4. 动量因子入门
在价值、质量、低波等因子之外，动量因子是量化投资中使用最广泛、也最容易被误解的一类因子。它的核心思想非常朴素：过去表现较强的资产，在未来一段时间内往往仍有较大概率延续相对强势；过去表现较弱的资产，也容易继续落后。但真正把动量因子做成可复现、可交易、可解释的信号，需要先厘清定义、分类与背后的经济逻辑。
一、动量因子的定义：从“收益率排序”开始
动量因子最基础的定义，是把资产在某个“形成期”内的累计收益作为打分依据，再在横截面上排序。形成期通常记为 lookback，持有期记为 holding。例如，用过去 12 个月收益率（剔除最近 1 个月）排序，买入前 20%、卖出后 20%，每月调仓，这就是经典的 12-1 动量。
用公式表达，个股 i 在 t 时刻的动量得分可以写成：
mom_i,t = P_i,t-1 / P_i,t-1-lookback - 1
其中：
P_i,t-1 表示剔除最近一个月后的价格
lookback 形成期长度，如 12 个月、6 个月
mom_i,t 动量因子原始值这里有两个关键细节。第一，动量不是“涨得多”本身，而是“相对排名靠前”。因子值必须做横截面标准化或排序，才能转化为组合权重。第二，形成期与持有期之间通常要留出间隔，最典型的是剔除最近 1 个月，以规避短期反转效应和买卖价差、流动性冲击带来的偏差。
二、价格动量与基本面动量：两条不同的信号来源
动量因子并不只有价格一条路径。按照信号来源，可以分成价格动量与基本面动量两大类。
| 维度 | 价格动量 | 基本面动量 |
|---|---|---|
| 信号来源 | 历史价格、收益率序列 | 盈利、营收、ROE、分析师预期等 |
| 典型构造 | 12-1 月收益率、52 周高点距离 | 盈利超预期、盈利上调、ROE 环比改善 |
| 数据频率 | 日频、月频，更新快 | 季频、事件驱动，更新慢 |
| 主要风险 | 反转、拥挤、交易成本 | 财报滞后、预期修正不持续 |
| 常见组合 | 与低波、质量因子配合 | 与价值、质量因子配合 |
价格动量的优势是数据干净、覆盖广、可回测性强；缺点是容易在市场拐点遭遇剧烈反转。基本面动量更接近“业绩趋势”，逻辑上更稳健，但数据频率低、披露滞后，且需要处理预期数据中的前视偏差。实务中，很多多因子模型会把两者同时纳入，用价格动量捕捉交易行为，用基本面动量捕捉盈利趋势。
三、动量因子的逻辑：为什么它会存在
动量因子长期存在，主要来自三类解释。
- 行为金融解释：反应不足与反应过度。投资者对新信息往往反应不足，导致价格逐步调整；当信息持续验证时，又可能反应过度，形成趋势延续。动量因子正好捕捉这一过程。
- 风险补偿解释：高动量资产可能承担了更高的宏观风险、流动性风险或拥挤风险，因此需要更高预期收益补偿。
- 微观结构解释：资金流、机构调仓、指数纳入等机制会带来持续买卖压力，使强势资产在短期内继续强势。
但动量也是典型的“脆弱因子”。它在市场剧烈反转、波动率骤升或流动性枯竭时容易失效。因此，动量因子很少单独使用，通常需要与低波、质量、价值等因子配合，形成更稳健的多因子组合。
四、方法流程：从原始价格到可交易信号
一个可复现的动量因子构建流程通常包括以下步骤：
1. 确定股票池与调仓频率
2. 计算形成期累计收益
3. 剔除最近 1 个月，避免短期反转
4. 横截面排序或标准化
5. 分组构建多空组合
6. 加入交易成本、涨跌停、停牌处理
7. 回测与归因分析下面是一个简化的 Python 示例，展示如何计算 12-1 动量：
import pandas as pd
# 假设 price 为月度收盘价，index 为日期，columns 为股票代码
# 计算 12 个月累计收益
mom_12 = price / price.shift(12) - 1
# 剔除最近 1 个月，得到 12-1 动量
mom_12_1 = mom_12.shift(1)
# 横截面排序，转为分位数
mom_rank = mom_12_1.rank(axis=1, pct=True)
# 选择前 20% 作为多头，后 20% 作为空头
long_signal = mom_rank >= 0.8
short_signal = mom_rank <= 0.2五、案例场景：动量因子在 A 股的应用差异
在 A 股市场，动量因子的表现与存在明显差异。由于散户占比高、涨跌停制度、壳价值与主题炒作等因素，短期动量容易反转，而中期动量（如 6 至 12 个月）相对更稳定。一个常见做法是：用 12-1 价格动量捕捉中期趋势，同时用盈利上调、ROE 改善等基本面动量做过滤，剔除纯题材驱动、缺乏业绩支撑的强势股。
例如，某组合在 2020 年至 2023 年的回测中，单纯价格动量多空组合年化收益约 8%，但最大回撤超过 25%；加入质量因子（ROE 稳定性）与低波因子后，年化收益降至 6.5%，但最大回撤收窄至 14%。这说明动量因子的价值不在于“收益最高”，而在于与其他因子形成互补。
六、常见误区与复盘
- 误区一：把动量等同于追涨。动量因子是系统化、规则化的横截面排序，不是主观追热点。
- 误区二：忽略交易成本。动量因子换手率通常较高，若不做成本约束，回测收益会被严重高估。
- 误区三：不做行业中性化。动量得分可能集中在少数行业，导致组合行业暴露过大。
- 误区四：用未来数据。财务数据、分析师预期数据必须按公告日对齐，不能按报告期直接使用。
复盘时，建议重点检查三件事：因子覆盖度、分组单调性、多空收益稳定性。如果分组收益不单调，或多空收益主要来自空头，说明因子可能被某些风格暴露主导，需要进一步中性化或与其他因子合成。