量化策略演进手记系列之三：GRU选股模型的时序分域探索

目录GRU统一型构与基本现 5GRU模型介绍 5初始设置参数设定 5训练样本构建方式 6模型基本表现 6分域模型以观经济域为例 9分域训练研究动机 9宏观经济分域含义 9回测结果 102.4小结 13趋势震分域其他分域 13趋势震荡分域 13趋势震荡标签绍 13三种方法的比较 14趋势震荡分域测效果 15市场流动性分域 17全市场波动率分域 18行业分离度分域 214.总结 225.风险示与明 24图表目录图1：五分组超额-沪深300（未年化平均周度收益） 8图2：五分组超额-中证500（未年化平均周度收益） 8图3：五分组超额-中证1000（未年化平均周度收益） 8图4：五分组超额-全市场（未年化平均周度收益） 8图5：宏观综合方向判断 10图6：宏观分域多头超额净值 11图7：宏观分域多空净值 11图8：趋势震荡三种训练方法收益与回撤增量 14图9：趋势震荡分域三种方法多头超额净值 15图10：趋势震荡分域三种方法多空净值 15图11：全市场波动率分域净值表现 19图12：全市场波动率分域分年度IC、多头收益变化 20图13：GRU分域选股加入沪深300指数增强组合净值 23图14：GRU分域选股加入中证500指数增强组合净值 23表1：参数配置汇总 6表2：统一模型总体表现 7表3：统一模型分年度表现 7表4：统一模型分股票池逐年IC表现 8表5：宏观分域模型全样本回测结果 10表6：全样本池年度RankIC对比 11表7：全样本池年度超额收益对比 11表8：分状态RankIC与多头收益表现 12表9：沪深300池年度表现 12表10：中证500池年度表现 12表中证1000池年度表现 13表12：趋势震荡3种训练方法与统一模型增量对比 15表13：趋势震荡分样本全区间总体表现 15表14：趋势震荡分域分年度RankIC、多头与多空表现......................................表15：趋势震荡分域分状态RankIC与RankICIR 16表16：趋势震荡分域分状态条件收益与回撤 16表17：趋势震荡分域分股票池全区间超额收益与回撤 17表18：趋势震荡分域分股票池年度RankIC变化 17表19：流动性分域全区间总体表现 17表20：流动性分域分状态表现 18表21：流动性分域分股票池全区间超额收益与回撤变化 18表22：全市场波动率分域总体表现 19表23：全市场波动率分域分状态表现 19表24：全市场波动率分域分年度表现 20表25：全市场波动率分域分股票池表现 20表26：行业分离度分域相对统一模型的核心指标变化 21表27：分状态RankIC与条件年化超额对比 21表28：行业分离度分域分年度表现 22表29：行业分离度分股票池表现 22表30：GRU分域选股加入因子共振指数增强组合超额收益表现（2021年以来）..........................................................................................................................23表31：GRU分域选股加入因子共振指数增强组合年度超额收益 24GRU统一模型构建与基本表现GRU模型介绍GRU(GateRecurrentUnit)RNN，GRU结构更简洁、参数更少，训练效率也相对更高。股票的价格、成交量、成交额等量价数据天然具有时间序列特征。GRU资中的应用增加，GRU、LSTM、Transformer等序列模型在选股研究中逐渐受到广泛关注。GRU模型出发，在A股上构建GRU选股因子，GRUGRU选股策略有效性进行提升。AGRU40OpenHighLowCloseVWAPVolumeAmount7个字段；预5VWAP均价收益。我们以单个交易日的全市场有效股票使模型直接优化同一交易日股票未来收益的相对排序关系。size10.2dropoutGRU结构，这样820%RankIC20%20%20%的多空组合，用以分别观察实际多头收益和整体排序能力。参数初始设定说明选股池参数初始设定说明选股池全部A股剔除ST股、停牌股票输入窗口40个交易日刻画短期技术形态预测目标未来5日VWAP收益对应短期选股收益输入特征OHLC、VWAP、Volume、Amount股票基础量价序列hiddensize16GRU隐层维度GRU层数1轻量化模型结构dropout0.2降低过拟合训练方式年度滚动训练按年份样本外测试早停指标验证集RankIC更贴近截面排序目标多头组合Top20%检验多头收益多空组合Top20%-Bottom20%检验整体排序能力

