ETF配置系列(十)：七维共振-深度学习加持的周度行业轮动策略和ETF组合

目录行业轮动多因子模型 3研究流程 3行业因子计算 3因子测试 4行业因子和回测结果 4深度学习因子 4、TCN因子（个股加权） 4检索增强时间序列预测模型（RAFT因子） 7基本面因子 9超预期因子（成分股加权） 9分析师预期因子（成分股加权） 10量价因子 12行业动量因子 12大单因子（成分股加权） 14估值相关因子 14因子回测效果 14复合因子行业轮动策略和ETF组合 15选用因子汇总 15复合因子回测 17大类因子相关性 17大类因子超额表现 17复合因子历史回测 19周度行业轮动策略（前五行业组合） 20ETF组合构建 22行业轮动策略的ETF落地方法 22回测表现 224. 总结 24风险提示 25ETF、、建周度行业轮动策略和ETF组合。行业轮动多因子模型研究流程参考股票多因子模型研究方法论，将每个行业视为一家囊括所有同行业公ETF基础数据处理财务报表分析师预期数据日行情数据基础数据处理财务报表分析师预期数据日行情数据LEVEL2数据行业因子合成超预期分析师预期深度学习动量大单估值相关单因子测试IC值测试分组测试（分组、多空、基准）备选因子选择复合因子合成因子相关性分析因子加权复合因子测试ETF组合落地收益率匹配跟踪误差控制周度ETF组合数据来源：行业因子计算7（T、TCN检索增强、TCN检索增强超预期分析师预期深度 基本学习 面量价估值 行业动量大单估值相关数据来源：（比如自由流通市值加权等因子测试我们通过因子IC测试与分组回测来考察行业因子收益预测的有效性与稳定性。因子测试TT+1Prson相关系数w。因子的ICT期的因子值（因子中性化处理后残差tT+1期的行业收益t+1的相关系数——Pearson相关系数，公式表示为：𝐼𝐶𝑡=𝑡,𝑡+1)可以通过以下指标评价因子效果：IC值的均值——因子显著性；ICIR比率（IC均值/标准差）——因子有效性；因子分组测试因子分组测试是根据因子值打分排序分多组测试各组组合累计净值表现，我们采用5组定期调仓的方法进行测试。我们可以从多个维度考察分组测试效果：行业因子和回测结果72014.01-2026.09305深度学习因子、因子（个股加权）TCN中TCN架构，、TCN_20250730模型门控循环单元（GatedRecurrentUnit，GRU）是一种改进的循环神经网络Cho在处理长序列时的梯度消失/LSTM通过门控机制动态控制信息的保留与遗忘，广（图3：GRU模型结构模型结构:模型结构:数据来源：Olah(2015).UnderstandingLSTMNetworks。TCN模型图4：TCN模型网络结构

