因子 / 多资产难度：进阶 #动量#多资产#横截面

横截面动量（赢家-输家组合）

通俗理解

不赌大盘涨跌，只赌'强者恒强、弱者恒弱'：在一篮子资产里买最近涨得最好的，卖（或做空）最差的。

✅ 优点

分散单一个股风险
与市场方向弱相关
学术证据扎实
可跨资产（股/商品/币）

⚠️ 缺点 / 风险

存在'动量崩溃'急跌
高换手、交易成本敏感
需做空/杠杆机制
不同市场季节性明显

参考代码 python

import pandas as pd def xsmom(ret: pd.DataFrame, j=12, k=1): # ret: 各资产月收益, 列=资产, 行=月 score = ret.rolling(j).mean().shift(k) longs = score.ge(score.quantile(0.8, axis=1), axis=0) shorts = score.le(score.quantile(0.2, axis=1), axis=0) weight = longs.astype(int) - shorts.astype(int) return weight.div(weight.abs().sum(axis=1).replace(0, 1), axis=0)

示例为最小可运行片段，用于理解思路；实盘需补充数据、手续费、风控与回测框架。

参考文献 / 延伸

Jegadeesh, N., & Titman, S. (1993). Returns to Buying Winners and Selling Losers.

🌦️ 适用市场环境

板块/个股分化明显、动量效应持续的市场（风格轮动、行业景气分化、风险偏好趋势化）。

⚔️ 策略博弈关系

克制的策略

均值回归（布林带 / Z-Score）

被克制的可能性

动量崩溃（市场急转）时被均值回归与多因子克制；高换手下被做市/高频吃滑点。

🌍 全球宏观与政治扰动影响分析

动量赌的是「赢家恒强」。宏观风险偏好一致时它很强，最怕的是政策或周期急转引发的「动量崩溃」——上一轮的赢家在反转中瞬间变成输家。

📈 全球宏观因子扰动

受益 宽松 / 流动性充裕（risk-on）
资金持续追逐强势板块，赢家组合自我强化。
双向 通胀 / 加息初期
风格从成长切向价值，动量组合可能踏错节奏，需动态调仓。
受损 衰退末期 → 复苏初期
典型动量崩溃窗口：前期输家反弹最猛，赢家补跌。
受损 波动率骤升
高风险资产被集中抛售，前期强势股领跌。
受益 全球同步复苏
顺周期板块强者恒强，横截面分化持续。

🏛️ 政治与地缘事件扰动

受损 监管打击特定行业（反垄断、教培、平台整治）
原赢家被政策直接重创，动量组合瞬间反向，是动量崩溃的典型诱因。
受损 制裁 / 出口管制
龙头标的被切断供应链或市场，直接跌出赢家组合。
受益 贸易战 / 关税
受益板块（国产替代、军工、内需）形成持续超额收益。
受益 地缘冲突（能源 / 军工）
相关板块受事件驱动形成持续动量。
双向 大选 / 政党轮替
产业偏好与风格切换，动量排序面临重排。

适应 / 崩坏边界：适应：趋势延续、风格稳定、风险偏好一致的顺周期环境。崩坏：市场急转、政策转向、衰退末期反弹导致的动量崩溃。

💡 讨论引导（点击可一键提问）

不知从何说起？挑一个问题直接发问，帮助社区冷启动。

💬 讨论区

还没有评论，来做第一个吧。