Python动量策略实战：大幅跑赢市场的底层逻辑

作者：老余捞鱼

原创不易，转载请标明出处及原作者。

写在前面的话：最近我深入研究了一种基于动量策略的量化投资方法，并用Python实现了它。动量策略的核心是“追涨杀跌”，通过历史数据预测未来趋势。在这篇文章中，我分享了如何用Python从数据获取、策略构建到回测的全过程。如果你对量化投资感兴趣，这篇文章会是一个不错的入门指南。

一、什么是动量投资策略？

动量投资（Momentum Investing）是一种基于价格趋势和市场情绪的投资策略，旨在通过捕捉价格动量来实现盈利。

动量投资的核心在于“买入强势股，卖出弱势股”。

这种投资策略的成功往往依赖于市场的心理因素，因为投资者的情绪和行为会影响资产价格的波动。动量投资适合那些愿意承担一定风险并能够快速反应市场变化的投资者。

动量投资策略通常以下几个步骤进行实施：

筛选股票：投资者会根据过去几个月或几年的表现来筛选出表现优异的股票（即动量股票）和表现不佳的股票（即反动量股票）。
建立投资组合：投资者会将选中的动量股票纳入投资组合，同时可能会卖空反动量股票，以期在价格回调时获利。
定期调整：动量投资者通常会定期重新评估和调整投资组合，以确保持续持有表现良好的股票，并剔除表现不佳的股票。

动量投资是一种强大的策略，旨在利用市场现有趋势的持续性。通过关注过去表现良好的股票，投资者有可能乘势取得可观的回报。

二、动量投资策略设定

我的动量投资战略主要由这两个部分组成：

2.1 选择股票

聪明的投资者都明白“选择”远大于“努力”，在本文中，我们将探讨为 Nifty 50 指数（新兴的印度市场中市值最大的50家公司）中的股票量身定制的动量策略。你没看错，不是美股，更不是MianA，我认为目前全球最适合动量策略实施的地方就是印度股市，没有之一！原因如下：

1. 经济增长潜力巨大

印度是全球增长最快的主要经济体之一,2023年GDP增速达到7.6%,位居全球十大经济体之首。高盛预测,到2050年,印度在全球市场中的份额将从3%提升至8%,并进一步增长至2075年的12%。印度的人口红利是其经济增长的重要驱动力,14.28亿人口中,年龄中位数仅为28.4岁,年轻化的人口结构为消费和经济增长提供了强劲动力。

2. 股市长期表现优异

印度股市以“长牛”著称,自2000年以来,印度SENSEX30指数涨幅达1507%,远超同期标普500的304%和纳斯达克的367%。过去5年,SENSEX30指数上涨198%,远超纳斯达克的160%和日经225指数的118%。这种长期优异表现得益于印度经济的强劲增长和股市制度的完善。

3. 完善的投资者保护制度

印度股市实行严格的注册制和退市制度,确保市场透明度和投资者权益。上市公司一旦被强制退市,必须按交易所评估的公允价格回购公众投资者股份,否则将面临严厉惩罚。此外,印度还实行T+0交易制度,结算周期短,市场流动性强。

4. 外资持续流入

印度股市的外资持股比例高达38%,外资的持续流入为市场提供了充足的流动性和增长动力。高盛、巴克莱等国际机构均看好印度股市,认为其具有“该地区最好的结构性增长前景”。

5. 多样化的投资机会

印度股市涵盖金融、信息技术、能源、消费品等多个行业,为投资者提供了丰富的选择。Nifty50指数成分股中,金融行业占比最高（32.76%）,其次是信息技术（13.76%）和能源（12.12%）。此外,印度还允许境外企业IPO,进一步提升了市场的国际化程度。

印度股市凭借其强劲的经济增长、长期优异表现、完善的投资者保护制度、外资持续流入以及多样化的投资机会，成为全球投资者的热门选择，所以这个市场太适合“追涨杀跌”了！

2.2 制定策略

动量投资的前提是：过去表现良好的股票在不久的将来会继续表现良好。我们策略一句话说明：买入在特定时期（如过去 1 年）表现强劲的股票，并在重新评估投资组合之前持有一定时间（如 1 个月）。具体分解就是：

计算过往回报：计算每只股票 12 个月的回报率。
进行股票排名：根据 12 个月的回报率对股票进行排名。
选择热门股票：挑选收益最高的前 10 种股票。
每月重新平衡：每月重新评估和平衡投资组合。

三、策略执行

接下来我们会用Python帮助您实施该策略，并对该策略进行为期3年的回测，再将其结果与Nifty50指数的买入和持有策略进行收益比较。

步骤 1：数据准备

首先，我们需要收集过去三年 Nifty 50 股票的历史价格数据。在这里，我使用雅虎财经 api获取了过去三年的历史数据。

import yfinance as yf
import pandas as pd
import numpy as np
from datetime import datetime, timedelta