时间卷积网络（TemporalNetwork，TCN）是一种专为时间序LSTM、在处理长序列时常见的梯度消失或梯度爆炸问题，并支持并行计算，显著提升计算效率。数据来源：hunAINPr（2022。模型训练过程说明本报告的输入特征只使用股票日、周行情数据。具体的训练模型过程和细节如下：输入数据集30(d3060日行情(dy60)30周行情(k3，6（1月-20269月。预测标签5日至日均价涨跌幅，需要做标准化处理。训练过程910为一个交易日的股票数量。损失函数使用模型：TCN、。TCN6034num_channels=[8,16,32,64]3033num_channels=[8,16,32]；2sequence_length，day6060，day30、week3030。使用多种模型，不同数据集作为输入，预测2种时间长度收益率，构造训练因子名称模型层数数据集损失函数随机种子标签TCN_4_day60_newloss_seed3_10dTCN4day60因子名称模型层数数据集损失函数随机种子标签TCN_4_day60_newloss_seed3_10dTCN4day60相关系数310日TCN_4_day60_newloss_seed3_5dTCN4day60相关系数35日TCN_3_week30_newloss_seed3_10dTCN3week30相关系数310日TCN_3_week30_newloss_seed3_5dTCN3week30相关系数35日TCN_3_day30_newloss_seed3_10dTCN3day30相关系数310日TCN_3_day30_newloss_seed3_5dTCN3day30相关系数35日GRU_2_week30_newloss_seed3_10dGRU2week30相关系数310日GRU_2_week30_newloss_seed3_5dGRU2week30相关系数35日GRU_2_day30_newloss_seed3_10dGRU2day30相关系数310日GRU_2_day30_newloss_seed3_5dGRU2day30相关系数35日GRU_2_day60_newloss_seed3_10dGRU2day60相关系数310日GRU_2_day60_newloss_seed3_5dGRU2day60相关系数35日数据来源： 。回测结果、因子是7类因子中历史表现最好的。下表是、TCN深2017.01-2026.09。IC较高（5.48~8.21%6.85%；I_IR1.48（1.16~1.72。916.9%~33.1%，均值23.8%。1.486.85%30.45%12%17.20%4.86%-1.1.486.85%30.45%12%17.20%4.86%-1..74%-433%-13.TCN_4_day60_newloss_seed3_5d1.185.48%23.58%40%12.75%1.35%-0..46%-218%-11.TCN_4_day60_newloss_seed3_10d1.376.52%20.50%91%10.33%1.37%3..64%-558%-9.TCN_3_week30_newloss_seed3_5d1.697.86%19.85%82%10.01%3.61%1..21%-603%-9.TCN_3_week30_newloss_seed3_10d1.165.49%26.03%25%12.95%3.51%0..09%-278%-13.TCN_3_day30_newloss_seed3_5d1.436.67%19.33%10.94%71%3.92%-0..43%-539%-8.TCN_3_day30_newloss_seed3_10d1.335.99%17.50%85%9.87%3.37%-3..78%-265%-7.GRU_2_week30_newloss_seed3_10d1.677.52%27.30%22%13.%286.71%-0..60%-308%-14.GRU_2_day60_newloss_seed3_5d1.728.21%33.12%12%17.61%2.85%0..86%-200%-16.GRU_2_day60_newloss_seed3_10d1.597.28%16.85%22%8.70%0.74%2..19%-363%-8.GRU_2_week30_newloss_seed3_5d1.617.35%26.18%15%13.15%2.66%1..10%-303%-13.GRU_2_day30_newloss_seed3_10d1.556.97%24.71%26%12.38%5.44%1..80%-545%-12.GRU_2_day30_newloss_seed3_5dIC_IRIC因子收益t4t3t2t1t0分组年化超额收益深度学习（成分股加权）数据来源：Wind， 。测试区间：2017.01-2026.09下表展示、因子多头组t4的逐年超额收益情况1212.8%，10920232017-2022年。表3：GRU、TCN因子多头组每年超额收益25.3%25.3%8.6%3.9%3.8%12.0%42.6%1.6%.0%206%31.4%30..5%19TCN_4_day60_newloss_seed3_5d1.4%1.2%9.8%-2.3%36.9%-1.9%7.8%12.8%40.7%.8%23TCN_4_day60_newloss_seed3_10d-0.2%4.9%0%20.6.1%25.9%-9.7%2.8%7.5%33.2%23.1%TCN_3_week30_newloss_seed3_5d5.3%-0.3%11.8%1.9%3.3%5.4%2.9%1%33..0%22TCN_3_week30_newloss_seed3_10d4.2%-2.2%8.3%4.6%33.7%13.1%8.6%.6%199%23.10.0%TCN_3_day30_newloss_seed3_5d2.2%-4.0%-2.0%0.1%34.6%-3.9%.8%17.7%168%33..5%20TCN_3_day30_newloss_seed3_10d-1.4%10.1%0.5%5.8%28.4%1.2%3.8%5.0%0%36.12.5%GRU_2_week30_newloss_seed3_10d4.9%-0.1%6.7%2.1%28.7%10.7%9.3%.1%237%28..5%19GRU_2_day60_newloss_seed3_5d8.2%-1.8%6.6%4.3%52.0%3.9%.8%1516.2%49.2%.1%25GRU_2_day60_newloss_seed3_10d-1.3%-0.8%7.7%12.6%.5%22-10.9%1.9%7.4%1%32..4%15GRU_2_week30_newloss_seed3_5d.5%220.4%-0.8%2.7%38.8%-13.8%.3%10.0%2041.1%.4%19GRU_2_day30_newloss_seed3_10d6.8%-6.2%7.6%3.5%32.4%6.4%8.8%.7%234%27..9%14GRU_2_day30_newloss_seed3_5d2026.09202520242023202220212020201920182017多头组每年超额收益数据来源：Wind， 。测试区间：2017.01-2026.09检索增强时间序列预测模型因子）模型介绍检索增强生成Generation）模型结合了语言模型FT（trv-ugmntdForcstngofTme-srs是GTop-M端训练。在样本稀缺、分布漂移或需要多步预测的场景中，收益最明显。的思路，在行业截面上做轻量化实现。样本为某行业某日的94维技术因子，模型取其中70维与历史样本计算皮尔MsoftmaxN日1010430个行业共享模型参数与检索池。图5：行业RAFT模型网络结构数据来源： 。使用RAFT模型，构建了以下10个RAFT行业因子。表4：RAFT因子说明因子名称 说明预测10日收益预测标签是未来10日收益，训练RAFT模型，得到预测预测10日收益RAFT因子的20日均值 计算预测值的20日均值，作为因子预测10日收益RAFT因子的5日均值 计算预测值的5日均值，作为因子预测10日收益因子的120日计算预测值的120日Zscore，作为因预测10日收益RAFT因子的240日Zscore 计算预测值的240日Zscore，作为因预测5日收益预测标签是未来5日收益，训练RAFT模型，得到预测值预测5日收益RAFT因子的20日均值 同上预测5日收益因子的5日均值5RAFT120Zscore5RAFT240Zscore数据来源：回测结果使用行业指数行情数据训练的IC1.16%、IC_IR0.336.2%10、10120Zscore555日均值。0.230.89% 5.92%32%2.19%0.0.230.89% 5.92%32%2.19%0.94%0..78%-0.61%-3预测5日收益RAFT因子的240日Zscore0.250.97% 6.94%%3.65.60%-0.42%-0.35%-0.29%-3预测5日收益RAFT因子的120日Zscore550.1.91% 8.40%%3.52.40%-066%0.0.62%.87%-4预测5日收益RAFT因子的5日均值0.792.78% 8.22%87%1.13%0.%423.0.39%.36%-6预测5日收益RAFT因子的20日均值0.241.02% 7.75%%5.34.09%-1.93%-0.69%-1.42%-2预测5日收益RAFT0.321.07% 6.71%%3.9181%0..29%-52.24%.81%-2预测10日收益RAFT因子的240日Zscore0.310.99% 8.58%7.38%.33%-3.38%-3.53%-0.20%-1预测10日收益RAFT因子的120日Zscore-0.02-0.08%3.56%30%2..73%-0.39%-0.80%-0.27%-1预测10日收益RAFT因子的5日均值0.341.09%1.52%.10%-2%834.69%0..39%-0.62%-3预测10日收益RAFT因子的20日均值0.260.90%4.81%%4.3279%0..71%-3.56%-1.49%-0预测10日收益RAFTIC_IRIC因子收益t4t3t2t1t0分组年化超额收益行业RAFT因子数据来源：Wind， 。测试区间：2014.01-2026.09。下表展示RAFT因子多头组每年超额收益情况。因子在2019、2023、2024......10..多头组每年超额收益2014201520162017201820192020202120222023......10..多头组每年超额收益2014201520162017201820192020202120222023202420252026.09预测10日收益RAFT8.1%9%9.9%3.0%1.4%-5.2%12.8%-0.1%6.4%4.1%-6.2%5.8%6.1%预测10日收益RAFT因子的20日均值7.2%-8.0%-10.5%-1.6%-1.0%3.7%2.5%-13.7%5.1%1.5%-7.2%8.4%-9.6%预测10日收益RAFT因子的5日均值8.8%8%-3.6%2.3%-3.9%-3.8%11.4%-1.8%7.1%100%-3.0%-2.7%-1.0%预测10日收益RAFT因子的120日Zscore5.2%22.6%138%9.0%6.9%-5.8%14.9%5.2%9.6%2.6%4.7%5.0%-0.8%预测10日收益RAFT因子的240日Zscore-0.9%24.1%111%5.7%7.0%-5.7%9.5%-3.7%9.1%2.5%-7.5%-0.3%-1.1%预测5日收益RAFT15.6%-0.4%7.6%122%-4.1%-7.1%15.7%10.4%15.6%-7.8%-5.7%14.0%7.0%预测5日收益RAFT因子的20日均值8.4%-1.7%-9.0%2.2%-9.6%0.5%5.6%-4.3%18.3%-0.2%4.0%6.8%5.9%预测5日收益RAFT因子的5日均值-1.8%0.0%0.9%9.6%-6.9%-4.4%7.0%6.3%104%5.8%1.2%9.7%9.1%预测5日收益RAFT因子的120日Zscore2.6%-4.5%9.7%153%-2.3%-5.8%10.1%12.9%7.7%-6.1%-1.1%4.8%4.2%预测5日收益RAFT因子的240日Zscore-1.0%-1.0%5.1%159%-7.1%-2.6%11.7%6.3%0%-7.3%-3.3%1.9%1.7%数据来源：Wind， 。测试区间：2014.01-2026.09。基本面因子超预期因子（成分股加权）因子说明——行业配置研究系列02_20220426,参考国内外学术文献和业内投资经验，6种行业超预期因子。本文用到标准化预期外盈利、N日盈利/营收预测调整等因子。因子是单季度预期外收益−𝔼(𝑋𝑖,𝑞)）除以预期外收益的标准差：𝑋𝑖,𝑞−𝔼(𝑋𝑖,𝑞)𝑆𝑈𝐸𝑖,𝑞=

