深度学习因子月报：Meta_Master因子5月实现超额收益3.9%25

本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 1 深度学习因子月报 Meta_Master 因子 5 月实现超额收益 3.9% 2025 年 06 月 11 日 ➢ 5 月深度学习选股组合总体录得正向超额收益。DL_EM_Dynamic 因子在中证 1000 中 RankIC 均值 12.1%, 超额收益 3.5%，Meta_RiskControl 因子在全A 中均值 RankIC12.8%，全 A 多头组合相对中证 800 超额收益 2.7%，Meta_Master 因子周度 RankIC 均值 14.7%，全 A 多头组合相对中证 800 超额收益 3.9%。 ➢ DL_EM_Dynamic 因子表现跟踪：5 月 RankIC12.1%，指数增强组合相对于中证 1000 超额收益 0.6%，今年超额收益 10.4%。因子介绍：采用矩阵分解算法从基金选股网络中提取股票的内在属性，分解出基金和股票的内在属性矩阵。将这些内在属性与 LSTM 生成的因子表示进行拼接，进一步股票静态的内在属性转为动态内在属性，构建股票的动态市场状态因子，共同输入到 MLP 中，可增强模型表现。 ➢ Meta_RiskControl 因子表现跟踪：5 月 RankIC12.8%，沪深 300，中证500，中证 1000 指数增强组合超额收益分别为-0.7%，0.8%与 0.5%，本年超额收益分别为 3.0%，4.8%与 8.3%。因子介绍：将传统深度学习模型的输出乘以对应股票的因子暴露，在损失函数作为惩罚项；鉴于元增量学习具有对于市场变化快速适应的能力，将这一框架与模型进行结合。将底层模型改为加入风格输入后的 ALSTM 模型，并在损失函数中加入风格偏离的控制，在外层沿用元增量学习框架。 ➢ Meta_Master 因子表现跟踪：5 月 RankIC14.7%，沪深 300，中证 500，中证 1000 指数增强组合超额收益分别为-0.5%，0.5%与 0.4%，本年超额收益分别为 4.8%，3.3%与 5.0%。因子介绍：利用深度风险模型计算新的市场状态，利用近期上涨最好股票的风格来衡量近期的市场风格，共计构建 120 个新特征代表市场状态；损失函数替换为加权 MSE 来放大多头端的误差以提高模型在多头端预测的准确率；利用在线的元增量学习对于模型进行定期更新，多模型赚取收益弹性。 ➢ 深度学习可转债因子跟踪：5 月偏股，平衡，偏债内因子 RankIC 分别为11%，9.5%与 3.9%，top50 组合收益分别为 1.7%，2.6%与 1.7%，超额收益分别为 0.1%，1.0%与 0.2%。因子介绍：针对可转债传统投资策略近年来超额收益逐渐衰减的问题，利用 GRU 深度神经网络，学习可转债复杂的非线性的市场定价逻辑，构建新的投资策略。将可转债特有的时序因子引入到 GRU 模型中，并且将转债截面属性因子与 GRU 模型输出拼接后预测未来收益，模型表现提升显著。 ➢ 风险提示：量化结论基于历史统计，如未来环境发生变化存在失效可能。选股模型结论不构成投资建议，实际投资还需要考虑外部市场环境、估值等因素并进一步评估。 [Table_Author] 分析师 叶尔乐 执业证书： S0100522110002 邮箱： yeerle@mszq.com 分析师 韵天雨 执业证书： S0100524120004 邮箱： yuntianyu@mszq.com 相关研究 1.量化周报：收缩盘整转上涨趋势的条件-2025/06/08 2.资产配置月报 202506：六月配置视点：今年业绩领先的基金有何特征？-2025/06/05 3.量化大势研判 202506：推荐关注预期成长风格-2025/06/02 4.量化周报：景气度继续回升-2025/06/02 5.量化分析报告：2025 年 5 月社融预测：23296 亿元-2025/06/01 量化分析报告 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 2 目录 1 深度学习因子近期表现概览 ...................................................................................................................................... 3 2 各因子介绍和指数增强组合表现 ............................................................................................................................... 6 2.1 DL_EM_Dynamic 因子...................................................................................................................................................................... 6 2.2 Meta_RiskControl 因子 ................................................................................................................................................................... 8 2.3 Meta_Master 因子 .......................................................................................................................................................................... 12 2.4 深度学习可转债因子 ....................................................................................................................................................................... 17 3 风险提示 .............................................................................................................................................................. 22 插图目录 ......................................................