机器学习因子选股月报（2025年7月）

GAN_GRU模型简介

• 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》，介绍GAN_GRU模型：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，构建选股因子。
• GRU模型基本假设：输入量价特征（收盘价、开盘价、成交量等18项），以月频调仓，使用过去40天数据预测未来20天收益，采用半年滚动训练方式。
• GAN模型简介：由生成器（G）和判别器（D）组成，通过对抗训练提升特征生成能力。生成器使用LSTM模型处理时序数据，判别器使用CNN模型识别二维特征。

GAN_GRU因子表现

• 历史表现（2019年1月-2025年6月）：IC均值11.54%，年化超额收益率24.95%，近一年IC均值为11.09%。
• 行业表现（截至2025年6月）：
  • 6月当期IC排名前五行业（除综合）：建筑装饰、基础化工、机械设备、公用事业、纺织服饰。
  • 近一年IC均值排名前五行业（除综合）：建筑装饰、公用事业、有色金属、商贸零售、通信行业。
• 多头组合表现：
  • 6月当期超额收益最高的五个行业：家用电器、建筑装饰、电力设备、建筑材料、食品饮料。
  • 近一年超额收益最高的五个行业：家用电器、石油石化、建筑材料、有色金属、建筑装饰。
  • 30个申万一级行业中，GAN_GRU因子多头组合近一年均跑赢对应行业指数。

GAN_GRU因子多头组合

• 最新多头组合（2025年6月27日）：筛选排名前十的股票，包括凤凰传媒、川投能源、海尔智家、苏农银行、科士达等。
• 各行业排名第一的股票：传媒（凤凰传媒）、公用事业（川投能源）、家用电器（海尔智家）等。

风险提示

• 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；数据准确性存在风险。
• 个股预测结果不构成投资建议，投资者需自行承担风险。