𝜎𝑖,𝑞iq季度的实际收益，𝔼(𝑋𝑖,𝑞)q是过去4个季度预期外收益的标准差。对于带漂移项的情况，预期收益𝔼(𝑋𝑖,𝑞)等于前一年本季度收益加上预期外收益的期望𝜇𝑖,𝑞。𝔼(𝑋𝑖,𝑞)=𝑋𝑖,𝑞−4+𝜇𝑖,𝑞其中：∑4(𝑋 −𝑋 )𝜇𝑖,𝑞=

𝑛=1𝑖,𝑞−44

𝑖,𝑞−𝑛−4对于无漂移项的情况，预期收益为前一年本季度季度净利润：𝔼(𝑋𝑖,𝑞)=𝑋𝑖,𝑞−4过去N日分析师预测净利润、营收上调幅度=N日分析师预测净利润上调幅度、预测营sN日每个发布预测报告的分析师净利润上调幅度，然后等权平均得到个股的净利润上调因子：=𝑃𝑟𝑜𝑓𝑖𝑡_𝑎𝑑𝑗𝑢𝑠𝑡_𝑁𝑑𝑎𝑦营收上调幅度因子类似：

𝑖,𝑠

1∑𝑛𝑛𝑠=1

𝑡𝑖,𝑠−𝑃𝑟𝑜𝑓𝑖𝑡_𝑙𝑎𝑠𝑡𝑖,𝑠𝑃𝑟𝑜𝑓𝑖𝑡_𝑙𝑎𝑠𝑡𝑖,𝑠𝑅𝑒𝑣𝑒𝑛𝑢𝑒_𝑎𝑑𝑗𝑢𝑠𝑡_𝑁𝑑𝑎𝑦

𝑖,𝑠

1∑𝑛=𝑛𝑠=1=

𝑅𝑒𝑣𝑒𝑛𝑢𝑒𝑖,𝑠−𝑅𝑒𝑣𝑒𝑛𝑢𝑒_𝑙𝑎𝑠𝑡𝑖,𝑠𝑅𝑒𝑣𝑒𝑛𝑢𝑒_𝑙𝑎𝑠𝑡𝑖,𝑠回测结果超预期因子投资逻辑强，整体效果不错。因子IC2.49%、平均值0.658.8%ROA(TTM)-ROE(TTM)-900.491.84%5.18%%004..14%-0.68%-00.491.84%5.18%%004..14%-0.68%-0.64%-2.18%-1过去90天营收调整0.622.34% 7.63%%264.%883..91%-2.44%-2.37%-3过去60天营收调整410.1.60%6.22%%604..19%-1.33%-2.10%-0.62%-1过去120天营收调整0.752.95% 9.33%%495.30%1..74%-0.61%-2.84%-3过去90天盈利调整0.702.74% 8.97%%544.55%2.04%0..96%-2.43%-4过去60天盈利调整0.763.08%10.06%%305.%352..47%-2.83%-0.76%-4过去120天盈利调整0.642.53%10.88%11%7..83%-0.31%-310%0..77%-3标准化预期外单季度营业利润0.812.98%11.58%95%7..70%-228%1..89%-2.63%-3标准化预期外单季度归母净利润-带漂移项0.662.60% 8.32%%535.48%0..70%-0.98%-2.79%-2标准化预期外归母ROE(TTM)0.632.24% 9.60%%715..38%-264%0..33%-0.90%-3标准化预期外归母ROA(TTM)-带漂移项IC_IRIC因子收益t4t3t2t1t0分组年化超额收益超预期因子（成分股加权）数据来源：Wind， 。测试区间：2014.01-2026.09。2022-2024表8：超预期因子多头组每年超额收益多头组每年超额收益多头组每年超额收益标准化预期外归母ROA(TTM)-带漂移项标准化预期外归母ROE(TTM)标准化预期外单季度归母净利润-带漂移项标准化预期外单季度营业利润过去120天盈利调整过去60天盈利调整过去90天盈利调整过去120天营收调整过去60天营收调整过去90天营收调整2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026.098.1% 4.2% 5.7% 15.0% 10.3% 0.1% 9.3% 12.5% 7.5% -2.7% 1.9% 8.0% -4.8%5.4% 13.3% -0.6% 14.4% 9.2% 1.4% 8.1% 5.5% 4.7% -1.7% -4.3% 10.2% 7.0%6.4% 13.4% 3.1% 17.7% 12.0% 3.4% 1.0% 10.1% 5.3% -2.1% 3.6% 17.0% 12.9%1.6% -6.8% 2.7% 26.0% 12.4% 7.0% 13.6% 9.9% 3.3% -5.0% -0.5% 17.4% 14.0%14.5% -4.5% 7.8% 15.7% -3.3% 0.0% 6.8% 14.7% -0.5% -2.7% 5.4% 8.0% 8.9%6.0% -8.1% 2.0% 9.3% -0.7% 4.9% 15.2% 17.6% -2.5% 0.4% -3.1% 12.8% 7.8%17.8% -3.4% 6.3% 10.8% -6.0% 1.8% 7.0% 21.8% -3.6% 3.0% 1.7% 11.5% 5.2%26.5% -6.0% -0.1% 13.6% -1.8% 0.1% 0.4% 13.4% -0.1% -4.8% 2.4% 7.2% 12.8%21.0%-12.5% 1.0% 9.4% 0.5% -5.6% 0.2% 21.8% 0.2% -0.4% -2.8% 13.0% 15.0%19.5% -8.3% -2.6% 11.0% -4.1% -1.3% -3.1% 21.8% -0.4% -4.4% 2.3% 10.2% 16.4%数据来源：Wind， 。测试区间：2014.01-2026.09。分析师预期因子（成分股加权）在之前报告《如何基于分析师预测数据构建行业轮动策略——行业配置研究系列06_20221006》中详细测算过不同参数下分析师预期因子在月度行EPS、的效果整体较好。因子回测效果分析师预期因子投资逻辑强，整体效果较高。IC平均值3.52%（1.33%~5.06%I_IR0.8810.1%12020240日分位数、20日同比变动、EPS-FY320的12020IC如下表。表9：分析师预期因子（成分股加权）分5组年化超额收益和IC分析师预期因子（成分股加权）分析师预测净利润同比增长率（相对于最新财报）分析师预测净利润FY2同比增长率（相对于最新财报）分析师预测净利润同比增长率（相对于最新财报）分析师预测ROA-FY3分析师预测ROA-FY3的120日分位数分析师预测ROA-FY3的240日分位数分析师预测ROA-FY3的120日同比分析师预测ROA-FY3的20日同比变动分析师预测ROA-FY3的60日同比变动分析师预测ROE-FY3分析师预测ROE-FY3的120日分位数分析师预测的240日分位数分析师预测ROE-FY3的120日同比变动分析师预测的20日同比变动分析师预测ROE-FY3的60日同比变动EPS-FY3的120日同比变动分析师预测的20日同比变动分析师预测EPS-FY3的60日同比变动分析师预测净利润FY1的120日同比变动分析师预测净利润FY1的20日同比变动分析师预测净利润FY1的60日同比变动FY2的120日同比变动分析师预测净利润FY2的20日同比变动分析师预测净利润FY2的60日同比变动分析师预测净利润的20日同比变动分析师预测净利润FY3的60日同比变动

