2026年05月10日，国金证券（600109）发表了一篇基金行业的研究报告，报告指出，机器学习与因子模型结合可提升指数增强策略表现
报告摘要如下：
国证2000（399303）指数增强策略
经过因子测试与筛选，包括技术、反转、特异波动率等在内的因子在国证2000（399303）指数成分股上均有出色表现，我们所合成的各个大类因子也基本都起到了很好的提升效果。整体该因子表现出色，IC值12.40%。样本外整体策略表现调整，4月策略的超额收益为-6.34%。
基于多目标、多模型的机器学习指数增强策略
根据国金金融工程团队发布的《基于多目标、多模型的机器学习指数增强策略》，原策略中我们选取了GBDT和nn（NN）两大类结构具有一定差异的模型，选取不同的特征数据集进行分别训练，并使用多种预测标签进行对比并融合，最终构建出的GBDT+nn（NN）机器学习选股因子在A股各类宽基指数上历史表现优异。
对此，我们根据《Alpha（ALP）掘金系列之十八：基于TimeMixer改进的选股因子到ETF轮动策略》，创新性地将其多尺度混合与季节/趋势分解机制引入GRU模型，通过LightGBM集成TSGRU隐向量与传统量化因子，构建了改进的机器学习选股模型，该模型能更好地捕捉近期的市场信息，表现出色。
为贴合交易实际，我们构建了基于TSGRU+LGBM因子的机器学习模型的指数增强策略，通过对投资组合的跟踪误差进行控制，最大化因子暴露。回测区间自2018年2月1日开始，假定手续费率单边千二，每月月初调仓。沪深300（399300）指数增强策略、中证500指数增强策略和中证1000指数（399852）增强策略上月超额收益率分别为-1.93%、0.04%和-3.14%。
基于红利风格择时+红利股优选的固收+策略
我们使用经济增长和货币流动性共10个指标，通过动态事件因子的体系构建的红利指数（1B0015）择时策略表现优异，相较于中证红利指数（1B0015）全收益有显著的稳定性提升。在选股方面，我们利用AI模型在中证红利指数（1B0015）成分股内进行测试，得到因子表现相对较好，能够长期获得较稳定的超额收益。上月选股策略获0.40%的绝对收益率，择时策略收益率为2.49%。固收+策略收益率为0.35%，整体表现稳定。
风险提示
以上结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险。