ICICIC的日均数据。12345日5条净值曲线的表现进行平均。申万宏源研究GRU40个交易日，提取这一窗口内的Open、High、LowCloseVWAPVolumeAmount40的时间序5VWAPGRU模型的拟合效率。型在该截面内学习股票未来收益的相对排序关系。预测年份，模型只使用该年份之前的历史数据训练；历史窗口尾部约20%评价。模型基本表现根据以上参数设定，模型在2021-2026年3月的样本外区间内取得了较稳定的RankIC6.21%GRU模型仅依靠历史量价序列，已经能够对股票未来收益形成较有效的横截面排序。经过净值回测，Top20%多头组合相比于全A平均的年化超额为8.93%，超额回撤为-8.66%；多空组合年化收益为31.31%，最大回撤为-11.27%。此结果说明模型同时具备识别区分高分股票和低分股票的能力，且识别低分股票的能力明显更强。指标统一模型表现RankIC均值指标统一模型表现RankIC均值6.21%多头年化超额8.93%多头超额回撤-8.66%多头超额收益回撤比1.03多空年化收益31.31%多空最大回撤-11.27%多空收益回撤比2.78RankIC年、20242025年表现较强，RankIC7.52%、6.72%8.47%，40%；2021、2023RankIC相对较低，2023、2026年的多头组合表现偏弱。年份RankIC（%年份RankIC（%）多头年化超额（%）多空年化收益（%）20213.83%8.99%33.17%20227.52%14.17%44.28%20234.73%0.87%8.25%20246.72%8.11%41.18%20258.47%15.82%44.55%20265.13%1.96%0.61%，截止2026.3GRU3005001000RankIC，并计算五分组组合的平均周度收益。其中Q1为模型最低分组，Q5为模型最高分组。300部排序能力最弱，2023RankIC0，2026500RankIC为正，202220251000表现最稳定，2021-2026RankIC20257.58%GRU模型的有效性更多体现在中小市值股票池中，而在大盘股内部的区分能力相对有限。年份沪深300中证500中证年份沪深300中证500中证100020211.81%1.93%2.84%20223.44%4.79%5.86%20230.01%1.58%4.00%20240.95%2.59%4.42%20253.83%5.26%7.58%2026-1.74%1.75%4.21%，截止2026.3从分组超额表现来看，各股票池都体现出空头识别能力更强的情况，Q1收益都明显为负，Q4、Q5的区分度相对较弱，沪深300中单调性最弱，全市场单调性较好。图1：五分组超额-沪深300（未年化平均周度收益）图2：五分组超额-中证500（未年化平均周度收益）0.10%0.05%0.00%-0.05%-0.10%-0.15%-0.20%

Q1 Q2 Q3 Q4 Q5

0.10%0.05%0.00%-0.05%-0.10%-0.15%-0.20%

Q1 Q2 Q3 Q4 Q5，截止2026.3 ，截止2026.3图3：五组额-证1000（未化均度） 图4：五组额-市（未化均度益）0.20%0.10%

0.20%0.10%0.00%

0.00%-0.10% -0.10%-0.20%-0.30%-0.40%Q1

Q2 Q3 Q4 Q5

-0.20%-0.30%-0.40%Q1

Q2 Q3 Q4 Q5，截止2026.3 ，截止2026.3分域模型——以宏观经济分域为例前面我们测算的统一GRU选股模型默认不同时段的市场服从类似的运行2022、2024年GRU模型表现更出色，GRU模型，提高模型表现。这一问题可能的解决方案如下：可以将状态变量作为额外特征加入模型，这样训练模型仍然只有一个，GRU预测；率动态组合多个模型的预测结果。GRUGRU本部分中，我们先从宏观经济分域开始进行尝试。GRU图5：宏观综合方向判断上行、下行的分布时间段整体较为均匀。接下来我们进行滚动训练，依然使用82据当前的经济方向判断来决定使用哪个模型进行预测。回测结果全样本池口径下，宏观分域模型的截面RankIC均值由统一模型的6.21%提升至6.59%，RankICIR由0.61提升至0.64，这说明宏观分域对模型整体截面排序能力有小幅增强。从分组收益来看，宏观分域模型的多头年化超额由10.17%提升至11.60%，提升1.43pct，但多头最大回撤也由-8.73%扩大至-10.68%35.95%40.22%，提升-10.76%扩大至表5：宏观分域模型全样本回测结果指标统一模型分域模型分域-统一截面RankIC均值6.21%6.59%+0.38pct截面RankICIR0.610.640.03多头年化超额10.17%11.60%+1.43pct多头最大回撤-8.73%-10.68%-1.95pct多头收益回撤比1.161.09-0.08多空年化收益35.95%40.22%+4.26pct多空最大回撤-10.76%-16.29%-5.53pct多空收益回撤比3.342.47-0.87图6：宏分多超净值 图7：宏分多净值，截止2026.3 ，截止2026.320212023202420252021年提升最明显，RankIC2.18pct；整IC20212023-20242022、20252026年有所减弱。