主动量化组合跟踪：2025年机器学习因子指增策略表现优异

2025年主要策略表现回顾 针对国证2000构建的指数增强策略，因子表现基本稳定，策略样本外（自2023年9月）区间的年化超额收益率达到13.03%，但该策略在今年2月、8月两次市场异动下的回撤较大，拖累年化表现。 TSGRU+LGBM的新机器学习因子在沪深300、中证500、及中证1000指数范围内的样本外因子IC值分别为：7.81%、8.32%和10.90%，有效性表现优异。去年全年机器学习指增策略超额表现同样优异，分别达到5.10%、2.54%和7.52%。中证1000指增策略表现最为突出，回撤控制良好，能快速捕捉市场alpha逻辑切换。 中证红利选股策略2025年化收益达7.71%，超额3.93%。择时策略未能取得显著的年度超额效果，基于红利风格择时+红利股优选构建的固收+策略主要于上半年收割超额。 国证2000指数增强策略 经过因子测试与筛选，包括技术、反转、特异波动率等在内的因子在国证2000指数成分股上均有出色表现，我们所合成的各个大类因子也基本都起到了很好的提升效果。12月该因子表现恢复出色，IC值6.18%。样本外整体策略表现出色，12月策略的超额收益为-2.56%。 基于多目标、多模型的机器学习指数增强策略 根据国金金融工程团队发布的《基于多目标、多模型的机器学习指数增强策略》，原策略中我们选取了GBDT和NN两大类结构具有一定差异的模型，选取不同的特征数据集进行分别训练，并使用多种预测标签进行对比并融合，最终构建出的GBDT+NN机器学习选股因子在A股各类宽基指数上历史表现优异。但在今年以来，尤其是近期市场风格出现调整后有失效表现。 对此，我们根据《Alpha掘金系列之十八：基于TimeMixer改进的选股因子到ETF轮动策略》，创新性地将其多尺度混合与季节/趋势分解机制引入GRU模型，通过LightGBM集成TSGRU隐向量与传统量化因子，构建了改进的机器学习选股模型，该模型能更好地捕捉近期的市场信息，表现出色。 为贴合交易实际，我们构建了基于TSGRU+LGBM因子的机器学习模型的指数增强策略，通过对投资组合的跟踪误差进行控制，最大化因子暴露。回测区间自2018年2月1日开始，假定手续费率单边千二，每月月初调仓。沪深300指数增强策略、中证500指数增强策略和中证1000指数增强策略上月超额收益率分别为1.33%、-0.41%和-0.97%。后续随着市场恢复正常，超额收益有望进一步提升。 基于红利风格择时+红利股优选的固收+策略 我们使用经济增长和货币流动性共10个指标，通过动态事件因子的体系构建的红利指数择时策略表现优异，相较于中证红利指数全收益有显著的稳定性提升。在选股方面，我们利用AI模型在中证红利指数成分股内进行测试，得到因子表现相对较好，能够长期获得较稳定的超额收益。上月选股策略获取-1.25%的绝对收益率，择时策略收益率为-1.51%%。固收+策略收益率为-0.42%，整体表现出色。 风险提示 以上结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险。 内容目录 一、2025年主要策略表现回顾....................................................................41国证2000指数增强策略因子表现稳健........................................................42基于TimeMixer改进的机器学习指增策略超额表现优异.........................................43中证红利选股策略2025年化收益达7.71%....................................................4二、国证2000指数增强策略......................................................................51策略构建.................................................................................52国证2000指数选股因子跟踪................................................................53国证2000指数增强策略跟踪................................................................64最新策略信号.............................................................................6三、基于多目标、多模型的机器学习指数增强策略...................................................71策略构建.................................................................................72基于TimeMixer改进的GRU+LGBM沪深300指数增强策略跟踪....................................83基于TimeMixer改进的GRU+LGBM中证500指数增强策略跟踪....................................94基于TimeMixer改进的GRU+LGBM中证1000指数增强策略跟踪...................................9四、基于红利风格择时+红利股优选构建的固收+策略................................................10风险提示......................................................................................12 图表目录 图表1：2025年国证2000增强因子多空组合表现...................................................4图表2：2025年指增策略净值表现................................................................4图表3：2025年机器学习指增策略超额表现对比....................................................4图表4：2025年红利选股策略净值表现............................................................5图表5：2025年红利固收+策略净值...............................................................5图表6：大类合成因子与国证2000增强因子IC指标................................................5图表7：增强因子IC............................................................................5图表8：增强因子多空组合净值..................................................................5图表9：国证2000指数增强策略表现.............................................................6图表10：国证2000指数增强策略指标............................................................6图表11：国证2000增强策略本月持仓列表........................................................6图表12：TSGRU+LGBM机器学习选股因子在沪深300成分股的组合指标跟踪.............................8图表13：TSGRU+LGBM沪深300指数增强策略净值...................................................8图表14：TSGRU+LGBM沪深300指数增强策略指标...................................................8图表15：TSGRU+LGBM机器学习选股因子在中证500成分股的组合指标跟踪.............................9图表16：TSGRU+LGBM中证500指数增强策略净值...................................................9图表17：TSGRU+LGBM中证500指数增强策略指标...................................................9图表18：TSGRU+LGBM机器学习选股因子在中证1000成分股的组合指标跟踪............................9图表19：TSGRU+LGBM中证1000指数增强策略净值.................................................10图表20：TSGRU+LGBM中证1000指数增强策略指标.................................................10 图表21：基于红利风格择时+红利股优选构建的固收+策略主要指标..................................10图表22：中证红利选股策略净值走势............................................................11图表23：基于红利风格择时+红利股优选构建的固收+策略净值走势..................................11图表24：动态宏观事件因子近期给出择时信号....................................................11图表25：中证红利选股策略1月份持仓..........................................................12 一、2025年主要策略表现回顾 1国证2000指数增强策略因子表现稳健 针对小微盘风格，2025年我们筛选并合成出的6大类合成因子IC表现基本稳定，价值合成因子在今年的表现明显下行，表现最突出的为成长合成因子。针对国证2000构建的指数增强策略，因子表现基本稳定，策略样本外（自2023年9月）区间的年化超额收益率达到13.03%，但该策略在今年2月、8月两次市场异动下的回撤较大，拖累年化表现。 来源：Wind，国金证券研究所 来源：Wind，国金证券研究所 2基于TimeMixer改进的机器学习指增策略超额表现优异 2025年三季度，市场风格明显切换，原始的GBDT+NN机器学习选股因子在A股各类宽基指数上均有失效表现。对此，我们基于TimeMixer时序预测框架，创新性地将其多尺度混合与季节/趋势分解机制引入GRU模型，通过LightGBM集成TSGRU隐向量与传统量化因子，构建了改进的机器学习选股模型，并构建三大宽基指数的指增策略。 截至2025年12月31日，TSGRU+LGBM机器学习因子在沪深300、中证500、及中证1000指数范