Skip to main content
均值回归 vs 动量因子实现
blog 高级 · ~1 min read

均值回归 vs 动量因子实现

均值回归和动量是研究最多的两个因子——它们方向相反。学怎么搭、怎么区分、怎么组合。

· Lead Editor · · ~1 min read
#algorithmic#quant-trading
本文为英文。需要查看中文翻译吗?

交互工具在翻译视图中可能无法使用。

均值回归 vs 动量因子实现

动量说涨的会继续涨。均值回归说涨的会回来。两个都对——在不同时间周期上。

量化金融里研究最多的两个因子,表面互相矛盾。化解这个矛盾,是交易员能学到的最有用技能之一。

两股力

动量——过去 6–12 个月跑赢的资产倾向于继续跑赢。驱动是信息慢扩散、羊群效应、反应不足。

均值回归——偏离公允价值太远的资产倾向于弹回。驱动是过度反应、流动性冲击、价格不能永远偏离基本面这个简单事实。

化解:动量在长周期(月)上有效;均值回归在短周期(分钟到周)上有效。同一资产根据窗口不同可以两者都有。

实现动量

经典横截面动量:

Momentum_t = (Price_t ÷ Price_{t−252}) − 1

然后每期横截面排名,做多前 1/3,做空后 1/3。跳过最近一个月(短期反转会污染长期动量)。

仓位常按信号强度缩放:

Weight_i = (Signal_i − mean(Signal)) ÷ std(Signal)

实现均值回归

经典短周期回归用偏离均线的 z-score:

Z = (Price − SMA_n) ÷ σ_n
  • Z < −2 时买入(价格拉到均值下方)
  • Z > +2 时卖出/做空(价格拉到上方)
  • Z 回到 0 附近时出场

配对交易把这个扩展到两个协整资产之间的价差上。

它们为啥能共存

一只股票可以同时有 12 个月动量 5 天均值回归。市场在月度上慢慢上行(动量),但在日线层面围绕这个趋势震荡(回归)。两个效应在不同时间尺度上运作,所以不抵消——它们叠加。

组合两者

一个实际的混合策略:

  1. 长周期动量(6–12 个月)定方向偏向
  2. 短周期回归(1–5 天)定入场时机
  3. 只在动量信号方向上做回归交易

这避开了经典错误——用回归入场去逆强趋势。这是回归策略爆仓最常见的方式。

风险差异

  • 动量崩盘:状态切换时的剧烈反转(比如 2009 年)。负偏
  • 均值回归崩盘:稀有但严重——"回归"永远不来,仓位持续失血。也是负偏

两个策略都有肥的左尾。仓位保守,用止损或波动率目标。

实操步骤

  1. 在你的标的上算两个信号
  2. 确认长周期动量主导、短周期回归主导——对你的资产
  3. 用动量定方向,回归定时机
  4. 按波动率而不是资金做风险调整
  5. 监控两者相关性:相关性负向飙高时,你在进入状态切换

小结

动量和均值回归不是对立的——它们是不同时间尺度上互补的状态。用动量定趋势方向,用均值回归定其中的入场时机。时间尺度搞对,这个表面矛盾就成了系统化交易里最稳健的优势之一。

相关市场数据由 TradingView 提供。

分享:
𝕏 f in r/
·
📝

我的笔记

登录后可在本文保存笔记并与社区分享。

✓ 已核查事实 审阅人 Timi Chen, 编辑顾问 · 发布于: 2026-06-03 · 编辑政策
由 Marcus Cole 起草 · 由 Timi Chen 于 2026-06-03 审核 · 最后检查于 2026-06-03

教育内容 · 非财务建议 · 风险自担

下一篇推荐

algorithmicquant-trading 2026-07-01

Quant Research Workflow: Jupyter Notebooks and Feature Engineering

A repeatable quant research workflow using Jupyter notebooks covers feature engineering, validation, and notebook hygiene that produces deployable signals.

阅读更多 →

Smart Recommendations