年化105%，回撤25.5%掘金量化终端复现星球策略（python代码下载）

原创内容第832篇，专注智能量化投资、个人成长与财富自由。

星球里有同学使用掘金量化终端，复现了我的一个策略（年化105%，回撤25.5%）：

代码也附上了：

部分代码：


def trend_score(close, period=25):
    """
    向量化计算趋势评分：年化收益率 × R平方
    :param close: 收盘价序列（np.array或pd.Series）
    :param period: 计算窗口长度，默认25天
    :return: 趋势评分数组，长度与输入相同，前period-1位为NaN
    """
    if len(close) < period:
        return np.full_like(close, np.nan)

    y = np.log(close)
    windows = np.lib.stride_tricks.sliding_window_view(y, window_shape=period)
    x = np.arange(period)

    # 预计算固定值
    n = period
    sum_x = x.sum()
    sum_x2 = (x ** 2).sum()
    denominator = n * sum_x2 - sum_x ** 2

    # 滑动窗口统计量
    sum_y = windows.sum(axis=1)
    sum_xy = (windows * x).sum(axis=1)

    # 回归系数
    slope = (n * sum_xy - sum_x * sum_y) / denominator
    intercept = (sum_y - slope * sum_x) / n

    # 年化收益率
    annualized_returns = np.exp(slope * 250) - 1

    # R平方计算
    y_pred = slope[:, None] * x + intercept[:, None]
    residuals = windows - y_pred
    ss_res = np.sum(residuals ** 2, axis=1)

    sum_y2 = np.sum(windows ** 2, axis=1)
    ss_tot = sum_y2 - (sum_y ** 2) / n
    r_squared = 1 - (ss_res / ss_tot)
    r_squared = np.nan_to_num(r_squared, nan=0.0)  # 处理零方差情况

    # 综合评分
    score = annualized_returns * r_squared

    # 对齐原始序列长度
    full_score = np.full_like(y, np.nan)
    full_score = pd.Series(


    
index=close.index,dtype='float64')
    full_score[period - 1:] = score
    return full_score


def roc(se: pd.Series, N):
    return se / se.shift(N) - 1

def ma(X, d):
    X.ffill(inplace=True)
    y = X.rolling(window=d).mean()
    return y

# 定义因子计算函数
def calculate_factor(symbol,data):
    """
    计算单个标的的因子值。
    :param symbol: 标的代码
    :param end_time: 结束时间
    :return: 因子值
    """

这样的复现非常有意义，非常感谢。

因为咱们的回测系统都是自研的，尽管所有代码都给到大家，但偶尔会有同学担心说与成熟平台的运行结果会不会不差别？

这种复现是非常有价值的，也赠送的积分，再次感谢分享~。

代码下载地址：AI量化实验室——2025量化投资的星辰大海

OpenBB 与 ZVT

昨天的文章，咱们介绍了openbb：年化220%，最大回撤13%，这个策略如何做到的？过拟合还是超级运气？| OpenBB: 开源投资利器(python代码下载)

openbb主要提供的是海外的数据源，国内其实也有一个不错的框架就是zvt。

你可以直接pip安装，我是直接使用的源代码，安装依赖之后：

from zvt.domain import *
Stock.record_data(provider="em")
df = Stock.query_data(provider="em", index='code')
print(df)

Stock1dHfqKdata.record_data(code='000338', provider='em')
df = Stock1dHfqKdata.query_data(code='000338', provider='em')
print(df)