GRU V3 · PRE-REGISTERED EXPERIMENTS

GRU V3受控实验审计报告

在不可变V1基线之上，按预注册矩阵分别检验M1–M5模型假设与P1组合执行假设。页面只呈现输入事实，不按事后最高收益自动选择升级版本。

不可变基线已核对M1–M5 · 模型层P1 · 组合与执行层未观察未来仍是最终边界

执行结论

通过历史门槛不等于正式升级；失败与未运行不会被隐藏

当前判断：M1–M5均未同时通过全部预注册门槛；不因年化收益较高而升格，正式V1不变。

未观察未来：2026-08-20起的数据未参与训练、验证、候选定义或历史门槛判断。

通过1

失败5

未运行0

运行中0

不可变基线哈希

报告只登记并核对输入哈希，不覆盖基线文件

工件	路径	SHA-256	核对	登记日
formal_v1/metrics.json	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v1_多折_截至20260819\metrics.json	0e28d6b4dbdf7ee7c633de8e776d193bb0f0d3b7f62aa02e382d640798a1bcb6	已核对	2026-08-24
formal_v1/run_config.toml	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v1_多折_截至20260819\run_config.toml	62146abd821b42a64388a6b7c9f52552419397643dda28f2ec147513918719d6	已核对	2026-08-24
formal_v1/backtest.csv	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v1_多折_截至20260819\backtest.csv	a828c4ddb0968e07acce29539cfc5a85c2316efb3a1a253b0eba3dcd6c0b2c4e	已核对	2026-08-24
formal_v1/gru_fold_0.pt	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v1_多折_截至20260819\gru_fold_0.pt	4f170a76a5de3dc6d2a2eb93c303ececdeb71dbdaabfe1864f0ace443c27012a	已核对	2026-08-24
formal_v1/gru_fold_1.pt	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v1_多折_截至20260819\gru_fold_1.pt	77ddfa03a5be4bef9f6554d15a28b7ffa78b427afd9bb0012b3d2a9712baa3e5	已核对	2026-08-24
formal_v1/gru_fold_2.pt	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v1_多折_截至20260819\gru_fold_2.pt	cb0911038b1c0e9a6dd6fcafdc265636f3d3161b363e17cf5a1a84aa42ae8716	已核对	2026-08-24
formal_v1/gru_fold_3.pt	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v1_多折_截至20260819\gru_fold_3.pt	86c791f2aad388de5d72cce12047153b38a99196ecf5925e90ba2e658663273c	已核对	2026-08-24
strict_v2_control/baseline_metrics.json	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v2_受控优化_seed42_20260821\baseline_metrics.json	0e28d6b4dbdf7ee7c633de8e776d193bb0f0d3b7f62aa02e382d640798a1bcb6	已核对	2026-08-24
strict_v2_control/candidate_summary.csv	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v2_受控优化_seed42_20260821\candidate_summary.csv	2d431dcbd43ce417e3dff4584dd9c6849ceb77c0ab1df9580bd165a49298ec65	已核对	2026-08-24
strict_v2_control/cost_sensitivity.csv	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v2_受控优化_seed42_20260821\cost_sensitivity.csv	ed2961bc4dffeb52cf90c7849c469408df398def8e689d80a689118db5539fc2	已核对	2026-08-24
strict_v2_control/fold_consistency.csv	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v2_受控优化_seed42_20260821\fold_consistency.csv	5b9379df292a3ffb75f2dce096c159df3edcc62ea2e7c5a0afdfe85449b4ef43	已核对	2026-08-24
strict_v2_control/report_metadata.json	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v2_受控优化_seed42_20260821\report_metadata.json	441c0d70aa63d72faaf6da447addf9039fc8f5fb0380b3442b0bd4fd3bb0ebe6	已核对	2026-08-24
strict_v2_control/run_config.toml	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v2_受控优化_seed42_20260821\run_config.toml	aead0cbb0f310184ed0d6d97a113a9a40f3039d8dc4b876a67e459e050bcb67f	已核对	2026-08-24
strict_v2_control/candidates/v1_baseline_1x64/metrics.json	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v2_受控优化_seed42_20260821\candidates\v1_baseline_1x64\metrics.json	05eb6cf5f026f7c39a89ee5c888d958f0f043192ba77a6d1f91f740ba221a347	已核对	2026-08-24
strict_v2_control/candidates/v1_baseline_1x64/backtest.csv	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v2_受控优化_seed42_20260821\candidates\v1_baseline_1x64\backtest.csv	393f25d7cab9d4ae8b441af7d4126833f6b36781c0bf13d3db675d3e981e26a2	已核对	2026-08-24
strict_v2_control/candidates/v1_baseline_1x64/predictions.csv	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v2_受控优化_seed42_20260821\candidates\v1_baseline_1x64\predictions.csv	583621f0d61523f63577f15731a064aafafc06ff90ee6919f1e1add6449dfe66	已核对	2026-08-24
strict_v2_control/weights/v1_baseline_1x64_fold_0.pt	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v2_受控优化_seed42_20260821\weights\v1_baseline_1x64_fold_0.pt	40a8f2689837e1abcc44de2341b0896eb95ea49c405e1f83ca988b94cb781f4e	已核对	2026-08-24
strict_v2_control/weights/v1_baseline_1x64_fold_1.pt	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v2_受控优化_seed42_20260821\weights\v1_baseline_1x64_fold_1.pt	7b5361a50b828f55674661a8aa97a53345bf78d33c36f94e4cbcc4d6cb9218d4	已核对	2026-08-24
strict_v2_control/weights/v1_baseline_1x64_fold_2.pt	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v2_受控优化_seed42_20260821\weights\v1_baseline_1x64_fold_2.pt	23b3c1e0f825391b5f2e9b7c80dd8d5943fcbd04c7e6d2efbfc502a243f7dd25	已核对	2026-08-24
strict_v2_control/weights/v1_baseline_1x64_fold_3.pt	C:\Users\admin\Documents\ChatGPT\量化\outputs\gru_v2_受控优化_seed42_20260821\weights\v1_baseline_1x64_fold_3.pt	1ccf9d2da21ed264bf9acee4f96cdd0cbf7b901b428b46753773e82274368a78	已核对	2026-08-24

