年化109%，回撤25%的复合排序因子，经过波动率和成交量调整（python代码+数据）

文章预览

原创内容第821篇，专注量化投资、个人成长与财富自由。 星球里确实人才济济（ailabx.com/mall可以直接查看）： 年化超过100%，当然这里有拟合的原因（没有未来函数哦）。但一定程度上说明我们设计指标的有效性，和交易系统的可行性。 昨天的文章，策略是在平台上实现的： 年化19.66%，回撤12%的稳健策略|manus的启发：基于大模型多智能体的智能投研系统（python代码+数据） 年化30.24%，最大回撤19%，综合动量多因子评分策略再升级（python代码+数据） 今天我们用代码来实现一下： 因子是这个： 'trend_score(close,25)*0.4+(roc(close,5)+roc(close,10))*0.2+ma(volume,5)/ma(volume,20)' from  bt_algos_extend  import  Task ,  Engine def  ranking_ETFs ():     t = Task()     t.name =  ' 基于 ETF 历史评分的轮动策略 '      #  排序      t.period =  'RunDaily'      t.weight =  'WeighEqually'      t.order_by_ ………………………………