年份统一模型分域模型分域-统一年份统一模型分域模型分域-统一20213.83%6.00%2.18%20227.52%6.32%-1.21%20234.73%5.48%0.74%20246.72%6.89%0.16%20258.47%8.66%0.19%20265.13%4.61%-0.52%均值6.21%6.59%0.38%，截止2026.3表7：全样本池年度超额收益对比年份多头超额统一多头超额分域多头超额差值多空统一多空分域多空差值20219.52%15.72%6.20%35.18%48.71%13.53%202216.04%13.67%-2.37%49.11%50.41%1.30%20231.90%5.74%3.85%11.62%15.44%3.82%20249.40%11.06%1.66%46.19%52.48%6.29%202516.88%14.44%-2.45%51.00%48.12%-2.88%20263.25%0.87%-2.38%6.55%3.00%-3.55%全区间10.17%11.60%1.43%35.95%40.22%4.26%，截止2026.3察IC、收益的差异，收益上我们直接把同一状态的时间连为同一曲线：我们发IC、收益的改善优于负向状态，回撤也有所改善：表8：分状态RankIC与多头收益表现状态RankIC统一RankIC分域RankIC差值年化统一年化分域年化差值回撤统一回撤分域回撤差值宏观负向5.21%5.67%0.46%15.55%17.07%1.52%-3.90%-4.16%-0.26%宏观正向7.39%7.66%0.28%22.96%26.65%3.69%-7.63%-6.40%1.23%300股票池中，2022IC20232026两个较弱年份的收益改善较为明显：表9：沪深300池年度表现年份RankIC统一RankIC分域RankIC差值年化超额统一年化超额分域年化超额差值20211.81%3.64%1.83%10.55%17.60%7.06%20223.44%2.59%-0.85%5.35%3.88%-1.48%20230.01%1.65%1.63%-8.42%-1.24%7.17%20240.95%2.16%1.20%-1.59%1.14%2.73%20253.83%3.89%0.06%-1.03%1.39%2.42%2026-1.74%-1.48%0.27%-6.72%-0.05%6.67%全区间1.86%2.61%0.75%0.16%3.81%3.65%，截止2026.3500300，2026年多头组回撤依然较为明显，也和我们系列报告中此前提到的500的现象一致：表10：中证500池年度表现年份RankIC统一RankIC分域RankIC差值年化超额统一年化超额分域年化超额差值20211.93%3.45%1.52%4.23%8.90%4.67%20224.79%4.08%-0.72%8.73%9.39%0.66%20231.58%2.76%1.18%3.37%3.89%0.52%20242.59%2.57%-0.02%-1.59%1.20%2.79%20255.26%5.48%0.22%2.75%1.10%-1.65%20261.75%2.36%0.60%-16.49%-16.16%0.33%全区间3.17%3.61%0.44%2.20%3.64%1.44%，截止2026.3中证1000本身与宏观环境关系偏弱，IC提升幅度有限：表11：中证1000池年度表现年份RankIC统一RankIC分域RankIC差值年化超额统一年化超额分域年化超额差值20212.84%4.92%2.08%6.74%11.98%5.24%20225.86%5.19%-0.67%8.73%10.55%1.82%20234.00%4.67%0.67%3.12%6.56%3.44%20244.42%4.41%-0.01%4.48%7.10%2.61%20257.58%7.57%-0.01%9.36%7.30%-2.06%20264.21%4.12%-0.10%-5.70%-6.08%-0.39%全区间4.91%5.30%0.39%5.73%7.94%2.20%，截止2026.32.4小结RankIC上行、下行分别建模的方式能够更好地捕捉到特定环境的价量结构特征。GRU1000趋势震荡分域以及其他分域趋势震荡分域趋势震荡标签介绍“趋势”“震荡”GRUzig-zag8前的状态判断，选择对应的模型进行预测和组合构建。