10、价格动量策略：动量因子计算、动量反转信号

动量策略，说白了就是「追涨杀跌」的量化版本。我刚开始做高频交易那会儿，觉得这玩意儿太简单了——涨了就买，跌了就卖，谁不会啊？结果实盘跑了一个月，亏得我怀疑人生。后来才明白，动量因子的计算和反转信号的识别，里面的门道深着呢。

10.1 动量因子的核心逻辑

动量因子的本质，是衡量价格变化的「加速度」。你想想看，一辆车如果加速很快，说明发动机动力足；价格也是一样，短时间内涨得猛，说明买方力量强。

我个人习惯把动量因子分成两类：

• 绝对动量：直接看价格涨了多少。比如过去N根K线，收盘价涨了5%。
• 相对动量：看价格相对于某个基准的强弱。比如个股涨了3%，但大盘涨了5%，那相对动量其实是负的。

高频场景下，我一般用绝对动量多一些。为什么？因为高频交易追求的是「快」，相对动量计算起来要额外处理基准数据，延迟受不了。

10.2 动量因子的计算方法

计算动量因子，最常用的就是滚动窗口。我给你们看一段代码，这是我在实盘里用过的版本：

import pandas as pd
import numpy as np

def calculate_momentum(price_series, window=20):
    """
    计算动量因子
    :param price_series: 价格序列，pandas Series
    :param window: 回看窗口，默认20个周期
    :return: 动量因子序列
    """
    # 计算收益率
    returns = price_series.pct_change(window)
    
    # 处理缺失值
    momentum = returns.fillna(0)
    
    return momentum

# 示例用法
prices = pd.Series([100, 102, 101, 105, 108, 107, 110])
momentum_20 = calculate_momentum(prices, window=3)
print(momentum_20)

这段代码看着简单，但我曾经踩过一个坑。你们猜是什么？

嗯，是前向偏差。我在一个项目里，用未来数据计算了动量因子，结果回测曲线漂亮得不像话，实盘直接崩了。后来排查才发现，我用的pct_change默认是向后看，但我代码里写错了参数，变成了向前看。所以啊，一定要确认你的窗口方向是对的。

10.3 动量反转信号

动量策略有个致命问题：物极必反。涨得太猛了，迟早要回调；跌得太狠了，也会反弹。这就是动量反转信号。

我一般用两个指标来判断反转：

1. 动量衰减率：如果连续N个周期的动量值在下降，说明上涨动力不足，可能反转。
2. 极值阈值：设定一个阈值，比如动量因子超过±5%，就认为进入了「过热」或「过冷」状态。

10.4 动量策略的实战框架

下面这张图是我自己总结的动量策略框架，你们可以照着搭：

这个框架的核心就是：先判断动量方向，再判断动量是否要反转。如果动量持续，就顺势做；如果动量要反转，就逆势做。

10.5 动量反转信号的识别算法

我给你们看一个我实际用过的反转信号识别代码：

def detect_momentum_reversal(momentum_series, lookback=5, threshold=0.03):
    """
    检测动量反转信号
    :param momentum_series: 动量因子序列
    :param lookback: 回看周期
    :param threshold: 反转阈值
    :return: 反转信号（1=正反转，-1=负反转，0=无信号）
    """
    signals = np.zeros(len(momentum_series))
    
    for i in range(lookback, len(momentum_series)):
        # 取最近lookback个周期的动量
        recent_momentum = momentum_series[i-lookback:i]
        
        # 计算动量衰减
        momentum_slope = np.polyfit(range(lookback), recent_momentum, 1)[0]
        
        # 判断反转条件
        if momentum_slope < -threshold and recent_momentum[-1] > 0:
            # 正动量在衰减 → 可能向下反转
            signals[i] = -1
        elif momentum_slope > threshold and recent_momentum[-1] < 0:
            # 负动量在衰减 → 可能向上反转
            signals[i] = 1
    
    return signals

10.6 动量策略的常见陷阱

做动量策略这些年，我踩过的坑可以写本书了。挑几个重点说说：

• 窗口选择：窗口太短，信号太多，手续费吃掉利润；窗口太长，反应太慢，吃不到肉。我个人习惯用5-20个周期，具体看品种的波动特性。
• 滑点影响：高频交易里，滑点可能是你最大的敌人。动量策略在价格快速变动时进场，滑点尤其大。我一般会在信号出现后，等一个「确认K线」再进场。
• 过拟合：这个我最有发言权。我曾经为了追求回测曲线好看，调了十几个参数，结果实盘一塌糊涂。后来学乖了，参数越少越好，逻辑越简单越好。

10.7 实战中的参数调优

下面这个表格是我在实盘中常用的参数范围，你们可以参考：

调参这件事，说白了就是「试错」。我建议你们先用历史数据跑一遍，看看参数对收益曲线的影响。别一上来就想着找到「最优参数」，先找到一个「不亏钱」的参数组合，再慢慢优化。

好了，关于动量策略的核心内容就这些。记住一句话：动量是趋势的朋友，反转是趋势的敌人。你能识别出什么时候是朋友、什么时候是敌人，就能在市场上活得更久。