本报告导读：
　　2026年以来传统多粒度深度学习因子稳定性受到极大挑战，在指数增强应用场景中，因子表现极不稳定。更改模型输入特征，修正模型架构可以有效改善因子表现。
　　投资要点：
　　多粒度因子长期有优异表现，但2026年以来因子表现波动显著：多粒度2周标签因子构建的空气指增组合2020年以来相对Wind全A等权指数年化超额高达27.88%。500增强组合与1000增强组合超额年化也高达11.45%与17.72%。然而最近两年衰退显著，2026年500甚至为负超额。
　　多粒度因子的不稳定表现很大程度来自于其与风格因子，尤其是市值因子高相关：整体看，多粒度因子与市值，市值平方，特质波动，换手有较高相关性，尤其与市值因子相关性高达-0.3，其空气指增组合历史市值分位数均值只有18.9%，2022年以来还有越来越偏小市值的趋势。
　　简单的与风格因子正交并不能很好的解决多粒度因子的不稳定问题：只是将多粒度因子与市值等风格因子正交并不能有效提升因子表现，尤其在500增强与1000增强组合中，单纯中性化后2026年组合超额收益依然趋近于0。
　　详细拆解后改变特征与改善模型结构才是关键：详细拆解多粒度因子构建过程，发现其高相关性主要来自于其特征中包含的成交额，换手率等因子，因此我们构建了新的多源深度学习因子，在更新其特征基础上，将不同类特征输入不同的GRU模型，从而保证不同类型选股信息的权重不会快速消亡。修正后的多源深度学习因子2026年指数增强超额收益均能超过10%。
　　进一步叠加风格惩罚并不会提升因子的组合增强表现，反而会增加组合的不稳定性：多源深度学习模型基础上，进一步叠加风格惩罚，多源深度学习因子的指数增强表现并没有显著提升，分年度超额收益反而更加不稳定。
　　风险提示。市场系统性风险、海外市场波动风险、模型误设风险。