金工：AI量价因子年内超额基本抹平.docx

金工研究全频段融合因子表现跟踪

金工研究

华泰金工研报《基于全频段量价特征的选股模型》（2023.12.8）中，首先用深度学习模型训练27个高频因子，得到高频深度学习因子；接着利用多任务学习对低频量价数据进行端到端挖掘，得到低频多任务因子；最后合成为全频段融合因子。

截至2026年6月18日，全频段融合因子今年以来TOP层相对全A等权基准的超额收益为0.44%，自2017年初回测以来TOP层年化超额收益率28.00%，5日RankIC均值11.1%。

图表1：全频段融合因子分层回测超额净值（全A等权基准） 图表2：全频段融合因子累积RankIC

第1层第