4. 动量因子基础：动量策略的定义、逻辑与经典文献回顾（Jegadeesh & Titman）
动量因子，说白了就是「追涨杀跌」的学术版。听起来有点俗气对吧？但别急着笑，这玩意儿在量化金融里可是拿过诺贝尔奖级别的待遇。我刚开始做策略研究那会儿，第一个实盘跑通的策略就是动量策略，虽然赚得不多，但那种「市场确实有规律可循」的感觉，至今难忘。
4.1 动量策略的核心定义
动量策略的逻辑其实特别简单：过去涨得好的股票，未来一段时间还会继续涨；过去跌得惨的股票，未来还会继续跌。你想想看，这不就是趋势的延续吗？
具体操作上，我们通常这样做：
- 排序期（Formation Period）：比如过去6个月，计算每只股票的累计收益率
- 分组：按收益率从高到低排序，买入前10%（赢家组合），卖出后10%（输家组合）
- 持有期（Holding Period）：持有这个多空组合一段时间，比如6个月
嗯，这里要注意：排序期和持有期可以灵活调整。我见过有人用3个月排序+3个月持有，也有人用12个月排序+1个月持有。没有标准答案，全看你的数据特征。
4.2 经典文献回顾：Jegadeesh & Titman (1993)
说到动量因子，绕不开这篇神作。1993年，Jegadeesh和Titman在《Journal of Finance》上发表了那篇著名的论文——"Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency"。
他们做了什么？简单说：
- 用美国股市1965-1989年的数据
- 测试了各种排序期和持有期的组合（3、6、9、12个月）
- 发现6个月排序+6个月持有这个组合效果最好
核心发现：买入过去6个月的赢家组合，卖出过去6个月的输家组合，持有6个月，平均每月能获得约1%的超额收益。而且这个收益在统计上极其显著，t值高得吓人。
为什么会这样？Jegadeesh和Titman给出了两个解释：
- 价格反应不足：市场对新信息的消化需要时间，不是一步到位的
- 趋势延续：投资者的跟风行为会强化已有的趋势
我个人习惯把这种现象叫做「市场的惯性」。就像你推一个重物，刚开始推不动，但一旦动起来，它就会沿着原来的方向滑一段。市场也是这个道理。
4.3 动量策略的数学表达
咱们用公式来定义一下动量因子。假设在时刻 \( t \)，我们要构建动量因子 \( MOM_t \)：
# 动量因子计算伪代码
def compute_momentum_factor(prices, formation_period=126, holding_period=126):
"""
prices: 股票日度价格矩阵 (T x N)
formation_period: 排序期天数（默认126个交易日 ≈ 6个月）
holding_period: 持有期天数（默认126个交易日）
"""
# 1. 计算排序期累计收益率
returns = prices[-formation_period:] / prices[-formation_period-1] - 1
# 2. 按收益率排序，取前10%和后10%
top_decile = np.argsort(returns, axis=1)[:, -int(N*0.1):]
bottom_decile = np.argsort(returns, axis=1)[:, :int(N*0.1)]
# 3. 构建多空组合
momentum_factor = (top_decile.mean() - bottom_decile.mean()) / 2
return momentum_factor这段代码看着简单，但坑不少。我曾经在实盘里踩过一个雷：排序期和持有期之间要跳过一天。为什么？因为要避免微观结构噪声，比如买卖价差、非同步交易这些。Jegadeesh和Titman原文里也特意强调了这一点，他们用的是「跳过一周」的版本。
避坑指南：计算动量因子时，一定要在排序期和持有期之间留一个间隔期（通常1周或1个月）。否则你算出来的收益里混入了短期反转效应，结果会失真。我曾经因为这个疏忽，回测曲线漂亮得不像话，实盘一跑就崩了。
4.4 动量因子的变体
经典动量策略是「过去6个月收益」，但后来研究者们玩出了各种花样：
| 变体名称 | 定义 | 特点 |
|---|---|---|
| 短期动量 | 过去1个月收益 | 容易受噪声干扰，但捕捉短期趋势 |
| 中期动量 | 过去6-12个月收益 | 经典版本，最稳健 |
| 长期动量 | 过去3-5年收益 | 接近价值因子，趋势性弱 |
| 残差动量 | 剔除市场、行业等因素后的动量 | 更纯粹，但计算复杂 |
我个人比较喜欢用残差动量。为什么？因为经典动量里混杂了行业趋势和市值效应。比如过去半年涨得好的股票，可能只是因为它们都在新能源行业。残差动量把行业因素剥离掉，剩下的才是真正的个股动量信号。
4.5 动量策略的争议与局限
动量策略不是万能的。我见过太多人一上来就无脑跑动量，结果遇到风格切换直接亏到怀疑人生。这里有几个关键点要注意：
- 动量崩溃：2009年3月，动量策略一个月亏了40%以上。市场剧烈反转时，动量会死得很惨
- 交易成本：动量策略换手率高，频繁交易会吃掉大量利润。我建议用期货或ETF来降低摩擦成本
- 样本外失效：Jegadeesh & Titman的数据是1965-1989年，后来很多研究发现在90年代后期动量效应减弱了
警告：动量策略在牛转熊的初期会遭遇「动量崩溃」。2009年、2020年3月都是典型案例。如果你不做风险控制，一次崩溃就能把你之前所有的收益全部抹平。我自己的做法是：动量策略永远搭配一个波动率止损机制，当组合波动率超过阈值时，立刻减仓。
4.6 本章知识体系
下面这张图帮你理清动量因子的核心逻辑：
这张图把动量因子的三个核心维度串起来了：定义是基础，文献是证据，变体是延伸。但最下面那个红色框框里的内容，才是你真正要记住的——动量策略不是印钞机，它需要严格的风险控制。
好了，关于动量因子的基础就聊到这儿。记住Jegadeesh & Titman那篇论文的核心结论，然后自己去跑一遍数据。纸上得来终觉浅，绝知此事要躬行。