关于trend_score和ROC的计算问题

[xialei]

trend_score
根据该描述是如果要计算20日 trend_score 是不是就是20天的斜率值*拟合度R2的计算结果
我使用from sklearn.linear_model import LinearRegression直接计算R2
ROC是根据公式进行计算的：
ROC = (当前收盘价 - N周期前收盘价) / N周期前收盘价 * 100
最后回测出来的结果和平台展示的收益信息有一些不同，我最多只能跑到40多倍的收益，平台上显示是接近60倍的收益

而且最后买入的持仓也和平台上的显示不一致，这块有哪位大神能帮忙解答下？
平台显示策略：

我自己回测最后买的是沪深300和平台上买入创业版ETF不太一致：

收益回测出来大概是49倍左右：

[moyulao]

你可以再看看排序值，他这里有一个规则应该是默认的，买入一个标的后，如果这个标的某天的排序值不是第一时，会卖出这个标的，然后再买入当天排序值最高的标的，6月24号买入纳指，25号卖出纳指、买入创业板这里是最明显的

[xialei]

嗯嗯，我估计是这个trend_score计算还有些区别，我再研究下。

[xialei]

此主題已被删除！

[jyliceberg]

这个因子有计算解释么？

[18677570624]

我感觉是python包计算差异, 算法差异

[xuanyuan1hao]

from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score

def calculate_R2_with_slope(close_values,K):
n = len(close_values)
if n < K:
return np.nan
# 获取最新的close_values数据
close_values = close_values[-K:]
n = len(close_values)
# 取close_values窗口滑动向前的20天数据
x = np.arange(n).reshape(-1, 1)
model = LinearRegression()
model.fit(x, close_values)
# 获取斜率（回归系数）
slope = model.coef_[0]
#print(f"斜率（回归系数）: {slope}")
X_test = np.array(x)
y_test= np.array(close_values)
# 获取拟合度（R-squared值）
y_pred = model.predict(X_test)
r2 = r2_score(y_test, y_pred)
return r2*slope

@calc_by_symbol
def trend_score(se: pd.Series,d):
# 这里使用滑动窗口获取 斜率*拟合度
return se.rolling(window=d).apply(lambda x: calculate_R2_with_slope(x.values, d))

我这里的计算方式是这样的，也回测不出来公开策略的60%多倍收益，只测试出来37倍收益

[xuanyuan1hao]

我这里修改了一下，拟合直线的斜率改成了暴力两点 斜率

获取斜率（回归系数）

slope = model.coef_[0]

暴力首尾两点斜率
slope=(close_values[n-1]-close_values[0])/close_values[0]

这样计算出来总收益为50.57812057000028