近期，我围绕动量因子构建了多个量化策略，但实际操作中收益和回撤都不尽如人意。于是，我在社区发帖分享了自己的回测情况，有人推荐我阅读了一本相关的书籍，以下是我的新视角解读。

简而言之，该策略旨在利用动量因子发掘上升趋势明显的股票，买入并持有，直至趋势结束，以期在牛市中获得超额收益。

作者选用标普500作为股票池，其逻辑是：一只股票能够被纳入指数，往往是因为其过去的价格走势强劲。而当股票被从指数中剔除时，通常是因为其价格表现不佳，市值跌落至要求之下。这使标普500指数在某种程度上自然地具备了动量策略的特征。

关于动量效应，作者解释说，一只股票在经历一段时间的价格上涨后，继续上涨的概率通常大于下跌的概率。而且，作者不仅通过计算股票的年化收益率来作为动量因子筛选股票，还设定了一些附加条件，例如：

股票价格必须高于其100日均线。若非如此，则说明其不符合动量标准。因为在上涨市场中，表现优异的股票价格通常会远高于其100日均线。但在熊市或市场转换期，上涨股票较少，这一规则有助于避免买入横盘或下跌的股票。

同时，作者提醒注意价格缺口。若某股票在过去90天内价格缺口超过15%，则取消其买入资格。因为如果不排除这一情况，可能会误买入非真正的动量股票，比如短期冲击可能导致股价大幅波动，即使对年化收益率进行了修正，也可能无法抵消这一影响。

动量因子的应用本质上是一种趋势跟随策略，而该策略的弊端及补偿方案，原书中也有所提及：在市场横盘整理或快速切换方向时，趋势跟随者可能会亏损。在某些市场或行业，这种现象可能持续多年，甚至长达十年。因此，趋势跟随策略的核心在于多元化，通过同时交易多种不同类别的资产，以提高成功概率，并用盈余资金弥补在某一资产类别上的损失。

这一观点在实际回测中也得到了验证，策略收益基本未能跑赢大盘。

以下是策略优化后的流程图，以及核心算法的介绍：

股票排名以稳步上升的股票为筛选目标，不仅要求收益可观，还要尽可能平稳。主要依据两个指标：股票年化收益和波动率。年化收益通过指数回归计算日涨幅得出，波动率则通过r-squared判定系数衡量价格序列与回归直线的拟合程度。最终将二者乘积作为股票评分。

头寸规模的计算引入了ATR（平均真实波幅）指标，用于衡量股票价格波动。根据ATR和风险因子设定头寸规模，并设定阈值，以减少换手率和避免过多小额交易。

本次回测复制了原书策略，以沪深300代替标普500，未针对A股市场做调整。牛市中表现尚可，但在熊市和震荡市需结合其他策略进一步优化。

作者关于参数优化的观点令人印象深刻：不应过分追求精确数字，而应深入思考策略理念。过度优化可能导致策略失去健壮性。从这一角度看，我对动量策略的表现感到满意。