1. 趋势增强因子

在原来趋势得分因子的基础上，加入了时间的二次项和时间的三角函数项，分别代表趋势强度和趋势波动，并通过岭回归算法计算预测值，算出加强后的拟合优度，从而计算趋势增强因子。

1.1 原来的趋势得分因子

不足：

• **对过拟合无惩罚：**在价格预测中，若加入100个随机噪声因子，R²可能虚高，但样本外表现极差。

• ​​线性回归的R²​​：仅衡量模型对目标变量 y 的​​线性部分​​的解释能力。

• ​​非线性特征​​：二次项 (x2)、三角函数（如 sin(x), cos(x)）属于非线性变换，其解释力未被传统R²完全捕获。

1.2 趋势增强因子

方程的改变：

回归方式的改变：

代码实现：

coeffs = np.linalg.solve(XTX_reg, XTy)

计算拟合优度后算出趋势增强因子：

2. 策略思路

滚动计算每一只ETF的趋势增强因子，以25日为窗口期，计算后按因子得分大小排序，选取得分最高的前三只ETF持有，加入止盈机制，每日调仓。

3. 回测结果以及效果对比

趋势增强因子回测结果：

原来的趋势得分因子回测结果：

收益率提升42%，夏普比率提升，最大回撤减小。

4. 策略代码链接

https://bigquant.com/square/ai/926df6df-eb57-0354-80bd-967dd101159e