★主要内容
　　我们在前序报告中对国债期货择时因子池以及机器学习模型进行了初步探讨，国债期货日度周度具有显著的反转效应，此外我们对于机器学习策略跟踪过程中发现策略信号同样具有较强的反转效应。本文我们从日内的角度对国债期货的短期趋势策略进行补充研究，探讨因子有效性检验方法、因子实证分析以及组合策略构建等内容。
　　因子有效性检验方面，我们主要基于线性与非线性统计模型；同时参考交叉验证的思路，基于不同抽样方法计算因子有效性指标结果，以增强因子筛选的稳健性。
　　因子实证分析结果表明，日内策略与反转策略再不同品种上表现具有一定差异，十债期货日内动量效应较为显著，样本内头部因子样本外表现延续性高，抽样方法中时序分层、时序分层随机抽样法最为突出；隔夜动量效应整体也具有一定显著性，全部因子样本内与样本外因子值相关性较佳，样本内头部因子样本外并非特别突出，不同抽样方法样本外有效性差异不大。五债与两债期货实证结果相对十债有差异。
　　三大主要期货品种策略效果方面，十债期货日内策略表现较好、隔夜动量表现稍弱，而五年与两年期国债期货日内动量策略表现较弱、隔夜动量策略表现较好。我们对日内动量与隔夜动量策略进行进一步合成，即每日开盘前与收盘前均具有交易信号，得到组合策略效果得到进一步提升，基于2019年之间的样本外拼接净值分析测算，组合策略夏普率1.96，年化收益率6.4%，最大回撤2.0%，日内与隔夜策略实现较好的风险对冲效果，显著提升组合策略收益风险比。
　　★风险提示
　　量化模型有效性基于历史数据得出，不排除失效的可能。