模型层 · M1–M5

每个实验只验证一个主要假设；组合规则保持共同控制口径

M1失败

GRU-LGBM固定50/50融合

两类模型的同折OOS排名包含互补信息，固定50/50可提高稳定性。

固定定义: 固定Top50；四折滚动OOS；1/5/10 bp每边成本
参数规模: —
资源预算: seed42初筛；仅门槛通过者追加seed7/2024
预注册门槛: IC或ICIR、3/4折、5bp收益/回撤、换手、市值暴露全部满足
当前结果: rank_ic_gate;fold_gate;five_bps_relative_gate;turnover_gate

M2失败

基础24加四项长期状态的28特征

在基础24特征上只增加四项长期状态，可保留有效慢变量而不过度扩张特征空间。

固定定义: 固定Top50；四折滚动OOS；1/5/10 bp每边成本
参数规模: 18241.0
资源预算: seed42初筛；仅门槛通过者追加seed7/2024
预注册门槛: IC或ICIR、3/4折、5bp收益/回撤、换手、市值暴露全部满足
当前结果: rank_ic_gate;fold_gate;five_bps_relative_gate;five_bps_drawdown_gate

M3失败

20日主目标加5日辅助目标多任务

5日辅助目标能改善20日主目标的共享序列表征。

固定定义: 固定Top50；四折滚动OOS；1/5/10 bp每边成本
参数规模: 17538.0
资源预算: seed42初筛；仅门槛通过者追加seed7/2024
预注册门槛: IC或ICIR、3/4折、5bp收益/回撤、换手、市值暴露全部满足
当前结果: rank_ic_gate;fold_gate;five_bps_relative_gate;five_bps_drawdown_gate;latest_size_gate

M4失败

参数匹配因果TCN

在参数量与训练预算匹配时，因果TCN可能比GRU更稳定地提取多尺度时序依赖。

固定定义: 固定Top50；四折滚动OOS；1/5/10 bp每边成本
参数规模: 16953.0
资源预算: seed42初筛；仅门槛通过者追加seed7/2024
预注册门槛: IC或ICIR、3/4折、5bp收益/回撤、换手、市值暴露全部满足
当前结果: rank_ic_gate;fold_gate;five_bps_drawdown_gate;turnover_gate;latest_size_gate

