量化交易入门必学之——动量策略，追涨杀跌也能赚钱？

本文观点仅供参考，不构成任何投资建议。投资有风险，入市需谨慎。

很多人听到"量化交易"四个字就觉得头大，什么阿尔法、贝塔、因子模型，一堆专业术语给你整懵了。其实量化没那么玄乎，很多经典策略逻辑简单得很，今天咱们就来讲讲最广为人知也最有争议的——动量策略。

一、什么是动量策略？说白了就是科学的追涨杀跌

你肯定听过"追涨杀跌"这个词，在散户圈子里这基本就是骂人的话，形容那些乱操作的韭菜。但有意思的是，动量策略本质上就是"追涨杀跌"，可它却在全球市场被验证了200多年，至今还是很多大型量化基金的核心策略。

动量策略的逻辑太好懂了：
过去一段时间涨得好的资产，未来一段时间大概率还会继续涨；过去跌得惨的，未来大概率还会继续跌。

就这么简单？对，就这么简单。

举个生活中的例子你马上就懂：假设你去商圈吃饭，两家店挨在一起，一家排起长队，一家空无一人。你大概率会选择排队那家，对不对？你的逻辑就是：这么多人排队说明东西好吃，好吃的店接下来还会好吃，继续排队。这就是生活中的"动量效应"。

放到股市里也一样：一只股票从10块涨到15块，说明肯定有什么利好推动着它——公司业绩变好，或者行业风口来了。这个利好不会第二天就消失，价格涨势也不会一天就结束。所以你买入已经涨起来的股票，期待它继续涨，这就是动量策略做多。反过来，一只股票从10块跌到7块，说明公司肯定出问题了，你卖出它甚至做空它，这就是动量策略做空。

这个现象不是谁拍脑袋编出来的，是被无数学术研究实打实验证过的。1993年，两位学者Jegadeesh和Titman发了篇开创性论文，他们发现：买入过去3-12个月表现最好的股票，卖空表现最差的，扣除交易成本后每年还能赚12%的超额收益。后来这个发现在美国、欧洲、亚洲，甚至商品、外汇、加密货币市场都被反复验证过，时间跨度能追溯到1800年代——200多年了，动量效应从来没消失过。

那为什么动量效应一直存在？主要因为人性。

做投资的人都有几个根深蒂固的毛病：

• 赚钱了就早早落袋为安，把涨得好的股票卖了，这反而减缓了上涨速度，让利好不会一步到位
• 亏钱了就死扛，舍不得割肉，跌了也不卖，拖慢了下跌的速度
• 看到别人赚钱就忍不住跟进，越涨越买，进一步把价格推上去
• 好消息出来的时候，大家总是反应慢半拍，不会一步涨到合理价位，而是慢慢往上爬

这些人性弱点写在我们基因里，不会因为大家知道"动量效应"就消失。这就是为什么动量策略能长期有效。

当然，动量策略也不是稳赚不赔。它最大的风险叫"动量崩溃"，最典型的例子就是2009年金融危机之后：之前跌得最惨的垃圾股突然暴力反弹，之前抗跌的好股票反而涨不动，这时候做多赢股做空输股的动量策略就两面挨打，一个月能亏掉40%。这种事一般发生在市场从极端暴跌突然V型反转的时候，这也是我们后面要说的——动量策略有它适合的行情。

二、动量vs均值回归：一个追涨一个抄底，到底区别在哪？

讲动量策略就不得不提它的"对手盘"——均值回归策略，很多人搞不清楚这俩到底啥区别，既然都说到这了，我们就一起来搞清楚。

均值回归的逻辑刚好反过来：价格涨多了会跌回来，跌多了会涨回去，终究会回到它该有的"正常水平"。

比如你去买奶茶，一家店今天做活动排队特别长，活动结束人就少了，这就是均值回归；一只股票因为一个无关紧要的利空暴跌20%，但公司本身没毛病，之后价格会涨回来，这就是均值回归的应用。

看到没？它俩其实不是完全对立的，而是在不同时间尺度上同时存在。有个总结特别到位：

• 超短期（日内到几天）：微观结构影响，一般是均值反转
• 短期到中期（1-12个月）：动量效应最明显
• 长期（3-5年以上）：又变成均值回归

还是举个栗子：茅台从2015年开始走牛，每个阶段都不一样。2016-2018年，业绩持续超预期，股价一路涨，这时候用动量策略买入持有，能赚很多钱；到了2019-2020年，估值被炒得太高，远高于合理水平，之后两年持续下跌，这就是长期均值回归；如果在短期震荡的时候，比如2023年茅台在1600-1800区间来回晃，这时候高抛低吸做均值回归就比动量赚钱。

