如何基于双时间序列趋势交互构建-1至1的评分算法？

可以通过量化两个序列的趋势/动量差异并归一化构建符合要求的评分系统，以下是三种实用方案：

方案1：长期线性趋势评分 #

适合捕捉整个观测周期的整体趋势转换：

1. 计算趋势斜率：对每个序列用线性回归拟合趋势，得到斜率值（正数为上升，负数为下降，绝对值越大趋势越强）：

   slope_x = (n*sum(t*x) - sum(t)*sum(x)) / (n*sum(t²) - (sum(t))²)
   

   其中t为时间点（如[1,2,...,n]），x为A/B的观测值，n为观测数。
2. 归一化评分：将斜率差映射到[-1,1]区间：

   score = (slope_A - slope_B) / (|slope_A| + |slope_B| + 1e-8)
   

   （加1e-8避免分母为0，斜率全为0时评分取0）

验证：例1评分=-1，例2评分=1，完美匹配预期。

方案2：短期动量评分 #

适合捕捉近期趋势变化（适配例3的混合趋势场景）：

1. 计算动量指标：用相邻观测的收益率均值（跳过零分母项）作为短期动量：

   momentum_x = mean( (x[t]/x[t-1]) - 1 for t in 2..n if x[t-1] != 0 )
   

   若零值过多，可替换为差值均值：momentum_x = mean(x[t]-x[t-1] for t in 2..n)
2. 压缩范围：用tanh函数将动量差压缩到[-1,1]，k为调整系数（1~2即可）：

   score = tanh( k*(momentum_A - momentum_B) )
   

验证：例3评分≈-0.86（绝对值小于1），例1≈-0.83、例2≈0.86，均符合预期。

方案3：趋势一致性加权评分 #

若需区分趋势的连贯性（比如例3中A先升后降的混合趋势）：

1. 计算趋势一致性：统计相邻差值的符号统一程度（范围[-1,1]，1为全同向，0为正负各半）：

   consistency_x = sum(sign(x[t]-x[t-1]) for t in 2..n) / (n-1)
   

2. 加权趋势强度：用一致性乘以斜率，得到加权后的趋势强度：

   trend_x = consistency_x * slope_x
   

3. 归一化评分：同方案1的归一化公式：

   score = (trend_A - trend_B) / (|trend_A| + |trend_B| + 1e-8)
   

验证：例3评分≈-0.72，绝对值小于1，符合混合趋势的预期。

内容的提问来源于stack exchange，提问作者Lagrange