AGENT SKILL
momentum-reversal
动量与反转策略指南,包括行为金融学基础、动量反转效应的成因和A股量化策略。适用于需要理解和实施动量/反转投资策略的场景。
- License 许可
- MIT
- 最近更新
- 2026-02-27
- Stars
- ★ 11
- Forks
- 4
01 前言 Front Matter
- name
- momentum-reversal
- description
- 动量与反转策略指南,包括行为金融学基础、动量反转效应的成因和A股量化策略。适用于需要理解和实施动量/反转投资策略的场景。
02 资源文件 15
- 参考文档agents/openai.yaml357 B
- 参考文档evals/evals.json10.6 KB
- 参考文档evals/fixtures/iab-smoke-packet.md1.2 KB
- 参考文档evals/fixtures/migration-plan.md1.1 KB
- 参考文档evals/fixtures/orchestrator-fixture/README.md333 B
- 脚本evals/fixtures/orchestrator-fixture/src/pricing.py217 B
- 脚本evals/fixtures/orchestrator-fixture/tests/test_pricing.py740 B
- 参考文档evals/fixtures/product-route-plan.md1.0 KB
- 参考文档references/context-packet-template.md1.5 KB
- 参考文档references/in-app-browser-workflow.md10.7 KB
- 参考文档references/session-evidence-template.json2.7 KB
- 脚本scripts/build_attachment_bundle.py5.2 KB
- 脚本scripts/check_packet_safety.py4.3 KB
- 脚本scripts/validate_session_evidence.py7.0 KB
- 脚本tests/test_skill_contract.py11.0 KB
03 SKILL.md 正文
动量反转策略
基本概念
动量效应
过去一段时间强的股票,在未来一段时间继续保持强势。
反转效应
过去一段时间弱的股票,在未来一段时间会变强。
关键问题
- 强势/弱势持续多长时间?
- 幅度有多大?
行为金融学基础
有效市场假说(EMH)
- Fama于1965年提出
- 假设投资者理性
- 价格反映所有信息
市场异象
EMH无法解释的现象:
- 羊群效应
- 小公司效应
- 股权溢价之谜
行为金融理论
1. 羊群效应
- 投资者观察并模仿他人交易
- 信息不对称时容易产生
- 导致股价过度上涨或下跌
2. 小公司效应
- 小盘股收益率高于大盘股
- 1月份效应特别明显
- 部分由信息不对称导致
3. 反应过度与反应不足
- 过度反应:投资者过分重视近期数据
- 反应不足:投资者不能及时修正预测
4. 动量与反转效应
- 动量:短期强势持续
- 反转:长期趋势反转
阿尔法动量模型
核心理念
利用历史收益率的序贯相关性:
- 短期(1-12个月):动量效应
- 长期(3-5年):反转效应
选股策略
- 动量策略:买入过去强势股
- 反转策略:买入过去弱势股
A股市场特点
动量效应
- 存在但不明显
- 持续时间较短
- 短期(1个月)效果较好
反转效应
- 中期(3个月)反转较明显
- 长期效应不明显
- 热点切换频繁
策略构建
参数选择
| 参数 | 范围 | 说明 |
|---|---|---|
| 观测期 | 1-12个月 | 过去收益计算周期 |
| 持有期 | 1-12个月 | 组合持有周期 |
| 分组数 | 3-5组 | 股票分组数量 |
策略类型
-
多空策略
- 买入赢家组合
- 卖空输家组合
- 市场中性
-
多头策略
- 只买入赢家组合
- 不需要融券
收益计算
采用几何平均值:
组合收益 = (Π(1+ri))^(1/n) - 1
实证结论
风格动量
- 短期(1个月)存在动量
- 中期(3个月)反转明显
- 长期不明显
行业动量
- 1个月动量效应显著
- 3个月反转效应显著
- 建议以3个月为周期
注意事项
- 交易成本:频繁交易侵蚀收益
- 流动性:小盘股可能有流动性风险
- 时效性:动量效应可能快速消失
- 市场环境:牛熊市表现不同
实践建议
- 短期动量:1个月观测/持有
- 中期反转:3个月观测/持有
- 组合分组:5组分组
- 配合止损策略
04 同仓库更多 Skills
trend-following-timing
趋势追踪择时策略,包括传统均线指标(MA、MACD、DMA、TRIX)和自适应均线的原理与实操。适用于需要实施技术分析择时的场景。
★ 11
quant-timing-intro
量化择时基础知识,介绍量化择时的概念、框架和主要方法论。适用于需要理解择时策略基本框架的场景。
★ 11
market-sentiment-timing
市场情绪择时策略,基于投资者情绪指标和主成分分析构建情绪指数。适用于需要利用市场情绪进行大盘择时的场景。
★ 11
hurst-timing
Hurst指数择时模型,基于分形市场理论和R/S分析方法判断市场趋势拐点。适用于需要识别市场长期记忆性和趋势转折的场景。
★ 11
bull-bear-line
牛熊线择时模型,基于几何布朗运动理论判断大盘牛熊转换。适用于需要识别市场重大转折点的场景。
★ 11
style-rotation
风格轮动策略指南,包括价值/成长风格、大小盘风格的轮动规律和量化模型。适用于需要理解和实施A股市场风格轮动投资的场景。
★ 11