增强动量策略研究

摘要：为提高传统动量策略的投资回报率，笔者尝试性运用经典数据挖掘算法对动量策略进行改进探索。通过K近邻算法的思想来消除单个交易日股票价格异常波动的方法计算股票收益率，构造赢家组合，形成K近邻增强动量策略方法。

关键词：传统动量；增强策略；k近邻

中图分类号：F832.5 文献标识码：A 文章编号：1001-828X（2013）10-0-01

一、引言

动量效应也称惯性效应，是指股票的收益率的表现情况有延续原来运动方向的趋势。对股票价格的动量效应而采用的套利策略称为动量策略。在根据动量策略进行投资时，最常用的方法是Jegadeesh和Titaman（1993）基于美国证券市场的股票交易数据对动量效应的存在性验证所采用的方法[1]。国内也有一部分学者，对传统动量策略的方法做出改进。吴冲锋和朱战宇（2005）在运用重叠抽样方法，在形成期考虑收益率和交易量对股票进行排序，改进后收益高于市场平均收益率。郝静轩（2006）通过滞后期、加权收益计算等改进的动量策略，结果显示改进的动量策略对赢家组合的收益有明显的提升。王俊杰（2013）对动量交易策略的择时上做了实证研究，在形成期之后，不直接购买，而是经过一定的滞后期再进入持有期，效果优于市场收益和传统动量策略方法。本文首先通过传统动量策略，考察投资回报率；然后尝试性将K近邻算法与传统动量策略结合，对策略做出改进，以期提高回报率。

二、传统和增强动量策略方法

1.传统动量策略方法

首先，构造不同形成期和持有期策略组合，形成期和持有期的时间区间为一个研究时间区间整体或一种投资交易策略，即[T，t]。本研究形成期和持有期分别采用重叠取样和非重叠取样法。

其次，在形成期为T时期内，构造赢家组合（收益率排名靠前的一系列股票）。在形成期为T的时间内，计算股票的超额收益率，按超额收益率的高低进行排序，取前10%的股票作为赢者组合。

最后，分别计算赢者组合在持有期t的累积超额收益率以及整个时间区间赢者组合的平均累积超额收益率。

2.增强动量策略计算方法

在传统的动量策略中，计算形成期T内单支股票的累积收益率时，如果第一个交易日和最后一个交易日的价格出现异常波动的话，那么构建的赢家组合不一定具有动量效应。因此，有必要在计算形成期T内的累积收益率时，消除第一个交易日和最后一个交易日价格异常波动的影响。本文采用KNN算法的思想来消除异常波动，这种增强方法可以称之为KNN增强动量策略。

KNN增强动量策略在计算单支股票的形成期T内的累积收益率时，把离最初（最后）日期最近K个交易日作为最初（最后）日期的K个近邻，把最初（最后）日期与其K个近邻的相隔天数作为它们之间的距离，由距离的大小分别计算近邻的权重值，然后计算最初（最后）日期的价格。

公式1和2中，f函数为KNN算法中常用的高斯权重函数；和分别表示最初和最后一个交易日的价格；d表示距离。根据公式1，KNN增强动量策略确定的最初（最后）一个交易日的价格，计算KNN增强策略的形成期T内的累积收益率。然后计算持有期内的赢家组合的收益率，计算过程同传统策略。

三、动量策略和增强动量策略实证研究及结论

1.数据的选择与参数处理

数据的样本区间为2006-7-1至2013-7-31。选取的股票为沪市A股所有股票。形成期和持有期：动量策略和反转策略均采用的形成期分别为1、2、3……12个月，持有期分别为1、3、6、9、12个月。买卖双方的费用分别为千分之二和千分之三。本文的证券市场平均收益参照标准是上证指数。本文的数据源自国泰安数据库。

2.结论

本文运用KNN算法的思想将传统的动量策略做出改进探索，根据实证研究得出以下结论。

（1）KNN增强动量策略的收益大于传统动量策略。根据表实证结果显示，构造60种投资策略组合，55种组合的收益明显提高；KNN增强动量策略的收益统计上显著大于传统动量策略。

（2）KNN增强动量策略保持了传统动量策略的易操作性。KNN算法是数据挖掘算法中最简单的算法之一，与传统动量策略结合之后，增强的动量策略没有变得过于复杂。

因此，增强的动量策略可以为投资者提供参考，具有一定的价值。

参考文献：

[1]Jegadeesh T. Returns to buying winners and selling losers： implications for stock Market effieieney[J]. Joumal of Finanee， 1993（48）：65-91.

[2]王俊杰.量化交易在中国股市的应用[D].南京大学，2013.