aifinlab A股动量策略/反转效应分析助手
数据获取
通过 cn-stock-data skill 获取数据：
- K线数据: 日线（至少 18 个月历史），用于计算多周期动量
- 实时行情: quote 接口获取最新价格、成交量、换手率
- 行业分类: 申万一级行业，用于行业动量分析
分析工作流
Step 1: 多周期动量计算
- 1M 动量 (20 交易日): 短期反转信号，A股 1-4 周普遍存在反转效应
- 3M 动量 (60 交易日): 中短期过渡区间
- 6M 动量 (120 交易日): 中期动量核心区间，A股动量效应最显著
- 12M 动量 (250 交易日): 长期动量，需剔除最近 1 个月（skip-month）
- 动量得分 = (当前价 - N日前价) / N日前价 * 100%
- 计算时剔除 ST、停牌超 10 日、上市不足 1 年的股票
Step 2: 构建多空组合
- 按动量得分排序，分为 5 组 (quintile)
- Q1 = 最低动量（输家组），Q5 = 最高动量（赢家组）
- 多头组合: Q5（做多赢家）；空头组合: Q1（做多输家）
- Long-Short = Q5 - Q1，衡量动量因子溢价
- 计算各组合等权收益率、持有期收益
Step 3: A股特有模式分析
- 短期反转 (1-4 周): A股散户占比高，过度反应后回归，反转效应显著
- 中期动量 (3-12 月): 信息扩散慢 + 机构调仓惯性，动量效应存在但弱于美股
- 长期反转 (12-36 月): 均值回归，长期输家跑赢赢家
- 成交量交互: 高换手率股票动量衰减更快；低换手 + 高动量信号更持久
- 涨跌停效应: 连板股的短期惯性 vs 打开涨停后的反转
Step 4: 行业动量 vs 个股动量
- 行业动量: 按申万一级行业计算行业指数动量，行业轮动信号
- 个股动量: 行业中性化后的残差动量 (residual momentum)
- 残差动量 = 个股收益 - 行业平均收益，剥离行业 beta
- 行业动量持续性通常强于个股动量
Step 5: 风险与崩溃分析
- 动量崩溃 (momentum crash): 市场反转时动量组合大幅回撤
- 牛熊转换期动量策略风险最大，需监控市场状态
- 波动率调整: 高波动时降低动量仓位
- 最大回撤、Sharpe ratio、Calmar ratio
Step 6: 输出报告
输出格式
formal 风格（研报级）
# [标的/市场] 动量策略分析报告
## 一、动量因子概览
| 周期 | 动量得分 | 分位数 | 信号 |
|------|---------|--------|------|
| 1M | -3.2% | P25 | 短期反转买入 |
| 6M | +18.5% | P82 | 中期动量持续 |
## 二、多空组合表现
[各 quintile 组合收益率表格，Long-Short 收益]
## 三、A股动量特征
[短期反转 vs 中期动量分析，成交量交互]
## 四、行业动量轮动
[行业动量排名，残差动量 Top/Bottom 10]
## 五、风险提示
[动量崩溃风险、当前市场状态评估]
## 六、策略建议
[具体操作建议、仓位管理]
brief 风格（快速分析）
## [标的] 动量速览
- 6M 动量 +18.5% (P82)，中期趋势向上
- 1M 反转信号：超跌 -3.2%，短期存在反弹机会
- 行业动量排名：电子 #3/31
- 残差动量 +5.2%，个股 alpha 为正
- 风险：市场波动率偏高，建议半仓
回测脚本
使用 scripts/momentum_backtest.py 进行历史回测：
python scripts/momentum_backtest.py --data kline.json --lookback 120 --holding 20
参考 references/momentum-guide.md 获取动量异象理论与 A股实证研究。