M5失败

3/5/10日因果CNN-GRU

3、5、10日因果卷积的局部形态提取与GRU中期状态建模具有互补性。

固定定义: 固定Top50；四折滚动OOS；1/5/10 bp每边成本
参数规模: 17920.0
资源预算: seed42初筛；仅门槛通过者追加seed7/2024
预注册门槛: IC或ICIR、3/4折、5bp收益/回撤、换手、市值暴露全部满足
当前结果: rank_ic_gate;fold_gate;five_bps_relative_gate

研究依据与本项目落地映射

原论文与出版社页面核验于2026-08-24；文献用于提出假设，不替代本项目滚动OOS证据

阅读口径：下列研究覆盖机器翻译、通用序列、时间序列分类和不同金融样本。它们只能说明某类结构“值得受控检验”，不能证明在A股截面选股中必然增厚收益。最终判断仍以共同数据、共同四折、共同成本和预注册门槛为准。

GRU · 结构底座

门控记忆是合理底座，不是公认的万能赢家

研究能支持：Cho等人在RNN Encoder–Decoder中提出带更新门与重置门的门控循环单元；后续受控序列实验显示GRU与LSTM表现可比，且二者优于传统tanh循环单元。

项目映射：V1/V2与M2、M3、M5沿用GRU作为共同底座或后端，从而把新增变量尽量限制在特征、目标或局部卷积结构。

边界：原任务是机器翻译、语音与音乐序列，不是股票收益；“可比LSTM”也不等于GRU在本样本最优。

Cho et al. (2014), EMNLP / ACL Anthology · Chung et al. (2014), arXiv

M1 · 模型融合

组合预测依赖误差互补，而不是模型名字不同

研究能支持：Bates与Granger给出了基于预测误差性质组合多个预测的经典框架，说明当误差并非完全同向时，组合可能优于单一预测。

项目映射：M1只在相同折、相同日期上把GRU与LGBM的截面百分位秩固定50/50融合；权重不从测试集调参，并单独披露两模型秩相关。

边界：经典框架不直接推出“等权秩融合必然最优”；若两模型高度同质或一方噪声更大，融合也会变差，必须由本项目OOS门槛否决或保留。

Bates & Granger (1969), The Combination of Forecasts

M2 · 长周期特征

丰富特征的价值来自可重复的非线性交互

研究能支持：Gu、Kelly与Xiu在经验资产定价中发现，树模型与神经网络的增益与非线性预测变量交互有关，并识别出动量、流动性和波动率等重要信号族。

项目映射：M2没有无上限堆因子，而是在基础24项上预先固定四项长期状态，检验慢变量是否提供与短中期特征不同的信息。

边界：该研究不验证本项目这四个具体字段、60日序列或A股样本；“更多特征”也可能只增加共线性和过拟合，所以M2仍必须看逐折OOS与成本后结果。

Gu, Kelly & Xiu, Empirical Asset Pricing via Machine Learning

M3 · 多任务学习

辅助目标只有在共享信息真实存在时才有用

研究能支持：Caruana把多任务学习表述为利用相关任务训练信号进行归纳迁移；Ma与Tan则给出了把多任务方法用于股票排序的金融场景先例。

项目映射：M3固定20日主目标与5日辅助目标，共享同一GRU表征，Huber损失权重固定为0.7/0.3；选模和最终预测只以20日主目标为主，不把辅助任务结果冒充主任务提升。

边界：任务不相关或梯度冲突会产生负迁移；股票排序论文也不等同于本项目的数据、标签和交易成本，因而只能作为结构先例。

Caruana (1997), Multitask Learning · Ma & Tan (2022), Stock Ranking with Multi-Task Learning

