动量(or反转)因子

由small_q创建，最终由small_q更新于2024-12-05 10:12 被浏览 64 用户

因子原理

动量因子和反转因子是量化交易中一对相反的概念，虽然它们的逻辑有所不同，但都基于市场上存在的某种”惯性‘现象，即资产价格可能会在一段时间内延续其之前的趋势，或者由于市场的过度反应，导致价格偏离基本面。

动量因子的核心思想是：过去表现较好的股票在未来会继续走强，表现差的股票则可能继续低迷。假设A公司股票过去一个月的涨幅为15%，B公司过去一个月的涨幅为-5%，那么我们认为A公司股票有可能继续上涨，而B公司股票则可能下跌或表现不好。

而反转则认为在过去一段时间中表现较差的股票在未来可能经历收益的较大逆转，出现反弹。假设A公司股票过去一个月的跌幅为-20%，那么A公司股票的价格可能已经过度下跌，未来将迎来一轮反弹。

今天我们就以过去20日的区间收益率作为因子的基础来构建，看看它是动量效应还是反转效应主导。

首先，我们进行因子构建，构建公式为：当前收盘价除以过去第20天的收盘价作为区间收益率，这个因子大家可以在BigQuant平台上直接调用数据构建。

sql = """
    SELECT date, instrument, 
      close / m_lag(close, 20) AS factor
    FROM cn_stock_bar1d
"""

然后，我们将因子按收益率从小到大进行排序、分组，0为最小的一组，9为最大的一组。

接着，将因子进行去极值、标准化、中性化等操作。

最后通过因子分析框架，进行因子的分组统计累计收益。

通过因子分析观察分组表现，如果该因子具有动量效应，则可以看出第9组表现最佳；反之，如果该因子具有反转效应，第0组表现最佳。

我们从图中可以发现其分组收益极其不稳定, 说明该因子是动量和反转风格切换的因子。中间有一段时间第9组的累计收益曲线在第0组之上的，呈现动量特征。而大部分时间则呈现反转效应，但这种反转效应没有想象中的显著。

为了分析反转效应的显著性，我们需要引入一个IC指标。IC表示因子值Ft与未来D天收益率的相关性，如果IC值为正，说明该因子与未来收益呈正相关，即动量效应；IC为负，说明因子与未来收益呈负相关，即反转效应。

由于该收益率因子带有“反转”效应，所以IC值为负数，但这种效应不够显著，如图所示，IC值时正时负, 导致累计IC值也并非单调递减的。

我们根据反转效应，将第0组作为我们的股票池，每日选出市值最小的10只股票持仓。然而，从图中回测结果可以看出反转效应策略表现失效。

\n从上面的因子分析结果中，我们得知，中间组的表现要优于动量效应和反转效应，说明在A股市场上存在动量和反转效应“拥挤”的现象。因此，我们进一步使用中间组进行回测:

结果显示，中间组的收益表现优于动量组和反转组，但是在近期收益率因子失效。

以上就是基于动量和反转效应的因子分析及策略回测，希望为大家提供了一种不同视角的市场收益捕捉思路！