分组年化超额收益t0 t1 t2 t3 t4-0.92% -0.18% -2.95% -0.81% -1.17% -1.64% -1.77% -0.01% -2.33% -0.76% -2.06% 0.19% -1.94% 0.32% -0.32% -1.43% -5.82% -2.04% 0.77% 0.58% -4.27% -6.34% 2.20% 2.45% -6.60% -2.18% 0.21% 1.36% -2.81% -6.41% 1.00% 1.03% -3.99% -1.17% 1.69% -3.06% -1.14% -1.48% -1.53% -0.12% -2.76% -4.31% 0.72% -0.19% -3.93% -3.29% 0.09% -1.35% -5.22% -3.77% 0.06% 2.35% -3.71% -3.81% -0.51% 0.62% -3.44% -2.50% -0.73% 0.50% -7.27% -2.71% -0.33% 2.55% -5.56% -4.50% -0.51% 2.67% -7.32% -0.94% -0.80% 1.10% -4.53% -0.53% -1.72% 0.46% -1.96% -1.74% 1.10% -1.51% -3.79% -1.66% -1.80% 0.58% -4.44% -4.78% -0.95% 2.34% -2.76% -1.45% -0.08% 1.05% -5.34% -0.89% -2.15% 1.34% -4.37% -4.70% -0.68% 0.79% -5.75% -2.76% -0.88% 2.53% -6.33% -0.83% -2.83% 1.88%

4.93%4.65%6.31%4.36%12.16%10.19%13.46%9.78%10.18%4.82%8.91%12.27%11.45%11.08%8.99%15.22%13.54%14.98%10.48%5.36%9.92%12.38%5.41%12.08%13.16%12.36%14.35%

IC1.33%1.95%2.19%2.39%3.09%4.10%4.71%4.25%3.34%2.26%3.04%4.01%4.37%3.93%3.10%4.97%4.28%4.62%2.54%1.54%3.33%4.18%2.76%4.08%4.99%4.57%5.06%

IC_IR0.290.410.440.500.811.011.101.170.820.560.821.021.081.100.801.211.221.220.600.440.840.950.790.991.151.261.26数据来源：Wind， 。测试区间：2014.01-2026.09。（成分股加权、2018、2023年效果较差，跟价值成长风格轮动有一定关系，成长风格强势（2019-20202024.09-2026.062014 2015 2016 2017 2018 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026.09-0.3%0%11.4%8.7.2%-3.1%8.5%32.2%2%16.4.2%-0.3%7.1%1.0%3.6%.6%10分析师预测净利润FY3的60日同比变动4%7.4%9..0%17-1.4%8.3%2.8%8%11.-0.3%1.3%-0.7%4.6%23.0%4.3%分析师预测净利润FY3的20日同比变动9%13.4%13.1.0%-0.4%3.1%25.1%19.1%5%6.-1.9%11.7%4.5%2.6%.7%17分析师预测净利润FY3的120日同比变动4%14.8%4.4.9%-4.2%6.5%26.3%19.4%2%14.-6.4%8.1%2.9%-3.9%4.3%分析师预测净利润FY2的60日同比变动-6.5%-0.8%1.8%1.8%5%12.0.6%8%15.1.5%-6.0%7.3%6.5%-5.0%7.2%分析师预测净利润FY2的20日同比变动7%14.7%15.1.3%-3.0%2.0%26.8%7%12.2%9.-2.7%11.2%1.7%2.7%.4%13分析师预测净利润FY2的120日同比变动9%9.4%8.4.6%-0.5%4%11.22.6%5%13.2.6%-7.6%9.1%4.3%-16.9%.2%24分析师预测净利润FY1的60日同比变动4%11.2.8%.1%-10-7.7%8.1%0%16.1.0%-1.0%1.0%0.3%8.7%-2.9%.6%20分析师预测净利润FY1的20日同比变动4.9%8%18.3.0%4.3%7%18.8%10.-2.3%0.0%-1.7%10.4%-1.4%-1.4%.2%15分析师预测净利润FY1的120日同比变动11.5%6.7%4.6%5.0%4.6%33.0%8%12.5.4%-0.2%9.1%8.0%-8.2%.1%10分析师预测EPS-FY3的60日同比变动6%14.4.1%.5%169.8%1.4%8%18.-0.2%-6.0%11.1%7.1%23.5%5.5%分析师预测EPS-FY3的20日同比变动10.5%6%12.3.7%2.3%1.6%0%18.25.0%2.9%-4.0%12.5%6.8%-2.9%.6%16分析师预测EPS-FY3的120日同比变动4.9%2%15.-0.4%-5.8%1%18.0%17.22.5%-2.1%-1.6%4.2%4.4%-7.3%7.2%分析师预测ROE-FY3的60日同比变动6%17.2.0%.0%132.2%6%14.-10.4%6%13.-0.2%6.6%5.6%0.2%21.4%.5%12分析师预测ROE-FY3的20日同比变动4%10.4%10.-2.4%0.1%9%15.5.2%20.4%2.8%-4.8%18.7%3.0%-7.9%.4%12分析师预测ROE-FY3的120日同比变动6%8.23.6%1.8%8.2%2.0%0.6%19.6%-3.7%7.4%17.1%2.9%2%15.6.9%分析师预测ROE-FY3的240日分位数4%11.1.9%0.3%4.1%2.3%2%10.28.0%-1.7%5.4%8.0%0.9%4.3%6.5%分析师预测ROE-FY3的120日分位数4%13.1%8.1.6%1.1%-1-6.6%-2.7%7%14.17.3%-2.5%11.2%2.0%6%10.-4.3%分析师预测ROE-FY35%7.4%10..1%13-5.7%3.8%8%13.3%6.0%9.-0.7%5.1%6.0%-0.1%.8%12分析师预测ROA-FY3的60日同比变动-6.5%9%10..1%17-3.0%7%17.4%5.8%12.1.1%0.4%6.9%-1.3%17.1%.9%14分析师预测ROA-FY3的20日同比变动1%8.3%14.-5.3%-0.9%8%13.23.9%2%11.4%5.-2.4%16.9%3.2%-10.7%.8%15分析师预测ROA-FY3的120日同比0%7.6%13.-3.3%-0.3%2.3%20.1%7%12.-4.8%6.0%11.6%4.0%3.8%5.7%分析师预测ROA-FY3的240日分位数0.9%0%14.-1.6%2.0%3.6%17.3%5%15.-4.5%-1.8%12.5%0.4%7%7..8%18分析师预测ROA-FY3的120日分位数2%12.2%5.2.3%0.9%-1-2.7%-6.8%19.7%14.9%0.9%3.5%-4.1%17.4%.7%-13分析师预测ROA-FY36%12.3%20.2.7%3.5%-10.9%1%10.9%10.6%8.-9.9%4.8%-4.1%25.5%-9.8%分析师预测净利润FY3同比增长率（相对于最新财报）1%13.6%17.-3.5%0.5%-15.1%0.8%2.8%6.2%-7.6%5.8%-2.2%28.2%-4.8%分析师预测净利润FY2同比增长率（相对于最新财报）8%12.4%16.7.0%-8.1%7.6%-6.5%6.4%2.2%-9.7%7.2%-5.7%20.0%7.1%分析师预测净利润FY1同比增长率（相对于最新财报）多头组每年超额收益数据来源：Wind， 。测试区间：2014.01-2026.09。量价因子行业动量因子在报告《价格动量因子在行业轮动上的效果研究——行业配置研究系09_20230805动量效应是指过去表现好的资产在未来的一段时间内持续上涨，而表现差Jegadeesh传统的行业动量因子传统的行业动量因子以过去一段时间的行业指数收益率作为因子值。记调仓交易日为T0，回望周期为N个交易日，剔除周期为M个交易日的传统动量因子origin_momentum_M_N为[T0-M,T0-N]时间段内的区间涨跌幅。用公式可以表示为：𝑜𝑟𝑖𝑔𝑖𝑛_𝑚𝑜𝑚𝑒𝑛𝑡𝑢𝑚_𝑀_𝑁=