M4 · 因果TCN

卷积序列模型是GRU之外的可比基准

研究能支持：Bai、Kolter与Koltun在多类标准序列任务的系统比较中发现，简单卷积架构可优于典型循环网络，并表现出更长的有效记忆。

项目映射：M4使用因果卷积、扩张率1/2/4/8和61步感受野，并把参数量与训练预算匹配到GRU附近，检验架构差异而非算力差异。

边界：论文结论来自通用基准，不是金融截面回归，也不是“TCN普遍优于GRU”的定理；本项目只接受共同四折下的增量证据。

Bai, Kolter & Koltun (2018), TCN与RNN系统比较

M5 · 多尺度CNN–GRU

并行卷积可表达不同局部尺度，但仍需因果化

研究能支持：InceptionTime展示了并行多长度卷积和深层残差CNN在大规模时间序列分类中的准确性与可扩展性，为多尺度局部模式提取提供了直接架构依据。

项目映射：M5把3/5/10日卷积全部改为因果形式，再接GRU建模中期状态；卷积通道数固定为5，使参数量约1.79万并与控制组接近。

边界：InceptionTime是时间序列分类与模型集成，不是因果CNN–GRU、收益回归或A股交易；这里只借用“多尺度卷积”思想，不移植其性能结论。

Fawaz et al. (2020), InceptionTime

组合与执行层 · P1

冻结模型预测后检验缓冲、可卖性和现实成本；不反向证明模型更好

审计提醒：P1若来自看过历史结果后的Top100缓冲选择，只能称为事后组合诊断，绝不能标记为新增OOS；正式证据必须来自预注册后的未来影子样本。

P1通过

Top50/Top100真实执行

Top50买入、Top100持有缓冲在真实卖出约束下仍能降低换手且保留收益。

固定定义: 冻结V1预测；Top50新买、Top100持有缓冲；受阻仓位继续持有
参数规模: —
资源预算: 事后执行诊断，不新增预测OOS
预注册门槛: Top50/Top100与1/5/10 bp工件完整，且明确new_predictive_oos=false
当前结果: posthoc_execution_diagnostic_not_new_oos

候选总体指标

模型层与组合层不在同一排行中竞争

实验	候选	状态	参数量	Rank IC	ICIR	年化	相对年化	Sharpe	最大回撤	换手	通过折数
V1	不可变正式GRU V1	通过	—	0.0851	0.491	19.59%	15.56%	0.758	-44.18%	73.19%	—/—
V2	V1架构+Top50严格切分控制组	通过	17,473	0.1047	0.668	21.56%	17.48%	0.759	-43.20%	74.38%	4.0/4.0
M1	M1 GRU-LGBM固定50/50融合	失败	—	0.0985	0.648	16.64%	12.72%	0.651	-40.86%	81.11%	2.0/4.0
M2	M2 基础24+四项长期状态	失败	18,241	0.0882	0.516	19.12%	15.11%	0.681	-49.89%	69.02%	1.0/4.0
M3	M3 20日主任务+5日辅助任务	失败	17,538	0.0842	0.515	14.52%	10.67%	0.584	-43.66%	73.53%	1.0/4.0
M4	M4 参数匹配因果TCN	失败	16,953	0.0890	0.558	20.14%	16.10%	0.703	-44.34%	86.12%	1.0/4.0
M5	M5 3/5/10日因果CNN-GRU	失败	17,920	0.0950	0.605	15.62%	11.73%	0.611	-39.65%	72.88%	1.0/4.0
P1	P1现实执行Top50基准	通过	—	0.0851	0.491	19.66%	15.64%	0.759	-44.18%	73.14%	—/—
P1	P1现实执行Top50/Top100缓冲	通过	—	0.0851	0.491	20.27%	16.23%	0.777	-42.89%	60.79%	—/—

