以下是因子的代码

    def calculate(self, factors):
        close = factors['close']

        
        cum_ret_5 = RETURNS(close, 5)

        rolling_max_5 = TS_MAX(close, 5)
        drawdown_5 = (close / rolling_max_3) - 1
        max_dd_5 = TS_MIN(drawdown_5, 5)
        raw_factor = cum_ret_5 - max_dd_5

        cleaned = IF(AS_FLOAT(raw_factor == raw_factor), raw_factor, 0)
        cleaned = IF(AS_FLOAT(cleaned < 1e10), cleaned, 0)
        
return ZSCORE(cleaned)

这个因子同时考虑了短期收益和回撤，然后对收益和回撤进行简单的量化和复合。

因子以五日周期为观测窗口，同步衡量标的阶段性盈利表现与下跌承压程度，通过收益抵扣风险的计算逻辑综合打分，再经异常值清洗与截面标准化处理，最终输出可横向对比的评分结果，用于甄别盈利稳健、风险可控的投资标的。

展开讲解如下

五日累计收益计算

通过当期收盘价与五日前期价格比值，算出区间整体收益率，直观反映个股短期上涨获利能力，数值越高代表阶段性盈利表现越好。（我们粗放地认为短期越是上涨，代表趋势越好）

五日最大回撤测算

先截取五日区间内最高成交价格，计算每日价格相对区间高点的回落幅度，再选取区间内最大回落值，以此界定标的短期价格下跌风险，回撤数值越小，股价波动风险越高。（我们先粗放地认为：短期下跌代表释放风险，短期不下跌代表堆积风险）

综合得分构建

采用收益减去最大回撤的运算规则，本质是盈利水平叠加回撤绝对幅度。个股短期收益越高、下跌幅度越小，原始因子得分越高，实现奖励盈利、规避风险的设计初衷。

数据合规清洗

过滤空值、无穷数、极端异常数值，将违规数据统一归零，剔除市场异动失真数据，保障因子计算基础有效可靠。

截面标准化处理

借助均值标准差完成标准化转换，抹平不同标的数值量级差异，让全市场个股因子评分具备横向对比价值，方便筛选优质标的。