4. 动量因子策略：基于资产过去收益率的动量信号构建，动量的衰减与再平衡

各位同学，今天我们来聊聊动量因子策略。说实话，这是大类资产轮动里最经典、也最容易上手的方法之一。我刚开始做量化那会儿，第一个实盘策略就是动量轮动，虽然现在看来很粗糙，但当时确实帮我赚到了第一桶金。

动量策略的核心逻辑很简单：过去涨得好的资产，未来一段时间内往往还会继续涨；过去跌得惨的，可能还会继续跌。这不是玄学，背后有行为金融学的支撑——投资者存在反应不足和羊群效应。

4.1 动量信号的计算方法

我个人习惯用过去12个月剔除最近1个月的收益率作为动量信号。为什么剔除最近1个月？因为短期反转效应太强了，你想想看，如果某资产最近一个月暴涨，很可能已经透支了未来涨幅。

来看一段Python代码，这是我在项目中实际用过的：

import pandas as pd
import numpy as np

def calculate_momentum(price_df, lookback=252, skip=21):
    """
    计算动量信号
    price_df: DataFrame, 每列是一个资产的价格序列
    lookback: 回看期，默认252个交易日（约12个月）
    skip: 跳过最近N个交易日，默认21（约1个月）
    """
    # 计算收益率
    returns = price_df.pct_change()
    
    # 计算累计收益率（回看期 - 跳过期）
    momentum = (price_df.shift(skip) / price_df.shift(lookback)) - 1
    
    return momentum

# 示例用法
# momentum_signal = calculate_momentum(asset_prices)

嗯，这里要注意一点：回看期的选择很关键。我做过回测对比，12个月的效果在A股和美股上都比较稳定。太短了容易被噪音干扰，太长了又反应迟钝。

4.2 动量的衰减特性

动量不是永恒的。它像一根橡皮筋，拉得越长，回弹的力道就越大。我在实盘中发现，动量效应通常在持有期3-6个月时达到峰值，之后就开始衰减。

为什么会这样？说白了，市场是有效的。当某个资产的动量信号被太多人发现并交易时，这个信号的价值就会被快速消耗掉。我曾经跟踪过一个案例：某商品期货的动量信号在信号发出后的第4个月达到最大收益，但到了第7个月就开始反转了。

4.3 再平衡频率的选择

再平衡，说白了就是多久调整一次持仓。这个频率直接决定了策略的收益和交易成本。

再平衡频率	优点	缺点	适合场景
每日	信号最新，反应快	交易成本高，容易过拟合	高频交易、T+0品种
每周	平衡了成本和时效	可能错过周内波动	股票、ETF轮动
每月	成本最低，信号稳定	反应滞后，可能吃大回撤	大类资产配置
季度	几乎无交易成本	信号严重滞后	保险资金、养老金

我个人建议，大类资产轮动用月度再平衡就够了。你想想看，股票、债券、商品这些大类资产，趋势一旦形成，不会在几天内就反转。我做过测试，月度再平衡相比周度再平衡，年化收益只差了不到1%，但交易成本能省下2-3%。

4.4 动量衰减的量化监控

怎么知道动量在衰减？我一般用滚动窗口的IC值来监控。IC值就是动量信号和未来收益的相关性，如果IC值持续下降，说明动量在失效。

def monitor_momentum_decay(momentum_signal, forward_return, window=60):
    """
    监控动量衰减
    momentum_signal: 动量信号序列
    forward_return: 未来N日收益率
    window: 滚动窗口大小
    """
    ic_series = []
    for i in range(window, len(momentum_signal)):
        ic = np.corrcoef(
            momentum_signal[i-window:i], 
            forward_return[i-window:i]
        )[0, 1]
        ic_series.append(ic)
    
    # 如果最近20个IC值均值低于0.1，发出警告
    if np.mean(ic_series[-20:]) < 0.1:
        print("⚠️ 动量衰减严重，建议暂停策略或调整参数")
    
    return ic_series

4.5 动量策略的完整框架

最后，我给大家画一张图，把动量策略的完整流程串起来：

这张图把动量策略的完整流程展示得很清楚。从数据输入到建仓，再到月度再平衡循环，中间还嵌入了衰减监控模块。说白了，这就是一个闭环系统——建仓 → 监控 → 再平衡 → 再监控。

4.6 实战中的几个坑

最后，我把自己踩过的坑总结一下，你们可以少走弯路：

• 不要用等权动量：我曾经把所有资产一视同仁，结果小盘股的动量噪音把大盘股的信号给淹没了。建议用波动率倒数加权。
• 小心极端行情：2020年3月那次，所有资产的动量信号同时崩溃。我因为没设止损，回撤了12%。后来我加了波动率控制模块。
• 再平衡不要过于频繁：我见过有人每天再平衡，结果一年下来收益全交了手续费。月度再平衡，足够了。
• 动量衰减不是突然发生的：它是个渐变过程。我一般用3个月的滚动IC值来监控，一旦IC值跌破0.1，就启动应急预案。

好了，这一章的内容就到这里。动量策略看似简单，但真正做好并不容易。我建议你们先拿历史数据回测一下，感受一下动量在不同市场环境下的表现。下一章我们会聊反转因子策略，到时候你们会发现，动量和反转其实是硬币的两面。