4折一致性

Checkpoint验证IC只用于选权重；门槛判断使用其后的测试OOS IC，二者不得混写

实验	折	Checkpoint验证区间	验证IC	最佳Epoch	测试OOS区间	测试OOS IC	控制组OOS IC	相对收益	最大回撤	换手	逐折OOS门槛
M1	1	———	—	—	———	0.0772	0.1111	-0.38%	-15.94%	76.69%	失败
M1	2	———	—	—	———	0.0970	0.0821	-12.37%	-36.12%	76.88%	通过
M1	3	———	—	—	———	0.1261	0.1490	60.64%	-12.10%	85.75%	失败
M1	4	———	—	—	———	0.0940	0.0764	1.71%	-22.81%	84.96%	通过
M2	1	2021-07-28—2022-06-29	0.1152	7	2022-07-28—2023-07-27	0.1116	0.1111	1.01%	-20.40%	63.84%	通过
M2	2	2022-07-28—2023-06-29	0.1540	3	2023-07-28—2024-07-27	0.0657	0.0821	-3.97%	-41.82%	66.71%	失败
M2	3	2023-07-28—2024-06-28	0.0971	4	2024-07-28—2025-07-27	0.1339	0.1490	66.77%	-12.42%	67.92%	失败
M2	4	2024-07-28—2025-06-27	0.0995	1	2025-07-28—2026-07-20	0.0410	0.0764	-0.55%	-26.78%	77.00%	失败
M3	1	2021-07-28—2022-06-29	0.1025	1	2022-07-28—2023-07-27	0.0980	0.1111	-5.34%	-14.97%	70.57%	失败
M3	2	2022-07-28—2023-06-29	0.0773	6	2023-07-28—2024-07-27	0.0668	0.0821	-4.52%	-36.24%	69.25%	失败
M3	3	2023-07-28—2024-06-28	0.0701	4	2024-07-28—2025-07-27	0.0743	0.1490	34.87%	-14.35%	69.67%	失败
M3	4	2024-07-28—2025-06-27	0.1523	1	2025-07-28—2026-07-20	0.0973	0.0764	6.19%	-23.74%	84.00%	通过
M4	1	2021-07-28—2022-06-29	0.1179	12	2022-07-28—2023-07-27	0.0843	0.1111	16.81%	-16.57%	81.96%	失败
M4	2	2022-07-28—2023-06-29	0.1123	5	2023-07-28—2024-07-27	0.0748	0.0821	-6.46%	-39.25%	85.12%	失败
M4	3	2023-07-28—2024-06-28	0.0569	9	2024-07-28—2025-07-27	0.1203	0.1490	64.21%	-16.78%	89.71%	失败
M4	4	2024-07-28—2025-06-27	0.1006	3	2025-07-28—2026-07-20	0.0768	0.0764	-14.31%	-27.03%	88.21%	通过
M5	1	2021-07-28—2022-06-29	0.1012	1	2022-07-28—2023-07-27	0.0890	0.1111	-2.19%	-15.36%	60.65%	失败
M5	2	2022-07-28—2023-06-29	0.0724	3	2023-07-28—2024-07-27	0.0948	0.0821	7.52%	-35.88%	69.62%	通过
M5	3	2023-07-28—2024-06-28	0.0734	1	2024-07-28—2025-07-27	0.1367	0.1490	44.16%	-16.30%	82.88%	失败
M5	4	2024-07-28—2025-06-27	0.1253	1	2025-07-28—2026-07-20	0.0597	0.0764	-6.87%	-28.22%	79.67%	失败

M1折内融合诊断

只能使用相同折定义与共同日期；融合权重不得从测试集选择

折/区间	秩相关	GRU IC	LGBM IC	融合IC	权重	状态
0	0.158	0.1111	0.0252	0.0772	固定50/50	失败
1	0.465	0.0821	0.0946	0.0970	固定50/50	失败
2	0.497	0.1490	0.0737	0.1261	固定50/50	失败
3	0.418	0.0764	0.0813	0.0940	固定50/50	失败

P1现实执行诊断

旧持仓卖不出时必须继续持有并记录

情景	执行规则	买入Top	退出Top	换手	相对年化	回撤	受阻卖出	状态
P1现实执行Top50基准	新买需可买、退出需可卖；固定1/50槽位	50	50	73.14%	15.64%	-44.18%	3	通过
P1现实执行Top50/Top100缓冲	新买需可买、退出需可卖；固定1/50槽位	50	100	60.79%	16.23%	-42.89%	4	通过

