Skip to content

动量与均值回归

两种对立的市场观点

动量 (Momentum) 和均值回归 (Mean Reversion) 代表了市场行为的两种基本模式：

  • 动量：过去表现好的资产未来继续表现好，"强者恒强"
  • 均值回归：偏离均值的价格终将回归，"否极泰来"

两者在不同时间尺度和市场条件下均可盈利，理解其共存机制是量化策略设计的关键。

时间序列动量 (Time-Series Momentum)

时间序列动量 (TSMOM) 关注资产自身过去收益率对未来收益率的预测。

信号构造：

\[\text{Signal}_t = \text{sign}\!\left(\sum_{k=1}^{K} R_{t-k}\right)\]

或使用加权版本（如指数加权移动平均）：

\[\text{EWMA}_t = \lambda R_t + (1-\lambda)\text{EWMA}_{t-1}\]

Moskowitz, Ooi, Pedersen (2012) 的经典研究发现，TSMOM 在 58 个期货市场上均显著——过去 12 个月正收益的资产未来 1 个月倾向于继续上涨。

与趋势跟踪的关系

时间序列动量本质上就是趋势跟踪 (Trend Following)，是 CTA (Commodity Trading Advisors) 和管理期货 (Managed Futures) 基金的核心策略。信号构造可以等价表示为移动平均交叉 (Moving Average Crossover)。

横截面动量 (Cross-Sectional Momentum)

横截面动量 (XSMOM) 关注资产间的相对表现：做多过去赢家 (Winners)，做空过去输家 (Losers)。

策略构建步骤

  1. 信号计算：计算每只股票过去 \(J\) 个月的累计收益率（通常跳过最近 1 个月，即"12-1"信号）：
\[R_{i,t}^{J} = \prod_{k=2}^{J}(1 + R_{i,t-k}) - 1\]
  1. 排序分组：按信号大小将股票分为十分位 (Deciles)
  2. 组合构建：做多 Top decile，做空 Bottom decile
  3. 持有与换仓：持有 \(K\) 个月后换仓

动量收益率（WML, Winners Minus Losers）的年化超额收益历史上约为 6%-8%。

动量崩溃 (Momentum Crash)

动量策略存在尾部风险：在市场剧烈反转时（如 2009 年 3 月），输家股票暴涨、赢家股票下跌，导致动量组合遭受巨大亏损。Daniel 和 Moskowitz (2016) 发现动量收益率呈现负偏度和高峰度。

缓解方法：动态调整杠杆（基于已实现波动率），或在市场波动率过高时降低仓位。

动量的解释

  • 行为金融解释：投资者对信息反应不足 (Underreaction)，导致价格缓慢调整；确认偏差 (Confirmation Bias) 和锚定效应 (Anchoring) 加剧这一趋势
  • 风险补偿解释：动量因子承担了宏观经济风险，收益是对该风险的补偿
  • 市场微观结构：正反馈交易 (Positive Feedback Trading) 和羊群效应 (Herding)

均值回归信号 (Mean Reversion Signals)

均值回归策略在短期（日内到数周）最为有效。常用信号包括：

价格偏离信号

\[z_t = \frac{P_t - \text{MA}_t(n)}{\sigma_t(n)}\]

其中 \(\text{MA}_t(n)\) 为 \(n\) 日移动平均，\(\sigma_t(n)\) 为滚动标准差。\(|z_t| > 2\) 时产生交易信号。

RSI 信号 (Relative Strength Index)

\[\text{RSI} = 100 - \frac{100}{1 + RS}, \quad RS = \frac{\text{平均上涨幅度}}{\text{平均下跌幅度}}\]

RSI < 30 视为超卖 (Oversold)，RSI > 70 视为超买 (Overbought)。

跨资产均值回归

资产对或篮子之间的价差回归，核心工具是协整 (Cointegration) 和 OU 过程建模（详见统计套利章节）。

动量与均值回归的统一

经验法则：短期 (1-5 天) 均值回归占优，中期 (3-12 个月) 动量效应显著，长期 (3-5 年) 又呈现均值回归。策略设计应根据目标持有期选择合适的信号类型。

策略构建与回测 (Strategy Construction and Backtesting)

回测框架

标准回测流程：

  1. 数据准备：调整除权除息、处理停牌和退市偏差 (Survivorship Bias)
  2. 信号生成：在每个调仓日计算信号
  3. 组合构建：根据信号确定目标权重
  4. 交易模拟：考虑交易成本、滑点 (Slippage)、市场冲击 (Market Impact)
  5. 绩效评估：计算风险调整后收益指标

关键绩效指标：

\[\text{Sharpe Ratio} = \frac{\mathbb{E}[R_p - R_f]}{\sigma_{R_p}}, \quad \text{Max Drawdown} = \max_{t}\left(\max_{s \leq t}V_s - V_t\right)\]

回测陷阱 (Backtesting Pitfalls)

常见问题包括：

  • 前视偏差 (Look-ahead Bias)：使用了未来才可获得的信息
  • 过拟合 (Overfitting)：过度优化参数使策略仅在样本内有效
  • 交易成本忽略：高换手率策略在扣除成本后可能无利可图
  • 幸存者偏差：仅使用存活公司数据，高估策略收益

样本外验证

  • Walk-forward 分析：滚动训练-测试窗口
  • 跨市场验证：在不同国家或资产类别验证
  • 参数敏感性分析：检验结果对参数变化的稳健性
  • Bootstrap 模拟：打乱时间序列结构后检验信号是否仍显著