📈 Quant Strategy Schools Quant Schools

🌐 In-depth sections (principle, code, trade-offs, references) are kept in the original Chinese for now; translations are being added progressively.

Factor / Multi-Asset Level：Intermediate #动量#多资产#横截面

Cross-Sectional Momentum

Plain words

Rank assets by past returns and hold recent winners while shorting recent losers.

✅ Strengths

  • 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）

⚠️ Weaknesses / Risks

  • 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

Reference code 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)

A minimal runnable snippet for understanding the idea only — live use requires data, fees, risk controls and a backtest framework.

References

🌦️ Suited market regime

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）。

⚔️ Strategy matchups

Counters

Countered by

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。

🌍 Global macro & political shocks

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。

📈 Macro factors

  • Benefits 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。

  • Two-sided 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。

  • Hurt 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。

  • Hurt 波动率骤升

    高风险资产被集中抛售，前期强势股领跌。

  • Benefits 全球同步复苏

    顺周期板块强者恒强，横截面分化持续。

🏛️ Political & geopolitical events

  • Hurt 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。

  • Hurt 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。

  • Benefits 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。

  • Benefits 地缘冲突（能源 / 军工）

    相关板块受事件驱动形成持续动量。

  • Two-sided 大选 / 政党轮替

    产业偏好与风格切换，动量排序面临重排。

Thrives / breaks down：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。

💡 Conversation starters (click to ask)

Not sure where to start? Pick a question and post it.

💬 Discussion