𝐶𝑙𝑜𝑠𝑒𝑇0𝐶𝑙𝑜𝑠𝑒𝑇0−𝑀

𝐶𝑙𝑜𝑠𝑒𝑇0−𝐶𝑙𝑜𝑠𝑒𝑇0−𝑁其中𝐶𝑙𝑜𝑠𝑒𝑡是tN和M的取值尝试多种参数组合：M取0或20；N取120、180和240等。龙头股动量因子𝑇0−𝑀 𝑇0−𝑀𝑙𝑒𝑎𝑑𝑖𝑛𝑔_𝑚𝑣_𝑚𝑜𝑚𝑒𝑛𝑡𝑢𝑚_𝜆_𝑀=∑ 𝑅𝑏𝑖𝑔,𝑡−∑ 𝑅𝑠𝑚𝑎𝑙𝑙,𝑡残差动量因子参考Blitz等(2011)的股票残差动量因子计算过程，计算行业指数的残差动量因子。Fama-French36𝑖𝑖𝑖𝑟𝑖,𝑇=𝛼𝑖+𝛽𝑀𝐾𝑇×𝑀𝐾𝑇𝑇+𝛽𝑆𝑀𝐵×𝑆𝑀𝐵𝑇+𝛽𝐻𝑀𝐿×𝐻𝑀𝐿𝑇+𝜀𝑖,𝑇𝑖𝑖𝑖其中，𝑟𝑖,𝑇it、和𝐻𝑀𝐿𝑇Fama-French三因子收益率。因此残差收益率可以表示为，𝑖𝑖𝑖𝑖,𝑇=𝑖,𝑇−̂𝑖−̂𝑀𝑇×𝑇−̂𝑆𝑀𝐵×𝑆𝑇−̂𝐻𝑀𝐿×𝐿𝑇𝑖𝑖𝑖1211∑𝑇−1∑𝑇−11

