机器学习因子选股月报（2025年4月）

核心观点：本报告基于前期报告《量价时序特征挖掘模型在深度学习因子中的应用》中提到的GAN_GRU模型，定期更新并跟踪其自2024年以来的表现情况。GAN_GRU因子是利用生成式对抗神经网络（GAN）进行量价时序特征处理，再通过GRU模型进行时序特征编码得到的选股因子。

模型简介：

• GRU模型：采用两层GRU(128, 128)和MLP(256, 64, 64)结构，输入为过去40天的18个量价特征，预测未来20个交易日的累计收益。模型以月频调仓，半年滚动训练，并剔除ST及上市不足半年的股票。
• GAN模型：采用LSTM生成器和CNN判别器，生成器输入输出均为40天的18个量价特征，用于生成时序特征。

因子表现：

• 全A范围：自2019年1月至2025年2月，月频调仓，GAN_GRU因子IC均值为11.91%，多头组合年化超额收益25.55%。截至2025年3月31日，最新一期IC为5.86%，近一年IC均值为12.51%。
• 分行业IC表现：
  • 3月当期IC排名前五的行业：建筑材料(19.07%)、农林牧渔(15.21%)、社会服务(11.28%)、电子(9.96%)、通信(9.94%)。
  • 近一年IC均值排名前五的行业：商贸零售(19.12%)、石油石化(18.90%)、环保(18.68%)、建筑装饰(17.91%)、非银金融(17.90%)。
• 分行业多头组合表现：
  • 3月当期多头组合超额收益最高的五个行业：通信(5.55%)、煤炭(5.18%)、电力设备(4.89%)、机械设备(4.59%)、汽车(4.38%)。31个申万一级行业中仅5个行业未跑赢行业指数。
  • 近一年多头组合超额收益最高的五个行业：石油石化(6.07%)、家用电器(5.93%)、建筑材料(5.52%)、有色金属(4.67%)、建筑装饰(4.58%)。31个申万一级行业中，GAN_GRU因子多头组合均跑赢对应行业指数。

风险提示：本报告结论基于历史数据，未来市场环境变化可能导致因子表现差异，第三方数据不准确风险，且不构成投资建议，投资需谨慎。