深度学习因子周报：Score_v4 因子表现跟踪

摘要： 本文为华源证券的深度学习因子周报，重点跟踪了 score_v0 至 score_v4 系列量化因子在中证全指、沪深 300、中证 500 和中证 1000 等多个宽基指数中的超额收益表现，并分析了基于 score_v4 的指增组合业绩及其底层模型逻辑。

核心观点：
深度学习量化因子在今年以来整体表现强劲，所有跟踪因子均获得正超额收益。其中，score_v4 因子在多个指数环境中表现突出，尤其是相对中证全指的年内超额收益达 26.79%。

论据支撑：

1. 因子表现：score_v4 及 score_v4style 因子在今年以来的中证全指、中证 500 和中证 1000 表现最优；在沪深 300 中，score_v2 和 score_v3 因子年内超额最高。
2. 指增组合：基于 score_v4 和行业轮动模型构建的指增组合，今年以来在沪深 300、中证 500 和中证 1000 上分别实现 7.04%、11.60% 和 10.10% 的超额收益。
3. 模型架构：采用了带图结构 GRU 模型（捕捉股票交互关系）、ABCM 模型（分离 alpha 和风险成分）以及 StyleNet 模型（分离特质 alpha 和风格 alpha）。

局限性/风险：
量化模型基于历史数据分析，未来可能存在失效风险；极端市场环境可能对模型效果产生剧烈冲击，导致收益亏损。