𝑒𝑖,𝑡𝑟𝑒𝑠𝑖𝑑𝑢𝑎𝑙𝑠_𝑚𝑜𝑚𝑒𝑛𝑡𝑢𝑚𝑖,𝑇= √∑𝑇−1(𝑒

2−𝑒)𝑇−11𝑖,𝑡

𝑖,𝑡等的方法中的𝑟𝑖,𝑇替it月的月度收益率，对、和𝐻𝑀𝐿𝑇回归，再对残差进行标准化处理，直接得到行业的残差动量因子。因子回测效果IC平均值3.27%（2.42%~3.7IC_IR7.0%240λ=6018020的传统动量因子、残差动量因子。8380.6442%2.8380.6442%2. 7.71%13%5.77%-2.23%-0.11%-0.58%-2.残差动量因子0.6756%3.5.87%5%2.%362.64%1.47%-4.02%-3.回望期240剔除期20的传统动量因子0.6655%3.5.61%2%3.%382.03%-0.06%-4.29%-2.回望期240剔除期0的传统动量因子0.6541%3.10.35%33%5.66%-1.37%4.21%-3.02%-5.回望期180剔除期20的传统动量因子0.6131%3. 8.99%22%5.51%0.93%0.54%-3.76%-3.回望期180剔除期0的传统动量因子0.9178%3. 6.99%44%6.20%-1..44%-185%-3.55%-0.λ=60、回望期180、基于市值计算的龙头股因子0.8653%3.4.39%9%1.76%3.16%-1.56%-2.50%-2.λ=60、回望期120、基于市值计算的龙头股因子0.7467%3. 7.62%86%4.53%0.09%-1.15%-2.77%-2.回望期240的信息比率因子0.5664%2. 8.17%48%2.46%1.%272.04%-1.69%-5.回望期20的信息比率因子0.7047%3. 8.59%47%4.81%1.06%1.64%-3.12%-4.回望期180的信息比率因子0.5464%2.3.16%40%1.61%0.30%-1.0.18%76%-1.回望期120的信息比率因子IC_IRIC因子收益t4t3t2t1t0分组年化超额收益行业动量因子数据来源：Wind， 。测试区间：2014.01-2026.09。2015-2016年动量因子表现不佳。2014 2015 2016 2017 2018 2019 2020 202120222014 2015 2016 2017 2018 2019 2020 20212022-2023 2024 2025 2026.09-..8116...4.3%5.5%-3.7%7.3%16.5%10.0%-9.7%2.3%-4.6%3%.14-5.5%4%14.19.6%残差动量因子7.8%5%12-7.5%1.4%-18.5%0.7%30.2%0%12-0.1%.3%17-5.0%0.1%-21.6%回望期240剔除期20的传统动量因子9.0%3%100.9%-6.0%0.9%1.8%22.8%7.5%-6.1%7%.17-8.1%5.3%-114.5%回望期240剔除期0的传统动量因子.2%162.0%-4.8%7.0%-1.9%8.8%15.4%2.8%2.8%6%.13-0.7%0.9%-123.1%回望期180剔除期20的传统动量因子5.0%5.4%.7%4.3%-7.4%9.3%19.1%0.6%4.3%2%.13-4.0%1.2%-127.8%回望期180剔除期0的传统动量因子.9%120.8%.4%8.3%-2.4%3.6%.3%7%132.2%5%.11-2.3%2.0%5%14.λ=60、回望期180、基于市值计算的龙头股因子.0%-8-1.1%5.3%4.8%-0.6%0.1%15.8%2.6%5.0%3%.12-4.9%-9.8%5.8%λ=60、回望期120、基于市值计算的龙头股因子9.2%2%142.1%-4.4%1.7%5.8%24.4%7.1%-5.1%2%.15-6.9%-9.0%4%13.回望期240的信息比率因子.1%-30.6%-0.1%-5.4%-0.1%9.0%22.0%2.0%.7%10.2%-2-7.0%14.3%26.8%回望期20的信息比率因子.9%156%8.3.3%3.8%-9.5%-1.9%17.2%3.6%0.5%7.0%-4.7%-5.3%23.8%回望期180的信息比率因子1.3%0.9%-2.2%-1.0%10.3%8.3%16.4%-0.3%-1.2%7.7%-1.0%-9.4%12.3%回望期120的信息比率因子多头组每年超额收益数据来源：Wind， 。测试区间：2014.01-2026.09。大单因子（成分股加权）=大单买入金额大单买入金额+5%。因子回测效果大单因子逻辑较强，效果不错。IC377%（302%~472%、_R平均值0.875日均值。IC具体见下表。1.0644%4.13.41%%1.0644%4.13.41%%245.07%0.%953..19%-1.17%-8早盘大单买入占比5日均值1.0372%4.12.07%%414.%394.80%1..16%-3.66%-7早盘大单买入占比20日均值0.8333%3.14.67%%146.%602.29%0..68%-0.53%-8早盘大单买入占比0.7102%3. 6.82%30%1.%074.28%0..52%-0.52%-5大单买入占比5日均值0.8795%3.11.57%%493.%276.72%0..52%-2.08%-8大单买入占比20日均值0.7314%3.12.51%%034.%443.%622..46%-1.47%-8大单买入占比IC_IRIC因子收益t4t3t2t1t0分组年化超额收益大单因子（成分股加权）数据来源： 。测试区间：2014.01-2026.09。下表展示大单因子多头组每年超额收益情况。其中，2021-2024年因子明显失效，2025年以来表现较好。多头组每年超额收益2016多头组每年超额收益2016201720182019202020212022202320252026.09大单买入占比2%-9.1%131%9.0%12.9%-8.0%6.0%-2.7%-6.5%0.2%-9.5151%19.9%大单买入占比20日均值27.9%-5.5%-1.2%21.8-0.3%3.8%3.9%-0.9%-2.6%-0.9%1.8-4.3%6.5%大单买入占比5日均值1%-14.6%75%6.8%13.5%0.7%7.8%-16.0%-7.5%0.1%3.0-7.3%15.4%早盘大单买入占比9.0%7.4%85%17.022.9%4.4%13.3%-6.5%2.4%0.0%-7.890%3.3%早盘大单买入占比20日均值6%4.2%4.2%23.46.0%135%13.9%-3.7%-13.3%3.0%-1.2-1.3%-0.8%早盘大单买入占比5日均值7.6%0.4%163%13.6%18.8%83%11.2%-9.9%-1.5%-6.8%3.83.6%5.9%..%%%%%%%%..%%%%%%%%%.......数据来源： 。测试区间：2014.01-2026.09。估值相关因子等估值相关因子，考察周度行业轮动效果。因子回测效果IC088（−102%2.99%IR平0.235.0%120日变化、。717271130.320.95%717271130.320.95%5.45%1%2.89%-0.95%0.13%0.14%-3.PEG0.6999%2. 7.31%9%3.19%0.28%-0.32%0.12%-4.分析师预期市盈率-FY3倒数的60日变化-0.02-0.09%0.13%38%.-282%0.04%3.16%0.25%-2.分析师预期市盈率-FY3倒数的20日变化0.492.13% 7.37%%3.88%1.93%0.39%-3.65%-3.分析师预期市盈率-FY3倒数的120日变化0.562.51% 9.27%4%4.06%0.00%-1.05%1.03%-5.分析师预期市盈率-FY2倒数的60日变化-0.14-0.68%1.93%04%.-206%-0.31%1.33%0.11%-0.分析师预期市盈率-FY2倒数的20日变化0.301.31% 7.37%%5.06%-0.33%0.73%-3.20%-2.分析师预期市盈率-FY2倒数的120日变化0.472.02% 7.55%5%3.66%0.67%-1.44%0.80%-3.分析师预期市盈率-FY1倒数的60日变化-0.22-1.02%2.92%70%-2.52%-0.04%1.05%1.23%0.分析师预期市盈率-FY1倒数的20日变化0.020.09%5.97%68%3.25%-0.62%-1.28%-0.28%-2.分析师预期市盈率-FY1倒数的120日变化0.491.93% 7.04%17%3.97%1.16%-0.50%-1.87%-3.分析师预期PEG-FY30.381.49% 7.81%99%3.54%1.08%0.06%-2.82%-3.分析师预期PEG-FY20.311.21% 8.74%67%3.58%1.48%-0.05%0.07%-5.分析师预期PEG-FY10.060.30%3.45%42%2.22%-2.00%0.14%-0.02%-1.市净率倒数和ROE-FY3排序之和-0.05-0.28%2.93%07%2.79%-1.29%-3.72%2.86%-0.市净率倒数和ROE-FY2排序之和-0.16-0.88%1.19%19%1.37%-2.61%-0.59%0.00%0.市净率倒数和ROE-FY1排序之和0.581.75%5.95%97%2.93%0.36%1.63%-2.98%-2.市现率倒数的240日变动0.461.42%2.28%17%1.04%1.90%-0.94%-0.11%-1.市现率倒数的120日变动-0.09-0.42%0.09%08%-0.76%0.48%0.91%-1.17%-0.市现率倒数IC_IRIC因子收益t4t3t2t1t0分组年化超额收益估值相关因子数据来源： 。测试区间：2014.01-2026.09。多头组每年超额收益市现率倒数市现率倒数的120日变动多头组每年超额收益市现率倒数市现率倒数的120日变动市现率倒数的240日变动市净率倒数和ROE-FY1排序之和市净率倒数和ROE-FY2排序之和市净率倒数和排序之和分析师预期PEG-FY1分析师预期分析师预期PEG-FY3分析师预期市盈率-FY1倒数的120日变化分析师预期市盈率-FY1倒数的20日变化分析师预期市盈率-FY1倒数的60日变化分析师预期市盈率-FY2倒数的120日变化分析师预期市盈率-FY2倒数的20日变化分析师预期市盈率-FY2倒数的60日变化分析师预期市盈率-FY3倒数的120日变化分析师预期市盈率-FY3倒数的20日变化分析师预期市盈率-FY3倒数的60日变化PEG2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026.0912.6% 15.8% -6.3% -6.9% -2.3% -2.3% 23.7%-13.4% -6.4% -7.9% -4.4% 4.4% -2.1%12.8%-14.4% -2.6% 1.2% 4.3% 2.1% 9.0% 6.3% -0.8% 2.9% 5.6% -6.9% -1.7%16.9% -8.4% 1.4% 0.7% 1.6% -0.1% 12.4% 4.6% 4.0% -3.5% 11.9% -2.6% 1.9%-7.9% 6.5% -7.5% -9.5% -0.6% 7.7% 21.7% 1.9% -3.1% -6.6% -8.0% 5.5% 4.5%-3.7% 0.4% -9.4% -9.2% 1.3% 1.1% 14.0% 7.5% -7.4% -3.0% -4.2% 2.5% 1.7%13.1%-15.2% 7.8% 11.4% 3.8% -5.8%-11.4% 1.0% 5.0% 11.2% 15.0% -8.2% 9.4%15.7% -0.4% 8.1% 10.0% -1.7% -5.1% -9.7% 7.6% 4.0% -2.2% 2.7% 9.0% 12.1%15.3% 9.6% 2.6% 10.4% -3.8% -4.3% -5.4% 7.8% 8.5%-10.7% 0.9% 14.0% 10.1%-2.6% 7.6% 2.2% 8.2% -5.2% 0.3% -2.4% 7.7% 10.1% -9.9% 1.8% 15.3% 10.7%17.7% 27.3% -0.9% 6.8% -1.0% -2.5%-19.0% 6.6% 14.1% -3.7% 7.1% 9.7% -7.0%18.3%-17.6%-10.6% 2.3% 4.9% 4.5% 18.8% -0.6% -2.3% -8.0% 2.7% 4.2% -7.3%3.3% 6.0% 5.4% 8.0% -1.7% 1.3% -7.0% 7.8% 20.6% -0.6% 6.9% 1.3% -0.8%11.4% 28.9% 5.4% 6.7% -1.1% -3.2%-15.5% 12.3% 14.9% 4.2% 4.8% 4.9% -1.2%-3.7% 3.5% 6.2% -0.6% -9.9% 7.4% -3.9%-12.2% 5.5% 1.3% -3.6% -8.0% -5.7%-1.7% 9.2% 8.6% 2.3% 3.6% 5.5% -8.4% 12.8% 13.6% -4.2% 4.7% 5.6% 5.0%4.6% 13.4% 2.9% 7.3% -1.4% -6.9%-14.3% 9.9% 15.1% 2.6% 12.3% 3.3% 2.7%-6.9% 0.3% 7.4% -1.8% -8.2% 4.1% -8.5%-11.9% -1.0% 4.1% 1.0% -5.5% -1.5%1.4% 6.8% 0.9% 3.2% -1.8% 3.8%-14.0% 11.6% 10.8% 0.3% 7.6% 10.5% 2.7%-2.4% 15.7% -1.7% 0.8% -8.6% 1.5% 2.6%-15.2% -0.8% 13.2% 17.5% 1.1% 11.3%数据来源： 。测试区间：2014.01-2026.09。组合选用因子汇总7类表17：各类最终选用因子列表类别 因子 说明GRU_2_day30_newloss_seed3_5dGRU_2_day30_newloss_seed3_10dGRU_2_week30_newloss_seed3_5dGRU_2_day60_newloss_seed3_10dGRU_2_day60_newloss_seed3_5d深度学习(GRU、TCN因子)检索增强时间序列预测模型（RAFT因子）超预期分析师动量

