动量策略——yyds

今天来看一看什么叫yyds!

动量策略是一个古老的策略了，说白就是“追涨杀跌”。

这在投资里不算什么好词，大家通常这样形容“韭菜”，但是如果你能一如继往的坚持，效果可能不一样。

设定好规则，交给机器做，这完全不是一码事。

不说废话，先上结果：

近十年，年化25.6%，最大回撤才21.1%，夏普比接近1.3。

而年化最高的创业板指数年化11.1%，最大回撤达到69.7%。

策略特别简单，就使用了一个指标——20日动量。

我们在表达式里，添加了一个变量Return($close,N)，即计算过去20天某一个变量的滑动收益率。

class Return(Rolling):
    def __init__(self, feature, N=20):
        self.N = N
        super(Return, self).__init__(feature, self.N, '')

    def _load_internal(self, instrument):
        series = self.feature.load(instrument)
        se = series / series.shift(self.N) - 1
        ret = pd.Series(se, index=series.index)
        return ret

然后直接使用可视化界面进行配置：

几分钟，如果你熟悉的话，可能是一分钟以内就可以搞定！

我把中证500去掉，结果差不多，仍然是年化19%，最大回撤在19%以内，更好了一些。

修改为10日动量之后，年化收益降到12.9%，而最大回撤接近30%。

如下图所示：

可以说动量策略，这个因子对于N个这个参数是比较敏感的。

这时，我们可能要问那15天会怎么样，5天呢？

量化的好处一则可以在一定的区间，对参数做敏感性的分析。

其次可以更加严谨的做因子分析，这个在机器模型里应用得更多。