对于测试期的标签使用，我们共设计三种测试方式：1：在训练阶段和样本外测试阶段均使用zig-zagzig-zag否具有分域价值，该方法可以作为比较参考。2zig-zag标签，回测时使用等权预测信号。等权信号使用6据。3zig-zag标签，回测时使用决策树预测信号。决策树信号6同样可以避免未来数据，且在此前的测试中该方法的预测效果优于等权。三种方法的比较IC1232IC3图8：趋势震荡三种训练方法收益与回撤增量表12：趋势震荡3种训练方法与统一模型增量对比方法RankIC增量RankICIR增量多头年化超额增量多头超额回撤改善多空年化增量多空回撤改善方法10.25%0.0562.09%3.29%4.17%-1.83%方法2-0.07%-0.0150.12%3.09%-0.42%-2.29%方法30.23%0.0420.97%2.31%1.45%-2.66%图9：趋震分三方法头额值 图10：势荡域方法空值，截止2026.3 ，截止2026.3GRU3行。趋势震荡分域回测效果RankIC和超额收益，同时对多头回撤的改善较为明显，这一点与宏观分域体现出不同：指标统一模型分域模型变化指标统一模型分域模型变化RankIC6.21%6.45%+0.23pctRankICIR0.610.650.04多头年化超额10.17%11.14%+0.97pct多头最大回撤-8.73%-6.42%+2.31pct多头收益回撤比1.161.740.57多空年化收益35.95%37.41%+1.45pct多空最大回撤-10.76%-13.42%-2.66pct多空收益回撤比3.342.79-0.55分年度来看，2021年和2023年对IC的提升更加明显，但2025-2026年的收益端都有所下降：表14：趋势震荡分域分年度RankIC、多头与多空表现年份RankIC统一RankIC分域RankIC变化多头统一多头分域多头变化多空统一多空分域多空变化20213.83%6.44%2.61%9.52%10.91%1.39%35.18%39.72%4.54%20227.52%6.79%-0.74%16.04%16.72%0.68%49.11%54.16%5.06%20234.73%5.27%0.54%1.90%4.32%2.42%11.62%10.20%-1.42%20246.72%6.61%-0.11%9.40%12.61%3.21%46.19%49.58%3.39%20258.47%7.69%-0.78%16.88%13.19%-3.69%51.00%46.41%-4.59%20265.13%3.71%-1.42%3.25%-0.02%-3.27%6.55%2.40%-4.15%全区间6.21%6.45%0.23%10.17%11.14%0.97%35.95%37.41%1.45%，截止2026.3我们比较了趋势和震荡两种状态分域模型的表现。震荡状态下，分域模型RankIC由6.27%提升至6.65%，增量0.38个百分点；RankICIR由0.59提升至0.72，改善比较明显；收益端也有正向改善，震荡状态下年化超额由9.93%提升至-6.21%收窄至-5.68%RankIC仅提升0.11个百分点，RankICIR0.0310.37%9.35%GRU素可能更多，趋势状态样本对模型可能反而有所拖累。15RankIC与RankICIR状态RankIC统一RankIC分域RankIC变化RankICIR统一RankICIR分域RankICIR变化震荡6.27%6.65%+0.38pct0.590.720.14趋势6.16%6.27%+0.11pct0.630.60-0.03表16：趋势震荡分域分状态条件收益与回撤状态超额年化统一超额年化分域超额年化变化超额回撤统一超额回撤分域超额回撤改善震荡9.93%13.30%3.38%-6.21%-5.68%0.53%趋势10.37%9.35%-1.02%-4.54%-3.95%0.59%30050010002%改善。RankIC5000.753000.6210000.35500300中的分域增量更明显。表17：趋势震荡分域分股票池全区间超额收益与回撤股票池超额年化统一超额年化分域超额年化变化超额回撤统一超额回撤分域超额回撤改善收益回撤比统一收益回撤比分域全样本池10.17%11.14%0.97%-8.73%-6.42%2.31%1.161.74沪深3005.42%8.30%2.88%-18.66%-16.30%2.37%0.290.51中证5002.21%4.62%2.41%-14.02%-9.52%4.50%0.160.49中证10005.74%7.76%2.02%-13.66%-10.18%3.47%0.420.76表18：趋势震荡分域分股票池年度RankIC变化股票池202120222023202420252026全区间全样本池2.61%-0.74%0.54%-0.11%-0.78%-1.42%0.23%沪深3001.45%-0.61%1.77%1.12%0.07%-2.60%0.62%中证5002.26%-0.18%0.72%1.06%0.27%-0.95%0.75%中证10002.47%-0.31%0.50%0.47%-1.00%-1.51%0.35%A=全A成交额5日均值/全A5日均值，成交活跃度信号=250日滚动分位数0.5；换手率相对强度=全A5日均值/A250日均值，换手率信号=250日滚动分位数-0.5；量价一致性=20A日收益率与全A成交额变化率的相关系数，量价一致性信号=250日滚动分位数-0.5。