措施，提示投资需谨慎结合自身判断及资金安排[page::4].

---

六、批判性视角与细微差别

• 报告数据翔实，分析框架严谨，重点突出，特别是因子回测结果与市场情绪追踪相结合，为多层面理解提供了有效视角；

- 但报告中ETF组合表现相较个股组合逊色，6月超额为负，提及但未深度解析原因，未来应关注ETF策略流动性及行业配置匹配度对绩效的影响；

• 情绪因子热度定义虽有基础论述，但市场行为数据本质波动较大，可能存在过拟合风险，相关策略稳健性尚需更多实证支持；

- 报告强调样本外验证，但未详细说明是否涵盖重要市场极端事件，模型的极端风险承受能力仍是未知数；

• 报告未针对交易成本、税费、滑点等实操因素作详细量化，实际收益率可能偏差，投资者应注意落地可执行性；

- 报告整体较少涉及宏观经济或政策层面变化对模型表现和市场热度影响的解读，建议后续分析补充[page::0-4].

---

七、结论性综合

该份由华创金工团队编制的周度报告，通过深度学习模型DecompGRU构建的多头组合在2025年表现突出，累计绝对收益19.55%，相对标普全A等权超额8.74%，6月超额收益达到1.57%，显示该机器学习因子具备实际投资价值。尽管ETF轮动组合表现不及个股组合，仍实现正收益，且超额收益为正，体现模型可扩展至行业主题资产配置。

深度学习模型采用时序趋势分解的方法创新，结合GRU技术，提升了信息提取和预测准确率，增强因子信号的有效性和稳定性。

情绪因子方面，利用不同层次的市场热度数据，分析了近期市场资金关注领域及动态热点，从宽基指数到申万行业，再到细分二级行业和概念层面，清晰揭示了资金风格的轮动和热点反转的市场行为。

宽基轮动策略和概念热度TOP/BOTTOM组合实证演示了热度指标的投资辅助功能，特别是概念热度TOP组合表现疲软，说明投资者热度过高时可能带来反转风险。

图表深度解读中，模型回报、净资产趋势、宽基及概念热度的动态均得以量化展示，支持报告论点的可信度。

风险方面，报告合理提示历史数据的局限性和模型潜在的不确定性，且针对专业投资者开放，明确非客户或普通投资者需谨慎使用。

总体来看，报告结构严谨，数据详实，结合先进的深度学习技术与市场行为分析，为专业投资者提供了有效的量化选股和资产配置参考，尤其适合关注因子投资和情绪动量的量化研究者和策略投资者。

---

参考资料与数据出处

• 本报告所有结论与数据均来源于华创金工原文及各图表[page::0-4]。

- 模型、行情与行为数据来自华创证券研究所、同花顺及Wind PMS数据服务。

• 联系及版权信息详见报告尾页[page::4-5]。

---

备注： 本分析未涉及个人观点，仅基于原始报告内容进行细致解读和评价。

报告