一、計算动量因子
- 确定交易对象:股票池、考虑流动性(沪深300/创业板)
- 选定业绩评价周期:过去1-12个月
- 计算形成期的收益率:过去N个月的收益率
- 对收益率进行排序:最佳-赢家组合、最差-输家组合
- 确定持仓/换仓周期:1个月、可自定义测算
- 连续或间隔一段时期,不断重复2-5步骤
- 计算动量/反向策略各持有率的回报率
- 计算t/p统计值,判断是否存在动量效应
二、实战
2.1所有股票收盘价的拼接
将所有个股的收盘价拼接到一张表,方便之后的计算和预览。
# 获取沪深300股票池
def get_data(index_symbol = '000300.XSHG'):
#获取股票列表代码(沪深300、创业板、上证)
stocks =st.get_index_list(index_symbol=index_symbol)
#拼接收盘价数据
data_concat = pd.DataFrame()
#获取股票数据
for code in stocks[0:9]:
data = st.get_single_price(code, 'daily')
#取出收盘价这一列
res = pd.DataFrame(data,columns=['close'])
#修改收盘价这一列的名称为股票代码
res.columns = [code]
#拼接多个股票的收盘价(日期、股票A收盘价、股票B收盘价)
data_concat = pd.concat([data_concat, res],axis = 1)
#预览股票数据
print(data_concat.tail())
运行结果
到這裏,我们获取了股票的收盘价,并且全部拼接起来。
我们再将get_data
函数优化一下:
# 获取沪深300股票池
def get_data(start_date, end_date, index_symbol = '000300.XSHG'):
#获取股票列表代码(沪深300、创业板、上证)
stocks =st.get_index_list(index_symbol=index_symbol)
#拼接收盘价数据
data_concat = pd.DataFrame()
#获取股票数据
for code in stocks[0:9]:
data = st.get_single_price(code, 'daily', start_date=start_date, end_date=end_date)
#取出收盘价这一列
res = pd.DataFrame(data,columns=['close'])
#修改收盘价这一列的名称为股票代码
res.columns = [code]
#拼接多个股票的收盘价(日期、股票A收盘价、股票B收盘价)
data_concat = pd.concat([data_concat, res],axis = 1)
#预览股票数据
return data_concat
2.2动量因子计算
# 动量策略
def momentum(data_concat, shift_N = 1):
#转换时间频率:日转换为月
data_month = data_concat.resample('M').last()
print(data_month.head())
#计算过去N个月的收益率 = 期末值/期初值 -1
shift_return = data_month / data_month.shift(shift_N) -1
print(shift_return.head(10))
return shift_return
if __name__ == '__main__':
# 测试获取沪深300 前9个个股数据
data_concat = get_data('2020-01-01', '2021-04-01')
# 测试 动量策略
momentum(data_concat)
运行结果: