标签： #动量

同一个『买过去赢家、卖过去输家』的排序策略, 持有 1 个月是亏的(短期反转), 持有 12 个月却赚钱(动量)——差别只在持有期 h。本文把它拆成两个隐藏成分: 短期『过度反应』仅 lag-1 反转(γ_R(1)=-θσ_O²<0, lag≥2 归零)与长期『信息动量』持久(γ_M(h)=σ_M²·φ_M^h>0, 衰减慢)。300 股 × 2982 日合成面板实跑: rank-IC 从 -0.109 翻到 0.012、L-S 月均收益由 -3.23 翻到 0.33、拐点出现在 h*≈3 并在 h=6-12 区间随动量累积持续增强。附完整 Python 与六类真实陷阱(中阶)。

同一个策略,日频回测夏普 0.78,切到周频只剩 0.66——不是策略变了,是你的采样频率在偷偷改答案。根因是日收益的一阶自相关:正自相关(动量)让周频夏普系统性偏低、负自相关(均值回复)让它偏高。本文用 AR(1) 合成序列 + 200 次蒙特卡洛证明偏差可超 ±15%,附完整 Python 与五类真实陷阱(中阶)。

经典动量(12 个月)在拐点最痛——刚追进去就反转。但比动量更短、更干净的，是 1 个月尺度的「短期反转」：过去一个月涨得最多的股票，下个月倾向于回吐。本文把它拆进「隔夜 vs 日内」两个成分：隔夜收益是近乎纯噪声、且快速均值回复的过度反应，日内收益才承载真实信息与(轻微)动量。合成面板实跑：按过去 1 月隔夜收益排序买输家卖赢家，十分位严格单调下滑、多空年化 22%，而日内动量年化仅 3.4%；rank-IC 随持有期从 1 月的 −0.058(反转)翻正到 12 月的 +0.209(动量)——这正是「期限越短越反转、越长越动量」的教科书式 flip。附完整 Python 与六类真实陷阱(中阶)。