以月度因子为例，在每月$t$最后一个交易日$d$计算每只股票在不同时间尺度$L$的移动平均价格作为趋势信号。
其中，$P_{j,d}^t$为股票$j$在第$t$个月的每个交易日的收盘价，$L$是移动平均的窗口宽度；
由于不同股票的价格在量级上存在差异，为了使趋势信号在截面上具有可比性，将移动平均价格序列除以$d$日最近收盘价，做标准化处理：$\tilde{MA_{jt,L}} = \frac{MA_{jt,L}}{P_{jd}^t}$；
不同时间尺度$L_i$（3、5、10、20、50、100、200、400、600、800、1000个交易日）上的移动均线即为不同级别的趋势信号，每月末使用这些趋势信号和下一期的收益率进行截面回归，得到对应的因子收益率$\beta_i^t$：$r_{j,t} = \beta_{0,t} + \sum_i \beta_{i,t} \tilde{MA_{jt-1,L_i}} + \epsilon_{j,t}$；
对各趋势信号，使用各自过去12个月的$\beta_{i,t}$来计算下个月的预期因子收益率：$E_t[\beta_{i,t+1}] = \frac{1}{12} \sum_{m=1}^{12} \beta_{i,t+1-m}$；
使用预期收益率和个股$j$在$t$期的最新均线指标取值计算出每支股票在$t+1$的收益率预测值即为趋势因子：$E[r_{i,t+1}] = \sum_i E_t[\beta_{i,t+1}]\tilde{MA_{jt,L_i}}$。
说明：趋势因子综合考量了在不同时间点上，不同时间跨度的动量或者反转因子对股票未来收益的贡献。
参考文献：美股上一个跨越时间尺度的趋势因子
将市场情绪指数变动与股票收益率进行时间序列回归，得到的$\beta_i$即为$SentiBeta$，再进一步计算得到$NewSentiBeta$。
其中，$r_t^i$为股票$i$日度收益率，$CSMS_t$为市场情绪指数值。
说明：市场情绪指数对大盘行情有一定的预测作用，通过时序回归得到的$SentiBeta$刻画了市场情绪对个股收益的影响。股票收益与市场情绪影响$SentiBeta$的绝对大小有关，越容易收到市场情绪影响（即$NewSentiBeta$越小）的股票收益越小，越不容易收到市场情绪影响（即$NewSentiBeta$越大）的股票收益越大。
参考文献：Sentiment Beta：Risk or Alpha？
（盈利能力、偿债能力、营运能力、资本结构、每股指标、改进）
（动量反转型、趋势型、波动型、成交量型、超买超卖型）