性状态，检验不同流动性环境下分域训练是否显著有效。我们发现，流动性分域对RankIC整体呈现负面提升。市场流动性绝对水平分域的RankIC从统一模型的6.21%降至5.85%，流动性边际改善分域的RankIC降至，下降RankIC表19：流动性分域全区间总体表现分域RankIC统一RankIC分域RankIC变化RankICIR统一RankICIR分域RankICIR变化多头超额年化变化多头超额回撤改善多空年化变化多空回撤改善市场流动性绝对水平6.21%5.85%-0.36%0.610.56-0.040.38%1.28%-0.50%-1.55%流动性边际改善6.21%5.79%-0.43%0.610.56-0.05-0.93%-0.13%-2.27%1.00%模型RankIC相比统一模型提高0.53pct，多头年化提高3.60pct，回撤改善0.92pct；但在流动性偏弱状态下，RankIC下降1.25pct，多头年化下降2.89pct，表20：流动性分域分状态表现分域状态RankIC统一RankIC分域RankIC变化RankICIR变化超额年化变化超额回撤改善流动性绝对水平流动性偏弱6.02%4.77%-1.25%-0.115-2.89%-1.06%流动性绝对水平流动性偏强6.40%6.93%0.53%0.0223.60%0.92%流动性边际改善流动性边际变差5.61%5.30%-0.31%-0.0990.78%-0.62%流动性边际改善流动性边际变好6.83%6.29%-0.54%0.005-2.74%0.09%分股票池来看，流动性绝对水平对沪深300、中证500和中证1000的多头年化均有小幅改善，其中中证500改善相对更明显，流动性边际改善分域则整体较弱。分域股票池超额年化变化超额回撤改善分域股票池超额年化变化超额回撤改善市场流动性沪深3003.38%3.24%流动性边际改善沪深300-0.31%-3.10%市场流动性中证5001.90%-0.89%流动性边际改善中证500-1.62%-1.83%市场流动性中证10001.50%0.13%流动性边际改善中证1000-0.20%-0.67%GRU模型，再在样本外根据当期波动率状态选择相应模型进行预测。A2020日年化波动率/60日年化波动率，下行波动率占比=20日下行波动率/20日年化波动率。从总体表现看，波动率分域有一定改善。分域模型RankIC由统一模型的.% 提升至.%2pctkICIR由.1提升至3多头年化超额由8.93%提升至9.84%，提高0.91pct；多头超额回撤由-8.66%收窄至-4.15%，改善4.52pct。多空年化收益变化不大，由31.31%小幅提升至31.43%，但多空回撤也有所改善。指标统一模型分域模型变化指标统一模型分域模型变化RankIC6.21%6.45%0.24%RankICIR0.610.630.03多头年化超额8.93%9.84%0.91%多头超额回撤-8.66%-4.15%4.52%多头收益回撤比1.032.371.34多空年化收益31.31%31.43%0.12%多空最大回撤-11.27%-10.55%0.72%多空收益回撤比2.782.980.20，变化与前两列相减可能有差异主要来自四舍五入分状态来看，低波动状态下RankIC小幅下降0.24pct，但多头年化收益提高1.93pct，回撤改善0.95pct；高波动状态下RankIC提升0.68pct，RankICIR提升0.09，回撤改善3.39pct，但年化收益略降0.14pct。