GRU_2_week30_newloss_seed3_10dTCN_3_day30_newloss_seed3_10dTCN_3_day30_newloss_seed3_5dTCN_3_week30_newloss_seed3_10dTCN_3_week30_newloss_seed3_5dTCN_4_day60_newloss_seed3_10dTCN_4_day60_newloss_seed3_5d预测10日收益RAFT预测10日收益RAFT因子的120日Zscore预测5日收益RAFT预测5日收益RAFT因子的5日均值标准化预期外归母ROA(TTM)-带漂移项标准化预期外归母ROE(TTM)标准化预期外单季度归母净利润-带漂移项标准化预期外单季度营业利润过去90天盈利调整过去120天营收调整FY1同比增长率（相对于最新财报FY3同比增长率（相对于最新财报ROA-FY3120日分位数ROA-FY320ROE-FY3240日分位数ROE-FY320日同比变动20日同比变动FY1120FY320日同比变动240的信息比率因子λ=60、回望期180、基于市值计算的龙头股因子回望期180剔除期20的传统动量因子残差动量因子

GRU模型的深度学习因子选股效果研究_20250730》行业指数直接计算PEAD超预期因子构建行业轮动策略_20220426》预测数据构建行业轮动策略_20221006》因子在行业轮动上的效果研究_20230805》大单买入占比 成分股加权大单买入占比=大单买

