WorldQuant BRAIN入门学习中
摘要:本文介绍了动量效应(Momentum Effect)的基本概念和计算方法。动量效应指近期上涨资产倾向于继续上涨,下跌资产继续下跌的现象,其效果随不同时间尺度变化:短期(1个月)表现为回归效应,中期(季度至年度)最明显,长期(超过12个月)逐渐减弱。文中给出了两个计算动量效应的方法:1) 计算250天价格变化率:(当前价格-250天前价格)/250天前价格;2) 统计250天内价格上涨的天数,
还在入门教学中,不理解不明白...记录点公式术语啥的,我也不知道有没有用
已经学到D-28了

这篇主要讲的应该是动量(我翻译过来的,准确是:Momentum Effect)吧。
动量效应:最近上涨的继续上涨,最近下跌的继续下跌。
它会随着时间变化:短期(1个月以下):回归效应较强
中期(季度至年度):传统的动量效应最为明显
长期(超过12个月):效果趋于逐渐减弱
实现动量效应:
最简单的方式:计算最近的价格涨幅。
如果是计算一年内(在BRAIN中一年时250,只算工作日)的资产的价格增长,使用时间序列算子ts_delta(close,250)/ts_delay(close,250) 即:(当前价格 - 250 天前价格)/ 250 天前价格
-
ts_delta(close, 250)计算当前收盘价与 250 天前收盘价 的差值(即价格变化绝对值)。 -
ts_delay(close, 250)直接返回 250 天前的收盘价(作为分母,用于标准化)。 -
如果结果 > 0:过去 1 年价格上涨 → 可能继续上涨(动量延续)。
-
如果结果 < 0:过去 1 年价格下跌 → 可能继续下跌(趋势延续)。
然而,单独使用这个公式并不能产生好的Alpha结果。一年期收益受到近期收益的显著影响,并包含短期回归效应。为了在BRAIN中实现动量效应作为Alpha,我们需要使用不同的方法或添加条件。
为了更清楚地看到动量效应,我们可以使用以下方法:
ps:很好这里我看不懂了,无法理解
后面的要求就是写一个alpha:计算一年中价格上涨的天数。
ts_sum(if_else(greater(returns,0),1,0),250)
ps:乍一看,我崩溃了,更不理解了,那就有请deepseek登场!
“过去 250 个交易日中,有多少天是上涨的?”
这是一个计算250 天内上涨天数计数 的因子,常用于量化策略中衡量股票的 上涨持续性
-
greater(returns, 0)判断每日收益率是否 > 0(即当天是否上涨),返回布尔值(True/False) -
if_else(condition, 1, 0)将布尔值转换为数值(类似int(condition))。如果condition是True,则返回1;如果condition是False,则返回0。 -
ts_sum(..., 250)对过去 250 天的结果求和(统计过去 250 天中 收益率为正的天数。)
更多推荐


所有评论(0)