下表汇总了海通证券金融工程团队开发的高频选股因子本周、4月及2023年的多空收益、多头超额收益及月度胜率。

下图展示了月度换仓的开盘后买入意愿占比全市场前后10%多空组合的相对强弱净值。因子的计算方式请参考专题报告《选股因子系列研究（六十四）——基于直观逻辑和机器学习的高频数据低频化应用》。

下图展示了月度换仓的开盘后买入意愿强度全市场前后10%多空组合的相对强弱净值。因子的计算方式请参考专题报告《选股因子系列研究（六十四）——基于直观逻辑和机器学习的高频数据低频化应用》。 

下图展示了月度换仓的开盘后大单净买入占比全市场前后10%多空组合的相对强弱净值。

下图展示了月度换仓的开盘后大单净买入强度全市场前后10%多空组合的相对强弱净值。

下图展示了月度换仓的改进反转因子全市场前后10%多空组合的相对强弱净值。

下图展示了月度换仓的尾盘成交占比全市场前后10%多空组合的相对强弱净值。

下图展示了月度换仓的平均单笔流出金额占比全市场前后10%多空组合的相对强弱净值。

下图展示了月度换仓的大单推动涨幅全市场前后10%多空组合的相对强弱净值。

下图展示了周度换仓的深度学习高频因子（GRU(50,1)+NN(10)）全市场前后10%多空组合的相对强弱净值。

下图展示了深度学习高频因子（GRU(50,1)+NN(10)）本周、4月及2023年的多空收益。

下图展示了周度换仓的深度学习高频因子（GRU(50,2)+NN(10)）全市场前后10%多空组合的相对强弱净值。

下图展示了周度换仓的深度学习高频因子（改进GRU(50,2)+NN(10)）全市场前后10%多空组合的相对强弱净值。

下图展示了深度学习高频因子（改进GRU(50,2)+NN(10)）本周、4月及2023年的多空收益。

下图展示了周度换仓的深度学习高频因子（残差注意力LSTM(48,2)+NN(10)）全市场前后10%多空组合的相对强弱净值。

下图展示了深度学习高频因子（残差注意力LSTM(48,2)+NN(10)）本周、4月及2023年的多空收益。

基于低频技术因子、人工逻辑类高频因子和深度学习高频因子构建周度调仓的中证500纯量价增强组合，具体设定如下：

因子：换手、反转、波动、尾盘成交占比、买入意愿占比、大单净买入占比和深度学习高频因子。

在预测个股收益时，我们首先采用截面回归得到因子溢价，再计算最近12个月的因子溢价均值估计下期的因子溢价，最后乘以最新一期的因子值。

风险控制模型主要包括以下几个方面的约束：

1） 个股权重偏离：相对基准的偏离不超过1%；

2） 因子敞口：市值、估值、盈利和盈利增长的敞口为0，低频技术敞口≤ ±0.8，高频因子敞口≤ ±2.0；

3） 行业偏离：严格中性；

4） 换手率限制：单次单边换手率不超过30%。

组合优化目标为最大化预期收益，目标函数如下所示：

其中，wi为组合中股票i的权重，μi为股票i的预期超额收益。假定以次日均价调仓，同时扣除3‰的交易成本。

下图展示了组合2016年以来相对中证500指数的累计超额收益。

下图分别展示了组合在本周、4月及2023年的超额收益。

因子失效风险、流动性风险。

联系人：袁林青 (021)23212230

本公众订阅号（微信号：海通量化团队）为海通证券研究所金融工程运营的唯一官方订阅号，本订阅号所载内容仅供海通证券的专业投资者参考使用，仅供在新媒体背景下的研究观点交流；普通个人投资者由于缺乏对研究观点或报告的解读能力，使用订阅号相关信息或造成投资损失，请务必取消订阅本订阅号，海通证券不会因任何接收人收到本订阅号内容而视其为客户。
本订阅号不是海通研究报告的发布平台，客户仍需以海通研究所通过研究报告发布平台正式发布的完整报告为准。
市场有风险，投资需谨慎。在任何情况下，本订阅号所载信息或所表述的意见并不构成对任何人的投资建议，对任何因直接或间接使用本订阅号刊载的信息和内容或者据此进行投资所造成的一切后果或损失，海通证券不承担任何法律责任。
本订阅号所载的资料、意见及推测有可能因发布日后的各种因素变化而不再准确或失效，海通证券不承担更新不准确或过时的资料、意见及推测的义务，在对相关信息进行更新时亦不会另行通知。
本订阅号的版权归海通证券研究所拥有，任何订阅人如欲引用或转载本订阅号所载内容，务必联络海通证券研究所并获得许可，并必注明出处为海通证券研究所，且不得对内容进行有悖原意的引用和删改。
海通证券研究所金融工程对本订阅号（微信号：海通量化团队）保留一切法律权利。其它机构或个人在微信平台以海通证券研究所金融工程名义注册的、或含有“海通证券研究所金融工程团队或小组”及相关信息的其它订阅号均不是海通证券研究所金融工程官方订阅号。

本篇文章来源于微信公众号: 海通量化团队