Barra模型因子的构建及应用系列三之Momentum因子

一、摘要

在之前的Barra模型系列文章中，我们已经初步讲解、构建了Size因子和Beta因子，并分别创建了对应的单因子策略。通过回测发现，其中Size因子的小市值效应具有很强的收益能力。而本篇文章将在该系列下进一步构建Momentum因子。

二、模型理论

Barra模型的Momentum因子的计算方法如下：

基于上述定义，Barra模型的动量因子是由最近2年期的长期动量减去最近1个月的短期动量构建而成的，而动量的构成是基于指数加权移动平均方法，而该方法在Beta因子中已有用到。无风险收益假设为2%。日频的1个月短期动量往往具有反转效应，为此在计算长期动量时需要剔除近期涨跌幅的影响（切莫追高哦）。

三、因子分析

使用alphalens进行对Momentum因子进行分析（2022年）。

从收益分析来看，Momentum因子的alpha收益随着调仓周期的增大而降低，beta收益随着调仓周期的增大而增大，但alpha收益远大于beta收益；因子值的最小分组贡献正收益，最大分组贡献负收益，且收益主要集中于负收益端。

从信息系数来看，IC均值（IC Mean）为正，IC均值随着调仓周期单调递增，且IC均值大于0.05，选股能力强；10日和21日的IC标准差相对较小，经计算可知21天的调仓周期下IR为1.11(>0.5)，该周期下因子稳定获取超额收益的能力较强。

从因子分组的平均期望收益来看，Beta因子的单调性很好，但问题在于收益主要集中于弱动量端的负收益上，而强动量端虽然贡献了正收益，但第4组-第10组的正收益区分度较小，且正收益并不是很强。这说明后边构建的股票多头策略可能收益并不能很亮眼。

四、回测分析

回测时间：2022-01-01至2023-01-31（月底换股）

回测品种：全A股（剔除ST股、停牌股和一年以内的次新股）

初始资金：100万

手续费：0.0007（双边万二佣金+单边千一印花税，共千1.4，即双边万7）

滑点：0.00123（双边千1.23）

最大持仓数量：30只

从回测结果来看，策略年化收益率为-3.55%，最大回撤29.92%。虽然能够跑赢大盘指数，但波动率和最大回撤偏大，策略效果并不理想。

而这与我们前文的因子分析结论相一致。虽然强动量在2022年的A股市场表现一般，但弱动量能够贡献很强的负收益，虽然不能直接做空弱动量，但如果在其他策略中过滤弱动量股票，相信能够带来很大的改善。

本期的策略源码已免费分享至掘金量化社区，访问下方链接即可前往获取。

传送门：https://bbs.myquant.cn/thread/3343