量化因子与构建方式 1. 混频深度学习因子 - 因子构建思路：将26个日频特征和64个60分钟频特征共同输入深度学习模型，并大幅延长训练和迭代周期，得到新的混频深度学习因子[1][8][9] - 因子的公式：无具体公式 - 文章对因子的评价：因子呈现出显著的周度选股能力，周均IC达到0.10，TOP 10%和TOP 100多头组合的多路径平均年化超额收益分别高达30%和35%[1][2][11] 2. 未来5日因子 - 因子构建思路：使用未来5日（T+1T+6）收益率作为预测标签训练得到的因子[10] - 因子的公式：无具体公式 - 文章对因子的评价：表现优于未来10日因子，但自相关性更低，换手率略高[12][13] 3. 未来10日因子 - 因子构建思路：使用未来10日（T+1T+11）收益率作为预测标签训练得到的因子[10] - 因子的公式：无具体公式 - 文章对因子的评价：表现略逊于未来5日因子，但自相关性更高，换手率略低[12][13] 4. 相互正交因子集合 - 因子构建思路：在MLP与输出层之间加入一个正交层，生成32个相互正交的因子[50][51] - 因子的公式：无具体公式 - 文章对因子的评价：因子周均IC在0.03-0.04之间，TOP 10%组合年化超额收益为5%-12%[52][54] 5. 与指定因子集合正交的因子集合 - 因子构建思路：在MLP与输出层之间加入一个正交层，生成与行业、市值和BP正交，且内部相互正交的32个因子[50][55] - 因子的公式：无具体公式 - 文章对因子的评价：因子集合整体的选股能力受到明显削弱，IC从0.03-0.04降至0.015-0.025，TOP 10%组合年化超额收益为5%-12%[56][58] 因子的具体指标值 1. 周频因子选股能力 - IC均值：未来5日因子0.104，未来10日因子0.102[13] - 年化ICIR：未来5日因子8.418，未来10日因子7.853[13] - 胜率：未来5日因子91%，未来10日因子87%[13] - Rank IC均值：未来5日因子0.099，未来10日因子0.102[13] - 年化Rank ICIR：未来5日因子7.047，未来10日因子7.136[13] - 因子自相关性：未来5日因子0.53，未来10日因子0.66[13] - TOP 10%组合换手率：未来5日因子64%，未来10日因子56%[13] 2. 预测标签调整的周频因子选股能力 - IC均值：未来5日因子0.102，未来10日因子0.099[14] - 年化ICIR：未来5日因子6.915，未来10日因子6.496[14] - 胜率：未来5日因子85%，未来10日因子83%[14] - Rank IC均值：未来5日因子0.119，未来10日因子0.118[14] - 年化Rank ICIR：未来5日因子7.932，未来10日因子7.801[14] - 因子自相关性：未来5日因子0.60，未来10日因子0.70[14] - TOP 10%组合换手率：未来5日因子62%，未来10日因子56%[14] 3. 32个因子的周频选股能力（相互正交） - IC均值：0.030-0.047[54] - 周度胜率：59%-81%[54] - 多头超额收益：5.2%-11.6%[54] 4. 32个因子的周频选股能力（与行业、市值和BP正交） - IC均值：0.015-0.027[58] - 周度胜率：59%-71%[58] - 多头超额收益：-0.1%-5.6%[58]