所以说，没有绝对的谁对谁错，不要想着就靠一个策略全场通吃，看你在什么时间尺度，什么行情下用它。

三、动量策略适合什么样的行情？它真的长期有效吗？

很多人说动量策略是"长期有效"，这句话没错，但它不是在所有行情都好用，它有自己舒服的周期。还是那句话，没有圣杯，没有能够全场通吃的策略。

先给结论：动量策略最喜欢趋势明确、波动率低的单边行情，最讨厌来回震荡、V型反转的猴市。

前面我们说过，动量策略赚的是趋势的钱，它天生不喜欢波动。价格来回晃的时候，你追进去涨两天就跌，杀跌完又反弹，反复打脸，几次止损下来钱就亏没了。只有当趋势走出来，不管上涨还是下跌，它才能赚到钱。

动量策略不管在哪个市场都是有效的，我们就拿大家熟悉的美股和不太熟悉的B圈举个栗子给大家看看。

股市例子：美股十年慢牛

美股从2009年到2020年走了十几年慢牛，整体趋势向上，波动率不高，这简直是动量策略的天堂。

为什么？因为慢牛里龙头公司就是不断创新高，苹果、微软、英伟达，你拿着动量策略，哪个创新高买哪个，一路持有，就能吃到大部分涨幅。反观那些天天想着抄顶摸底做均值回归的，早早就卖飞了，赚不到大钱。

但像最近这段行情，自从特不靠谱老头子在中东挑事，地缘冲突加剧，行情随着局势剧烈变化，市场来回震荡，一会儿涨一会儿跌，这时候动量策略就很难受，追涨就被套，杀跌就反弹，效果远不如均值回归。

B圈例子：2021年BTC牛市

币圈的趋势性比股市强多了，2021年BTC从一万美元涨到六万多，一路上涨不回头，这时候动量策略赚得盆满钵满。你在涨到两万、三万的时候追进去，它还能继续涨，每次创新高都加仓，最后能赚好几倍。

但到了年底，BTC从六万多跌到三万，然后又从三万涨到四万，来回震荡，这时候动量策略就惨了：跌的时候追空，刚空完就反弹；涨的时候追多，刚多完就跌，几个来回下来本金都亏没了。

那动量策略真的长期有效吗？我给你看数据：从1800年代到现在，不管哪个市场，动量策略长期下来都是正收益，它确实是金融市场上最稳健的"异象"之一。但它不是每年都赚钱，它往往是亏很多次小钱，然后抓住一次大趋势赚一波大的，把之前亏的都赚回来还能盈利。

就像开赌场，大部分赌客都是小输，偶尔几个大赢，整体长期下来还是赚的。动量策略也是这个道理，你得严格执行信号，不能因为几次连续亏损就放弃，否则你就错过那个大趋势了，所以，关键还是得拿的住，你必须相信你的策略。

你看，每个策略都有它的高潮也有它的低谷。我非常喜欢一句话：不在巅峰慕名而来，不在低谷转身而去。你没有勇气承担30%的回撤，就没有资格享受300%的盈利。

四、动量策略选股：两个原则帮你避开大部分坑

很多人用动量策略效果不好，不是因为动量失效了，是选股选错了。做动量选股，记住两个原则就够了：

原则一：只选长期向上的标的，排除爆雷风险

动量策略是"顺趋势"，你选的标的本身得有长期向上的动力，不然就是踩雷。什么意思？如果一家公司基本面越来越差，行业都没了，比如当年的胶片巨头柯达，它一路下跌不是"动量"，是真的要死了，你这时候去做空当然能赚钱，但你如果以为跌多了会反弹去抄底（反过来做动量），那肯定血本无归。

所以选股第一步，先把那些明显有爆雷风险的去掉：

• 连续亏损的ST股不要
• 行业被技术迭代淘汰的不要
• 财务造假嫌疑的不要
• 基本面已经明显恶化的不要

我们做动量，是赚趋势延续的钱，不是赌垃圾股反转，也不是赌问题公司起死回生。把时间留给那些本身就在不断成长的公司，成功率高得多。

原则二：选相关性尽可能低的资产，避免行情轮动打脸

动量策略一般都有一个选股池，要么是动态的要么是静态的。关于这个选股池怎么选，其实是很有讲究的，并非随便乱选。比如，我现在在模拟交易系统中正在跑的两个ETF动量策略，就是一个小池，一个大池。很多人一看池里有黄金、纳指，就说这个策略肯定是过拟合了，故意选这两个近几年表现好的大类资产，当然赚钱了，但以后你还能保证这俩还能这么赚钱吗？确实，谁都不敢保证以后的行情会怎么样。但是，我想说的是，为啥经常ETF类的动量策略会选它们俩，其实并不是因为它们最近几年涨得多，最主要的原因是因为它们的价格相关性很低。下面这张图是我拉了几个常见指数类动量标的的十年价格数据，做了一个相关性矩阵，大家可以看看它们的相关性是不是很低。除了黄金和白银的相关性达到65%左右，其他基本都在30%以下，相关性是比较低的。

