结合deepseek因子开发，“零代码”复现年化36.93%的策略，只需要5秒

原创内容第789篇，专注量化投资、个人成长与财富自由。

昨天我们复现了策略： 年化36.93%基于趋势（年化收益*R2拟合度）评分的核心资产轮动策略复现（代码+数据）

通过低代码平台，我们可以直接配置出来：

回测结果一样：

这是deepseek写的因子：

@calc_by_symbol
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)
    full_score[period - 1:] = score
    return full_score

celery的定时任务也比较简单，比apscheduler还轻：

cel.conf.timezone = 'Asia/Shanghai'
cel.conf.beat_schedule = {
    'run-my-task-every-day-at-18-00': {
        'task': 'common.celery_tasks.task_checker',  # 任务路径
        'schedule': crontab(hour=18, minute=0),  # 每天18:00运行
    #'schedule': timedelta(seconds=10),  # 每