表23：全市场波动率分域分状态表现状态RankIC统一RankIC分域RankIC变化RankICIR变化超额年化变化超额回撤改善全市场低波动6.21%5.96%-0.24%-0.0471.93%0.95%全市场高波动6.22%6.89%0.68%0.087-0.14%3.39%净值曲线显示，波动率分域的多头超额净值路径在2024年后优于统一模型，回撤收敛更明显：图11：全市场波动率分域净值表现，截止2026.3分年度来看，相比于前面几种分域，该方法对2025年的改善突出，但2026年仍然偏弱：表24：全市场波动率分域分年度表现年份RankIC统一RankIC分域RankIC变化多头超额统一多头超额分域多头超额变化20213.83%5.08%1.26%8.99%7.77%-1.22%20227.52%6.66%-0.87%14.17%14.56%0.39%20234.73%3.51%-1.22%0.87%1.43%0.56%20246.72%8.33%1.61%8.11%10.86%2.74%20258.47%9.35%0.87%15.82%19.74%3.91%20265.13%3.19%-1.94%1.96%-1.52%-3.48%图12：全市场波动率分域分年度IC、多头收益变化分股票池来看，沪深300、中证1000的改善更加明显，对回撤都有所改善。整体来看，波动率分域的价值主要体现在平滑表现分布，对回撤的改善较明显。表25：全市场波动率分域分股票池表现股票池RankIC统一RankIC分域RankIC变化年化超额统一年化超额分域超额年化变化超额回撤统一超额回撤分域超额回撤改善沪深3001.86%2.28%0.42%4.38%6.31%1.92%-16.71%-16.52%0.19%中证5003.17%3.29%0.12%6.25%4.73%-1.51%-10.48%-9.18%1.31%中证10004.91%5.01%0.10%10.83%11.68%0.86%-7.59%-6.37%1.23%GRURankIC模型RankIC由统一模型的6.21%提升至6.35%，提高0.14pct；但RankICIR从0.61小幅降至0.608.93%提升至9.59%，提高；多空年化收益由31.31%提升至，提高1.40pct-8.66%扩大至，多空最大回撤由-11.28%扩大至-16.15%。我们判断这一分域提高了收益弹性，但没有改善风险收益稳定性。指标统一模型分域模型变化指标统一模型分域模型变化平均RankIC6.21%6.35%0.14%RankICIR0.610.60-0.01多头年化超额8.93%9.59%0.66%多头超额回撤-8.66%-11.83%-3.17%多头收益回撤比1.0310.811-0.221多空年化收益31.31%32.71%1.40%多空最大回撤-11.28%-16.15%-4.88%多空收益回撤比2.7772.025-0.752分状态来看，我们发现行业低分离度状态下分域效果更好。低分离度状态中，RankIC由6.96%提升至，多头年化超额由9.25%提升至10.73%，提高1.99pct表27：分状态RankIC与条件年化超额对比状态RankIC统一RankIC分域RankIC变化年化超额统一年化超额分域年化超额变化超额回撤统一超额回撤分域回撤变化行业低分离度6.96%7.32%0.36%9.25%10.73%1.48%-2.90%-2.92%-0.03%行业高分离度5.52%5.46%-0.06%8.53%8.53%0.00%-9.29%-11.28%-1.99%300500、中证1000的RankIC和多头年化超额均有提升，其中沪深300和中证1000收益3.15pct和500提高表28：行业分离度分域分年度表现年份RankIC统一RankIC分域RankIC变化年化超额统一年化超额分域年化超额变化超额回撤统一超额回撤分域回撤变化20213.83%5.42%1.59%8.99%8.72%-0.26%-2.56%-3.08%-0.52%20227.52%7.37%-0.15%14.17%15.38%1.22%-1.25%-2.60%-1.35%20234.73%3.71%-1.02%0.87%0.50%-0.37%-4.29%-3.87%0.43%20246.72%7.79%1.06%8.11%11.55%3.43%-7.19%-9.28%-2.09%20258.47%8.18%-0.30%15.82%14.06%-1.76%-1.51%-1.84%-0.33%20265.13%2.99%-2.14%1.96%2.11%0.15%-1.25%-1.62%-0.37%，截止2026.3表29：行业分离度分股票池表现股票池RankIC统一RankIC分域RankIC变化年化超额统一年化超额分域年化超额变化超额回撤统一超额回撤分域回撤变化沪深3001.86%2.38%0.52%4.38%9.61%5.23%-16.71%-16.34%0.37%中证5003.17%3.30%0.13%6.25%7.37%1.13%-10.48%-9.62%0.86%中证10004.91%5.22%0.31%10.83%14.04%3.21%-7.59%-7.66%-0.06%总体来看，行业分离度分域在收益端有增量，但在风险端没有得到很好的控制。它能够带来一定RankIC和收益提升，尤其在行业低分离度状态及沪深300、中证1000股票池中表现较好；但其RankICIR没