因子 / 多资产
难度：进阶
#动量#多资产#横截面
横截面动量（赢家-输家组合）
通俗理解
不赌大盘涨跌，只赌'强者恒强、弱者恒弱'：在一篮子资产里买最近涨得最好的，卖（或做空）最差的。
✅ 优点
- 分散单一个股风险
- 与市场方向弱相关
- 学术证据扎实
- 可跨资产（股/商品/币）
⚠️ 缺点 / 风险
- 存在'动量崩溃'急跌
- 高换手、交易成本敏感
- 需做空/杠杆机制
- 不同市场季节性明显
📐 标的选取方法
如何从全部可交易品种中筛出适合本策略的标的：资产范围、流动性门槛、过滤规则与容量约束。
- 可选范围：可横向排序的同类资产池——全市场 A 股、沪深300/中证500 成分股、行业 ETF、主流加密资产等。
- 可投资性过滤：剔除 ST/*ST、上市不足 12 个月、过去 60 个交易日停牌超过 10 天、日均成交额低于 5000 万元的标的。
- 规模与价格过滤：剔除市值最小 30%（微盘股流动性差、易被操纵）与股价低于 2 元的低价股。
- 排序口径：按过去 6–12 个月累计收益排序，并剔除最近 1 个月以规避短期反转，取前 10% 做多、后 10% 做空。
- 中性化处理：必须做行业与市值中性化，否则动量会退化成行业轮动或小盘暴露。
- 换手控制：月度调仓并设置缓冲区（排名进入前 20% 才买入、跌出 30% 才卖出），降低换手与成本。
- 常见坑：不剔除最近 1 个月会撞上短期反转；不做行业中性会把选股变成押注单一行业。
参考代码 python
import pandas as pd def xsmom(ret: pd.DataFrame, j=12, k=1): # ret: 各资产月收益, 列=资产, 行=月 score = ret.rolling(j).mean().shift(k) longs = score.ge(score.quantile(0.8, axis=1), axis=0) shorts = score.le(score.quantile(0.2, axis=1), axis=0) weight = longs.astype(int) - shorts.astype(int) return weight.div(weight.abs().sum(axis=1).replace(0, 1), axis=0)
示例为最小可运行片段，用于理解思路；实盘需补充数据、手续费、风控与回测框架。
参考文献 / 延伸
- Jegadeesh, N., & Titman, S. (1993). Returns to Buying Winners and Selling Losers.
🌦️ 适用市场环境
板块/个股分化明显、动量效应持续的市场（风格轮动、行业景气分化、风险偏好趋势化）。
⚔️ 策略博弈关系
克制的策略
被克制的可能性
动量崩溃（市场急转）时被均值回归与多因子克制；高换手下被做市/高频吃滑点。
🌍 全球宏观与政治扰动影响分析
动量赌的是「赢家恒强」。宏观风险偏好一致时它很强，最怕的是政策或周期急转引发的「动量崩溃」——上一轮的赢家在反转中瞬间变成输家。
📈 全球宏观因子扰动
-
受益
宽松 / 流动性充裕（risk-on）
资金持续追逐强势板块，赢家组合自我强化。
-
双向
通胀 / 加息初期
风格从成长切向价值，动量组合可能踏错节奏，需动态调仓。
-
受损
衰退末期 → 复苏初期
典型动量崩溃窗口：前期输家反弹最猛，赢家补跌。
-
受损
波动率骤升
高风险资产被集中抛售，前期强势股领跌。
-
受益
全球同步复苏
顺周期板块强者恒强，横截面分化持续。
🏛️ 政治与地缘事件扰动
-
受损
监管打击特定行业（反垄断、教培、平台整治）
原赢家被政策直接重创，动量组合瞬间反向，是动量崩溃的典型诱因。
-
受损
制裁 / 出口管制
龙头标的被切断供应链或市场，直接跌出赢家组合。
-
受益
贸易战 / 关税
受益板块（国产替代、军工、内需）形成持续超额收益。
-
受益
地缘冲突（能源 / 军工）
相关板块受事件驱动形成持续动量。
-
双向
大选 / 政党轮替
产业偏好与风格切换，动量排序面临重排。
适应 / 崩坏边界：适应：趋势延续、风格稳定、风险偏好一致的顺周期环境。崩坏：市场急转、政策转向、衰退末期反弹导致的动量崩溃。
💡 讨论引导（点击可一键提问）
不知从何说起？挑一个问题直接发问，帮助社区冷启动。
🧩 策略实现代码区 0 个实现
同一策略派系下，社区成员各自分享自己的代码实现；社区投票 + 官方评选，最优秀的实现会被选为「代表实现」置顶展示。
登录后提交实现还没有实现，欢迎成为第一个分享者。
💬 讨论区
- 还没有评论，来做第一个吧。