早盘大单买入占比早盘大单买入占比5日均值市现率倒数的240日变动市净率倒数和ROE-FY3排序之和分析师预期PEG-FY2分析师预期市盈率-FY2120日变化

入金额大单买入金额大单卖出金额5%成分股加权。PEG数据来源： 。根据第二部分结果，汇总了7类选用因子的超额收益表现和IC情况如下表。表18：选用因子表现汇总类别选用因子数IC平均值值平均值每年超额收益平均值年度胜率平均值最好年（因子超额平均值）最差年（因子超额平均值）2025超额收益均值2026.09超额收益均值GRU、TCN（成分股加权）126.85%6.85%23.8%23.8%12.8%90.00%2018：34.1%2021：−0.01%0.40%5.10%行业RAFT因子41.16%1.21%6.2%7.4%5.2%76.90%2020：12.6%2019：−5.6%8.60%5.30%超预期因子（成分股加权）62.49%2.48%8.8%9.3%6.2%92.30%2017：16.3%2023：−2.2%11.90%7.80%分析师预期因子（成分股加权93.52%3.35%10.1%10.3%6.6%84.60%2015：16.9%2018：−1.6%13.30%8.10%行业动量因子43.27%3.32%7.0%8.2%5.7%76.90%2014：17.7%2016：−3.9%5.60%10.70%大单因子（成分股加权）33.77%3.64%11.8%13.5%5.4%61.50%2018：18.2%2021：−6.4%9.20%9.70%估值相关因子50.88%1.16%5.0%6.0%3.7%76.90%2014：10.8%2020：−3.5%1.80%6.30%数据来源朝阳永续， 。测试区间：2014.01-2026.09。复合因子回测大类因子相关性7类因子每期两两相关系数矩阵的平均值。其中相关性最高的是超预期与分析师0.4580.3970.3670.320-0.165-0.103-0.045与各类的相关系数绝对值都不超过0.0873超预期-分析师-动量-估值与大单接近独立。表19：7大类因子相关系数矩阵的平均值相关系数GRU、TCNRAFT超预期分析师动量大单估值相关GRU、TCN-2.2%-4.5%-16.5%-10.3%10.8%7.1%RAFT-2.2%-0.6%0.9%4.6%8.7%-1.9%超预期-4.5%-0.6%58.3%45.8%5.1%36.7%分析师-16.5%0.9%58.3%39.7%-0.8%32.0%动量-10.3%4.6%45.8%39.7%9.9%-7.3%大单10.8%8.7%5.1%-0.8%9.9%-0.8%估值相关7.1%-1.9%36.7%32.0%-7.3%-0.8%数据来源：Wind，朝阳永续， 。测试区间：2014.01-2026.09。大类因子超额表现TCN（14.66%）5-6%。（）0.5%左右；深度学习类因子影响较大，2%左右。-0.07%33.09%07%6.%.56-0.07%33.09%07%6.%.56135.59%-5.46%01%6.7.49%%.4913估值相关.11%-1137.73%84%6.%.33145.33%-1.14%73%5.7.49%%.2213大单-0.26%26.57%49%5.%.98124.87%8.30%-123%5.7.49%%.7212动量%-0.5555.20%%.2410.72%179.01%1.38%-1%9.687.49%.17%17分析师%-0.4021.98%49%6.%.98135.66%2.69%-108%6.7.49%%.5713超预期-2.24%141.44%27%7.%.76144.32%-5.80%5.03%7.49%%.5212RAFT-1.62%68%97..28%16.48%1814.34%-4.28%%.66142.20%.86%16GRU、TCN收益率差异周度双边换手率年化超额收益年化收益跟踪误差超额收益最大回撤年化超额收益等权基准年化收益年化收益大类因子两种价格当天收盘价交易第二天收盘价交易数据来源：朝阳永续， 。测试区间：2014.01-2026.09。图6：7大类因子多头组超额收益曲线（2种交易价格）第二天收盘价交易 当天收盘价交易（理想状态）数据来源：Wind，朝阳永续， 。时间区间：2014.01-2026.09。其中GRU、TCN是2017.01-2026.09。下表是7动较大，超预期和分析师因子在2023、2024年失效，动量和大单在每年超额收益GRU、TCNRAFT超预期分析师动量大单估值相关20143.99%3.06%6.92%6.62%13.25%16.32%每年超额收益GRU、TCNRAFT超预期分析师动量大单估值相关20143.99%3.06%6.92%6.62%13.25%16.32%2015-10.81%-0.62%11.99%-3.33%-13.23%-7.47%201616.60%4.51%6.01%7.30%22.73%23.07%201717.03%5.88%20.41%15.76%20.71%14.89%8.24%201837.38%-1.91%-0.25%-1.22%-1.08%21.88%1.04%201920.86%0.07%5.77%-2.86%10.51%3.41%-2.31%20207.30%8.35%13.10%18.53%14.16%7.74%-11.68%2021-3.60%-2.75%3.68%21.19%0.10%-9.15%8.22%202237.80%12.99%0.59%10.86%2.16%-3.23%13.61%20236.43%10.01%1.00%-2.92%3.43%1.92%3.09%202414.14%0.49%-4.19%-0.71%-2.51%-8.53%3.90%20252.28%9.16%20.77%25.55%2.40%14.74%14.64%2026.097.33%6.07%7.85%10.87%4.37%9.77%6.17%整体14.66%5.03%6.08%9.68%5.23%5.73%6.01%数据来源：Wind，朝阳永续， 。测试区间：2014.01-2026.09。对照A股市场风格，历史上看，自2013年以来，价值成长风格2-3年切换2019-2020年是成长风（超预期和分析师21-242024924行情-20266月，图7：价值成长风格2-3年切换一次，对行业因子表现有一定影响数据来源：Wind，复合因子历史回测因子效果较好，我们展示两种方式，加权方式172是215组，两种交易价格下、两种加权方式的具体收益结果。在第二天收盘价交易的口径下，加权方式2的多头组t4年化收益80017.57%1t418.84%800年化超额13.46%10.59%。相对中证相对等权相对中证相对中证相对等权相对中证第二天收盘价2GRU、TCN因子相对中证相对等权相对中证相对中证相对等权相对中证第二天收盘价2GRU、TCN因子2倍权重）收益年化收益等权基准中证800年800年化超基准年化800跟踪误相对等权年化收益化收益t0t1t2t3t4t0t1t2t3t4-6.42% 7.45% 5.37%-11.79%3.95% 7.45% 5.37% -1.43%7.66% 7.45% 5.37% 2.29%10.45% 7.45% 5.37% 5.08%22.95% 7.45% 5.37% 17.57%-4.46% 7.45% 5.37% -9.83%4.06% 7.45% 5.37% -1.31%8.68% 7.45% 5.37% 3.30%10.96% 7.45% 5.37% 5.59%18.84% 7.45% 5.37% 13.46%12.08%10.98%10.68%10.21%10.15%11.72%10.98%10.58%10.27%10.40%跟踪误差7.84%6.31%当天收盘价收盘价2年化收益等权基准中证800800年化基准年化800跟踪误相对等权跟年化收益年化收益额超额-12.91%-3.26%0.19%2.79%14.42%-11.09%-3.15%1.14%3.26%10.59%差超额6.01%GRU、TCN6.37%8.71%7.46%6.29%5.87%6.39%8.89%因子2倍权重）收益t0t1t2t3t4t0t1t2t3t4-8.13%2.68%7.71%11.21%25.53%-5.37%2.63%8.03%11.75%21.24%7.49%7.49%7.49%7.49%7.49%7.49%7.49%7.49%7.49%7.49%5.37%-13.49%5.37%5.37%5.37%5.37%-2.69%2.34%5.85%20.16%5.37%-10.73%加权方式1（7类等权）收益1（7类等