量化金融分析AQF（9）：动量策略-Momentum Strategy

目录

一、动量策略描述

1.1 策略思想

1.2 过去收益好的定义

二、动量策略代码实现

1. 数据准备

2. 策略开发思路

3. 策略可视化

4. 策略优化之思路——参数优化和穷举

5. 参数寻优——使用离散Return计算方法

---

 

一、动量策略描述

1.1 策略思想

   动量效应：由Jegadeesh和Titman（1993）提出，他们认为：股票的收益率有延续原来的运动方向的趋势，即过去一段时间收益率较高的股票，在未来依旧会取得高于平均的收益率。整个解释中最核心的词汇是“延续”，“延续”的左边是过去的历史行情，右边是未来的未知行情，由此分析得出：动量效应是研究过去的历史行情，并预测过去的行情能延续。

       动量效应是否具有可行性？可能很多投资者都认为动量效应是一种非常激进、盲目的投资策略，说白了就是追涨杀跌，其风险程度相当高，一不小心就可能买在顶点，接着就是无尽的站岗模式开启~~~~~但不可否认的是，目前中国A股市场上确实存在着不少长期走牛的个股，比如：索菲亚、贵州茅台等，除此之外，还存在不少短时间内翻倍，甚至三倍的个股。那么在控制好风险的前提下，捕捉这类动量效应明显的个股，貌似也是一个不错的动量策略。其潜在的优势就是盈利空间巨大，劣势是盈利机会较少。

总结：过去收益好的,认为将来收益也会好;

1.2 过去收益好的定义

看过去20天,上限90天,每次增加5天,优化参数,找到收益比率最好的,SR最高

看股价：

• √有没有创出历史新高
• √历史新低;
• √破了均线

类型:Cros- ectional& Time- serles

 

二、动量策略代码实现

%matplotlib inline
import matplotlib.pyplot as plt
plt.style.use('seaborn')
import matplotlib as mpl
mpl.rcParams['font.family'] = 'serif'
import warnings; warnings.simplefilter('ignore')       #忽略警告信息；
import numpy as np
import pandas as pd
import tushare as ts

<