强化版动量效应：量化界的“追涨杀跌”

动量效应是量化圈子中最常见的一词，用更直白的话翻译就是“追涨杀跌”。而动量效应往往和反转效应相对应。

从时间序列上看，短期内市场一般伴随着反转效应，动量效应需剔除短期的反转效应；为此动量效应通常是以M期前的N期涨跌幅作为基础数据，但这样的构建方式只用到N期的期初和期末价格，区间的大部分数据信息都未利用到，那么我们不禁产生了疑问：区间内包含的高频数据能带来更好的收益吗？

《Non-parametric momentum based on ranks and signs》和《东方证券：存在于全市场范围内的稳健动量效应》这两篇文章中对此做了进一步的探究。

传统动量因子的形式为MOM(N,M)，N、M、T0是时间序列下的三个节点，N-M包含N期数据，M到T0有M期数据，那么MOM(N,M)表示N到M区间内，这N期的股票收益。

文章中改进后的动量因子是基于股票每日收益率的顺序排名，可以剔除异常股价波动的影响，提升因子稳健性。改进后动量因子的形式仍为RANK(N,M)，假设当前为T0，那么 RANK(N,M)表示N到M区间内，这N期的股票日收益排名得分情况。得分的具体计算方法如下： 

其中Nd为d日有效股票数；增加有效样本数量限制，当N区间内某只股票的收益数据占总样本数量低于2/3时（原文为50%），剔除该股票；对于多个相同收益的股票，以其排名均值作为排名，如A股票和B股票的收益相同，其排名分别为10和11，则将其排名都调整为10.5。

进一步编写回测，相关参数如下：

初始资金：1000万

基准指数：沪深300

回测品种：沪深300成分股/中证500成分股/全A

回测区间：2017年12月29日-2021年12月31日

样本过滤：剔除停牌股、ST股、次新股（一年期）

因子参数：N为9个月，M为3个月

数据预处理：有效样本数限制，异常值处理，标准化、市值中性化

交易逻辑：买入因子最大前N只股票，月末调仓换股；涨停买不入，跌停卖不出。

我们分别以沪深300成分股、中证500成分股和全A股票进行回测，持仓数量分别为30、50和100只股票。

此处与研报较为一致的是：策略在沪深300成分股的表现优于中证500成分股。

以沪深300指数成分股为回测标的时，年化收益率为14.62%，最大回撤34.78%，胜率63.19%。整体年化收益比研报的稍高一些，但最大回撤进一步扩大，胜率和夏普比率稍有下降。

究其原因，一方面是因为本文设置了较高的手续费和滑点成本，另一方面是因为研报策略中包含了做多高因子值股票和做空低因子值股票的综合收益，而从其分组收益来看，做空的收益是做多收益的1.75倍。

对此感兴趣的朋友可以进一步对比传统动量因子和该因子的效益情况，或者以相同的方式，重新构建你的因子库，挖掘更高频的数据信息。

- End -

策略源码已发布至掘金社区。

复制：https://bbs.myquant.cn/topic/2634

在电脑端的浏览器中打开即可查看。

声明：本内容由掘金量化原创，仅供学习、交流、演示之用，不构成任何投资建议！如需转载请联系掘金小Q（VX：myquant2018）授权，否则作侵权处理！