为啥动量组合里面的标的相关性要很低，这个点很多人不知道，但非常重要。所以这里就涉及到一个做动量组合的原则，就是尽量选相关性低的不同资产，别都窝在一个赛道里。为什么？还是举个简单栗子，你的持仓全是AI股，哪怕都是动量排名靠前的，它们同涨同跌，一旦AI板块回调，所有股票一起跌，你的组合回撤会非常大。但如果你 AI、消费、医药、能源各配一点，它们之间相关性低，这个跌那个可能涨，整体回撤就能小很多，心态也好很多。

举个极端例子：假设你选了两个完全负相关的资产，一个涨一个必然跌。动量策略会做多涨的那个，做空跌的那个，看起来是对冲，但实际上它俩的趋势其实是同一个因素驱动的，相当于你只压了一个方向，根本没分散风险。

所以记住：相关性越低，分散效果越好，组合净值曲线越平稳，你拿得住，才能赚到长期的钱。

五、20日动量因子Python代码实战

讲了这么多理论，咱们来点真家伙——动量因子到底怎么算？我给你写一个最简单的20日动量选股例子，代码你可以直接拿去用。

20日动量的逻辑特别简单：计算一只股票过去20天的涨跌幅，这个涨跌幅就是它的动量因子。然后把所有股票按动量因子排序，选涨得最多的前N只买入，就是最简单的动量选股策略。

我们用pandas来实现，假设你已经有了所有股票的收盘价数据，代码如下：

importpandasaspdimportnumpyasnpdefcalculate_20d_momentum(price_df:pd.DataFrame)->pd.DataFrame:""" 计算20日动量因子 参数: price_df: 收盘价DataFrame，每行是一个日期，每列是一只股票 返回: momentum_df: 每只股票的20日动量值，动量 = (当前收盘价 / 20日前收盘价) - 1 """# 计算20日涨跌幅，就是动量因子momentum_df=price_df/price_df.shift(20)-1returnmomentum_dfdefselect_top_momentum_stocks(momentum_df:pd.DataFrame,top_n:int=10)->list:""" 筛选动量最大的前N只股票 参数: momentum_df: 计算好的动量因子DataFrame top_n: 选多少只股票，默认10只 返回: 选中的股票代码列表 """# 取最新一天的动量值进行排序latest_momentum=momentum_df.iloc[-1].dropna()# 从大到小排序，取前top_n只top_stocks=latest_momentum.sort_values(ascending=False).head(top_n).index.tolist()returntop_stocks# ------------------- 使用示例 -------------------if__name__=="__main__":# 假设你已经通过Tushare、AkShare等接口获取了收盘价数据# 这里模拟一个价格数据，实际使用时替换成你自己的数据dates=pd.date_range(start='2025-01-01',end='2025-03-31',freq='B')stocks=['StockA','StockB','StockC','StockD','StockE','StockF','StockG','StockH','StockI','StockJ']# 随机生成模拟价格，实际使用替换成真实收盘价np.random.seed(42)price_data=np.cumprod(1+np.random.normal(0,0.02,size=(len(dates),len(stocks))),axis=0)price_df=pd.DataFrame(price_data,index=dates,columns=stocks)# 计算20日动量momentum=calculate_20d_momentum(price_df)# 选动量最大的4只股票selected=select_top_momentum_stocks(momentum,top_n=4)print("最新交易日20日动量最大的4只股票:")print(selected)print("\n最新动量值:")print(momentum.iloc[-1][selected])

代码非常简单，核心逻辑就是一句话：动量 = 最新价 / 20天前的价格 - 1，就是过去20天的涨跌幅。涨得越多，动量越大，我们就买它。

当然，这只是最基础的版本，实盘你还要加这些东西：

1. 去掉停牌、成交量太低的股票，保证能买进去
2. 设定再平衡周期，比如每个月换一次仓，重新计算选股
3. 加上止损止盈，控制单次亏损
4. 如果要更平滑，可以用5日、10日、20日动量结合，或者用换手率加权

但核心逻辑就是这么简单，不信你可以找历史数据回测一下，就会发现这个最简单的策略长期下来收益并不差。

写在最后：动量策略适合普通投资者吗？

看完这篇，你可能会问：我一个散户，适合做动量策略吗？

我的答案是：适合，但你得能接受它的缺点。

动量策略的优点是逻辑简单，容易执行，只要你严格按信号操作，在有趋势的行情里赚得很爽；缺点就是震荡行情会连续止损，心态不好的人扛不住，很容易在连续亏损之后放弃，结果错过后面的大趋势。

说白了，动量策略赚的就是"亏小钱赚大钱"的钱，你得接受很多次小亏，才能等到那一次大赚。对散户来说，最难的不是选股不是计算，是严格执行信号，管住手不瞎操作。