跳到主要内容

截面动量 · 横截面排序选股

直觉​

前面两条均线是时间序列动量（和自己过去比）。截面动量换了个角度：不预测绝对涨跌，而是在同一时刻，把所有股票按过去涨幅排序，做多最强的、做空最弱的。它不赌大盘涨跌，只赌「强者恒强、弱者恒弱」的相对排序。

策略规则​

每个交易日 tt：

  1. 算每只股票过去 KK 期的动量（如 6 个月收益）；
  2. 按动量横截面排序（rank(axis=1)）；
  3. 做多排名最高的 nn 只（等权）、做空排名最低的 nn 只（等权）；
  4. 多空对冲，组合收益 = 多头收益 − 空头收益。
RtLS=1n∑i∈Topri,t−1n∑j∈Botrj,tR^{\text{LS}}_t = \frac{1}{n}\sum_{i\in\text{Top}} r_{i,t} - \frac{1}{n}\sum_{j\in\text{Bot}} r_{j,t}
「人话」解释：为什么「多空对冲」而不是只做多？

只做多「最强的」依然暴露在大盘涨跌上——大盘暴跌时最强的也难幸免。 多空对冲（long-short）把市场敞口尽量抵消，剩下的纯粹是「强者减弱者」的相对超额，这正是 模块 0 说的 Alpha。 这也是为什么截面动量是因子投资（模块 5）的经典原型。

:::caution 关于时序对齐（防前视） 动量用「过去 KK 期」的收益排序，决策发生在 tt 收盘；实际持仓要用 t−1t-1 收盘的信息去吃 tt 的收益。代码里我们对动量做 shift(1)，与引擎 shift(1) 防前视的约定一致。 :::

可运行案例：50 只合成股票的截面动量​

读取 sp500_universe_daily.csv（50 只合成股票的宽表），构造 6 月动量、取前后各 10 只做市中性多空，看资金曲线与指标。

import quant
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

prices = pd.read_csv('/data/sp500_universe_daily.csv', parse_dates=['date']).set_index('date')
n_stocks = prices.shape[1]
nlong = 10

# 6 月动量(126 日收益)，shift(1) 防前视
mom = prices.pct_change(126).shift(1)
ranks = mom.rank(axis=1, method='first')
long_mask  = ranks > (n_stocks - nlong)      # 前 nlong 名
short_mask = ranks <= nlong                  # 后 nlong 名

ret1 = prices.pct_change()
long_ret  = (ret1 * long_mask).sum(axis=1)  / nlong
short_ret = (ret1 * short_mask).sum(axis=1) / nlong
ls_ret = (long_ret - short_ret).fillna(0.0)

equity = (1 + ls_ret).cumprod()
mkt = (1 + ret1.mean(axis=1).fillna(0.0)).cumprod()

print(quant.performance_summary(equity, ls_ret, freq=252).round(3))

plt.figure(figsize=(9, 3.8))
plt.plot(equity, color='crimson', label='多空截面动量(LS)')
plt.plot(mkt, color='#94a3b8', label='等权全市场(对比)')
plt.title('截面动量多空组合 vs 市场'); plt.ylabel('净值'); plt.legend()
plt.tight_layout(); plt.show()

动手改一改：拖动参数即时看回测​

拖动动量窗口与多空持仓数——窗口越短越可能从「动量」翻转为「反转」；持仓数越少波动越大。

# ParamSlider（SSR 预览）
参数: LOOKBACK, NLONG

import quant
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

prices = pd.read_csv('/data/sp500_universe_daily.csv', parse_dates=['date']).set_index('date')
n_stocks = prices.shape[1]
mom = prices.pct_change(LOOKBACK).shift(1)        # 防前视
ranks = mom.rank(axis=1, method='first')
long_mask  = ranks > (n_stocks - NLONG)
short_mask = ranks <= NLONG

ret1 = prices.pct_change()
long_ret  = (ret1 * long_mask).sum(axis=1)  / NLONG
short_ret = (ret1 * short_mask).sum(axis=1) / NLONG
ls = (long_ret - short_ret).fillna(0.0)
eq = (1 + ls).cumprod()

print(quant.performance_summary(eq, ls, freq=252).round(3))
plt.figure(figsize=(9, 3.6))
plt.plot(eq, color='crimson', label=f'LS 动量({LOOKBACK}日, 前{NLONG})')
plt.ylabel('净值'); plt.legend(fontsize=9); plt.tight_layout(); plt.show()

小结​

  • 截面动量 = 横截面排序，做多最强、做空最弱，市场中性；
  • 多空对冲剥离大盘 Beta，追求纯 Alpha；
  • 防前视：排序用 shift(1) 后的动量；这是模块 5 因子投资的骨架。