动量因子："强者恒强"的构造、变体与地域差异
我的掌握程度：
先掌握这个答案
标准构造：momentum_t = 过去12个月收益（剔除最近1个月）=P_{t-1}/P_{t-13}−1。skip的原因：最近一月承载着短期反转（q-407的主角）——不剔除的话两个相反效应互相抵消，动量信号被稀释。变体家族：①残差动量（特质动量）：先对市场/行业回归，取残差的累计收益——剥离风格后更纯、更稳（Blitz 2011）；②隔夜vs日内动量：A股研究发现隔夜段与日内段动量方向相反的奇观。A股现实：整体动量弱（甚至反转）、行业内动量相对有效——散户高换手+涨跌停制度是两大解释。
先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。
从理解到使用
本阶段实战方法 · 让一个因子经历完整的样本外检验
从一个投资直觉构造信号时，先验证预测关系，再验证能否交易。
- 写出经济假设、股票池、因子方向、可用时点、持有期和评价指标；用历史成分与退市样本。
- 在每个时点用可得数据计算因子，检验截面IC、分层收益、换手和行业市值暴露。
- 锁定参数做样本外验证，扣除成本并做不同市场阶段与参数敏感性分析。
使用边界
- IC没有通用合格线；股票池、频率、持有期与成本不同，数值不可直接横比。
- 多空分组收益不是个人可直接实现的收益，还要考虑融券、对冲与资金约束。
背景 · 从一个困惑说起
动量是横跨两百年、数百个市场的"市场第一异象"（Jegadeesh & Titman 1993；AQR 2017追溯至1801年）。但它的标准构造里藏着一个精妙的细节——"12-1"：为什么经典动量要剔除最近一个月？
由此产生的问题
标准动量的构造（12-1）与"skip month"的原因？主要变体（残差动量/隔夜动量）解决什么问题？A股动量为什么弱、怎么改造？
核心概念
标准构造：momentum_t = 过去12个月收益（剔除最近1个月）=P_{t-1}/P_{t-13}−1。skip的原因：最近一月承载着短期反转（q-407的主角）——不剔除的话两个相反效应互相抵消，动量信号被稀释。变体家族：①残差动量（特质动量）：先对市场/行业回归，取残差的累计收益——剥离风格后更纯、更稳（Blitz 2011）；②隔夜vs日内动量：A股研究发现隔夜段与日内段动量方向相反的奇观。A股现实：整体动量弱（甚至反转）、行业内动量相对有效——散户高换手+涨跌停制度是两大解释。
为什么需要它
①构造细节=因子质量：一个skip就把动量的IC提升近半——"魔鬼在构造里"是因子研究的第一课；②效应共存的地层学：短期反转（日-周）、中期动量（月-年）、长期反转（3-5年）在同一资产的不同时间层各霸一层——知道自己在挖哪一层，才不会互相打架；③跨市场纪律：美股因子搬到A股必须全套重检（q-050同款警告）——构造、方向、有效期都可能是本土的。
实际应用场景
A股可用版动量：行业内动量（同行业内排名）+剔除最近5日+cap中性化；检验流程完全走q-426/431标准线。
与之前知识的联系
q-407（反转）是它的镜像邻居——两者共享"时间分层"的世界观；q-35（阶段1均线）是动量的技术分析祖先；q-438（特质动量）是变体专讲。
⚠ 常见误解
- 动量=最近涨得越多越好：标准动量恰恰剔除最近一月——"刚涨的"属于反转层的领地，抢它会被反噬
- 动量在A股无效所以别学：整体弱≠全部弱——行业内、残差口径、隔夜拆分后仍有可用结构；"为什么弱"本身就是研究金矿
- 动量因子是长期持有型：动量崩溃（momentum crash）是著名现象——市场急反转时动量组合深跌；它的风控要用波动率调整（q-440拥挤度同款思路）
🛠 本题实践任务
在你的数据上实现三个版本动量（含近月/skip一月/skip一周），各做5分组检验。回答：你的市场里skip多少最能提纯动量？
💡 提示（先自己想5分钟再看）
A股经验值：skip 5-20个交易日常优于skip一月；分组后看Top组与Bottom组的方向一致性。
✅ 验收标准
三版对照表+最优skip结论。你刚做完一次真正的"构造参数校准"——研究味十足。
在你的浏览器内运行。首次需联网下载 Python；支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词，不代替逻辑审查。
Python · 独立工作线程 · 执行限时10秒
🤖 AI导师
导师会先检查你的前置知识（动量效应概念、因子检验流程），再用案例、公式和代码帮助理解。此功能需要先启用服务。