Python量化交易之动量策略

作者: d5ba3f2ca2b6 | 来源:发表于2018-12-18 10:13 被阅读405次

    1993年,学者Jegadeesh和Titman提出,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。通俗说,今天涨了,明天大概率会接着涨,强者恒强嘛。今天跌了,明天也有很大可能继续跌。根据这种假设,我们构建的策略就叫动量策略。 

    具体来讲,Jegadeesh和Titman发现,过去3到12个月表现好(差)的股票,在接下来的3到12个月会继续表现得好(差)。因此,可以做多表现好的股票组合同时做空表现差的。后来,Novy-Marx利用美国的股票数据对组合的形成期和持有期间隔长度对整体收益的影响做了研究,发现组合形成期在持有期前7-12个月的动量策略收益要大于形成期在持有期前2-6个月的动量策略收益。这一研究结果说明,动量效应更多地取决于中期过去收益而不是近期过去收益。 

    他将持有期固定为一个月,发现形成期在持有期前1-12个月无间隔的动量策略收益为负,而有间隔期(形成期与持有期之间的间隔)的动量策略收益显著为正。而且随着间隔期的增大,动量策略的收益呈现递增趋势。同时,这一现象不止存在于美国的股票市场,在股指期货,商品期货和外汇市场中都可以得到相同的结论。 

    下面我们就以美国股市各行业的历史数据为例来验证这一结论。所选取的数据为美股10个行业,1926年7月到2017年5月的月度数据。投资策略如下:每一个月调仓一次,选取倒数第二个月(即上上个月)至倒数第12个月,共11个月中表现最好与最差的行业。这样的选取使我们有了一个月的间隔期。之后做多表现最好的行业,做空表现最差的行业。一个月后重复此过程。

    为何要留一个月的间隔?学者们发现一个月的间隔期最为显著。这也说明了股票市场的信息是逐步扩散的,人们不会马上做出反应。

    具体策略的代码如下:

    来源:精炼数据研习室

    ---------------------------------------------------------------------------

    推荐阅读:

    如何使用Python实现你的量化交易策略

    如何使用Matlab实现你的量化交易策略

    如何使用C++实现你的量化交易策略

    如何使用C#实现你的量化交易策略

    相关文章

      网友评论

        本文标题:Python量化交易之动量策略

        本文链接:https://www.haomeiwen.com/subject/pkskkqtx.html