分年度收益

检查收益是否集中于单一年份

实验	年份	策略	基准	相对
M1	2022	-7.38%	-5.57%	-1.92%
M1	2023	-4.41%	-16.02%	13.81%
M1	2024	3.51%	14.43%	-9.54%
M1	2025	82.79%	26.82%	44.13%
M1	2026	8.62%	-0.75%	9.44%
M2	2022	5.29%	-5.57%	11.50%
M2	2023	-7.42%	-16.02%	10.24%
M2	2024	3.24%	14.43%	-9.78%
M2	2025	90.13%	26.82%	49.92%
M2	2026	3.19%	-0.75%	3.96%
M3	2022	-2.84%	-5.57%	2.89%
M3	2023	-13.19%	-16.02%	3.37%
M3	2024	19.91%	14.43%	4.79%
M3	2025	43.22%	26.82%	12.93%
M3	2026	16.96%	-0.75%	17.84%
M4	2022	2.15%	-5.57%	8.18%
M4	2023	0.77%	-16.02%	19.98%
M4	2024	21.98%	14.43%	6.60%
M4	2025	52.86%	26.82%	20.53%
M4	2026	6.36%	-0.75%	7.16%
M5	2022	-7.05%	-5.57%	-1.57%
M5	2023	-5.44%	-16.02%	12.59%
M5	2024	26.56%	14.43%	10.60%
M5	2025	54.59%	26.82%	21.89%
M5	2026	2.24%	-0.75%	3.01%
P1	2022	-6.14%	-5.57%	-0.60%
P1	2023	-16.31%	-16.02%	-0.35%
P1	2024	28.85%	14.43%	12.60%
P1	2025	75.38%	26.82%	38.29%
P1	2026	13.24%	-0.75%	14.09%
P1	2022	-3.66%	-5.57%	2.03%
P1	2023	-16.02%	-16.02%	-0.01%
P1	2024	24.60%	14.43%	8.89%
P1	2025	76.07%	26.82%	38.83%
P1	2026	15.50%	-0.75%	16.37%

成本敏感性

成本不会改变模型IC，但会改变可实施收益

实验	成本	年化	相对年化	Sharpe	最大回撤
M1	1.0 bp/边	16.64%	12.72%	0.651	-40.86%
M1	5.0 bp/边	12.91%	9.11%	0.546	-43.37%
M1	10.0 bp/边	8.40%	4.76%	0.416	-46.36%
M2	1.0 bp/边	19.12%	15.11%	0.681	-49.89%
M2	5.0 bp/边	15.87%	11.97%	0.600	-51.07%
M2	10.0 bp/边	11.93%	8.17%	0.499	-52.51%
M3	1.0 bp/边	14.52%	10.67%	0.584	-43.66%
M3	5.0 bp/边	11.19%	7.45%	0.490	-45.74%
M3	10.0 bp/边	7.16%	3.56%	0.373	-48.39%
M4	1.0 bp/边	20.14%	16.10%	0.703	-44.34%
M4	5.0 bp/边	16.06%	12.16%	0.603	-46.06%
M4	10.0 bp/边	11.16%	7.42%	0.479	-48.14%
M5	1.0 bp/边	15.62%	11.73%	0.611	-39.65%
M5	5.0 bp/边	12.29%	8.51%	0.520	-41.83%
M5	10.0 bp/边	8.26%	4.62%	0.406	-44.44%
P1	1.0 bp/边	19.66%	15.64%	0.759	-44.18%
P1	5.0 bp/边	16.21%	12.30%	0.659	-46.24%
P1	10.0 bp/边	12.03%	8.26%	0.535	-48.72%
P1	1.0 bp/边	20.27%	16.23%	0.777	-42.89%
P1	5.0 bp/边	17.38%	13.44%	0.694	-44.54%
P1	10.0 bp/边	13.87%	10.04%	0.590	-46.54%

多随机种子

只给历史初筛通过者追加固定配置种子；完成运行不等于各seed另行过门槛，也不选最好seed

实验	Seed/统计	Rank IC	ICIR	相对年化	最大回撤
尚无多随机种子结果；不得把单一seed称为稳健。

市值暴露

最小10%/20%/30%为嵌套分组，不可相加

实验	区间	最小10%	最小20%	最小30%	平均市值分位
M1	all	8.97%	18.05%	26.74%	0.581
M1	2026-08-10	10.00%	22.00%	32.00%	0.437
M2	all	14.13%	26.58%	35.90%	0.506
M2	2026-08-10	8.00%	26.00%	34.00%	0.391
M3	all	11.03%	19.52%	27.27%	0.594
M3	2026-08-10	14.00%	32.00%	42.00%	0.357
M4	all	12.45%	21.70%	29.13%	0.565
M4	2026-08-10	20.00%	36.00%	48.00%	0.432
M5	all	9.73%	17.65%	25.48%	0.590
M5	2026-08-10	2.00%	4.00%	8.00%	0.583