# List of Nifty 50 stock symbols
nifty50_symbols = ["RELIANCE.NS", "HDFCBANK.NS", "INFY.NS", "ICICIBANK.NS", "TCS.NS", "KOTAKBANK.NS", 
                   "HINDUNILVR.NS", "SBIN.NS", "BHARTIARTL.NS", "HDFC.NS", "ITC.NS", "BAJFINANCE.NS", 
                   "ASIANPAINT.NS", "HCLTECH.NS", "LT.NS", "MARUTI.NS", "AXISBANK.NS", "ULTRACEMCO.NS", 
                   "WIPRO.NS", "NESTLEIND.NS", "ONGC.NS", "TITAN.NS", "SUNPHARMA.NS", "M&M.NS", 
                   "POWERGRID.NS", "JSWSTEEL.NS", "TATASTEEL.NS", "TECHM.NS", "HDFCLIFE.NS", "COALINDIA.NS", 
                   "BPCL.NS", "INDUSINDBK.NS", "BAJAJ-AUTO.NS", "IOC.NS", "BRITANNIA.NS", "HEROMOTOCO.NS", 
                   "ADANIPORTS.NS", "DRREDDY.NS", "GRASIM.NS", "CIPLA.NS", "DIVISLAB.NS", "EICHERMOT.NS", 
                   "BAJAJFINSV.NS", "SHREECEM.NS", "TATAMOTORS.NS", "SBILIFE.NS", "ADANIENT.NS", 
                   "DABUR.NS", "VEDL.NS", "APOLLOHOSP.NS"]

# Define the time period
end_date = datetime.today()
start_date = end_date - timedelta(days=365*3)  # Last 3 years

# Fetch data
data = yf.download(nifty50_symbols, start=start_date, end=end_date)['Adj Close']

# Fill missing values
data = data.fillna(method='ffill').dropna()

# Display the first few rows of the data
print(data.head())

步骤 2：实施策略并计算收益

我们用下面的代码来实施动量策略，并计算过去三年的投资组合回报。

def calculate_portfolio_returns(data, top_n=10):
    # Calculate monthly returns
    monthly_returns = data.resample('ME').ffill().pct_change()
    
    # Calculate 12-month returns
    twelve_month_returns = monthly_returns.rolling(window=12).apply(lambda x: np.prod(1 + x) - 1, raw=True)
    
    # Initialize an empty list to store monthly portfolio values
    portfolio_values = []
    
    # Start with an initial capital
    initial_capital = 100000  # 1 lakh
    capital = initial_capital
    
    # Loop through each month starting from the 13th month
    for i in range(12, len(twelve_month_returns)):
        # Get the 12-month returns for the current month
        current_returns = twelve_month_returns.iloc[i]
        
        # Rank the stocks by their 12-month returns
        ranked_stocks = current_returns.sort_values(ascending=False)
        
        # Select the top N stocks
        top_stocks = ranked_stocks.head(top_n).index
        
        # Calculate the equal weight for each stock
        weight = 1 / top_n
        
        # Calculate the portfolio return for the current month
        portfolio_return = (monthly_returns.iloc[i][top_stocks] * weight).sum()
        
        # Update the capital
        capital = capital * (1 + portfolio_return)
        
        # Append the current capital to the portfolio values list
        portfolio_values.append(capital)
    
    # Convert the portfolio values list to a pandas Series
    portfolio_values = pd.Series(portfolio_values, index=twelve_month_returns.index[12:])
    
    return portfolio_values

# Calculate the portfolio returns
momentum_portfolio_returns = calculate_portfolio_returns(data)

# Display the portfolio returns
print(momentum_portfolio_returns)

步骤 3：与 Nifty 50 指数比较

为了评估动量策略的表现，我们将其与同期 Nifty 50 指数的收益率进行了比较。

# Fetch Nifty 50 index data
nifty50_index = yf.download("^NSEI", start=start_date, end=end_date)['Adj Close']

# Calculate Nifty 50 monthly returns
nifty50_monthly_returns = nifty50_index.resample('ME').ffill().pct_change()

# Calculate Nifty 50 cumulative returns
nifty50_cumulative_returns = (1 + nifty50_monthly_returns).cumprod()

# Calculate momentum portfolio cumulative returns
momentum_cumulative_returns = (1 + momentum_portfolio_returns.pct_change()).cumprod()

# Plot the results
import matplotlib.pyplot as plt

plt.figure(figsize=(12, 6))
plt.plot(momentum_cumulative_returns, label='Momentum Portfolio')
plt.plot(nifty50_cumulative_returns, label='Nifty 50 Index', linestyle='--')
plt.title('Momentum Portfolio vs Nifty 50 Index')
plt.xlabel('Date')
plt.ylabel('Cumulative Returns')
plt.legend()
plt.grid(True)
plt.show()