MOM-06 · 动量

残差动量

基于 Blitz 等人(2011)的研究。先把收益对市场因子(SPY)做回归,用回归残差计算动量,捕捉“纯粹”的个体动量,而不是 Beta 带来的收益。

MomentumStatistical

基本信息

适用场景因子暴露差异明显的品种
信号频率每日
典型持有期几周
资产类别大宗商品、外汇
测试市场数10
数据截至2026-11-10

回测结果怎么看

  • 在 10 个市场中的 5 个,近 5 年的年化收益跑赢买入持有。
  • 在 10 个市场中的 10 个,最大回撤比买入持有更小。
  • 夏普最高的市场:USO(夏普 0.92,年化 24.0%)。
  • 表现最弱的市场:UNG(夏普 -0.05,年化 -10.3%)。

权益曲线

0.751.682.623.564.49 201020122014201620182020202220242026
残差动量 买入持有 · GLD, 2010-01-04 → 2026-11-10, 起点归一为 1

评分与风险画像

Arena Score: 51.3GLD, 近 5 年
收益质量 · 30%42
回撤控制 · 25%28
稳定性 · 20%62
稳健性 · 15%69
统计可信度 · 10%89

每一项都是和同一市场、同一窗口内所有策略比较的百分位(100 为最好)。

大跌行情中的表现(GLD)

时期策略买入持有
2018 年四季度下跌+2.5%+6.6%
新冠暴跌(2020 年 2–3 月)-3.6%-3.6%
2022 年熊市-5.1%-7.3%
市场在 200 日均线上方时(年化) · 58%+2.2%+9.0%
市场在 200 日均线下方时(年化) · 42%+3.8%+5.4%

大跌时期按美股划分。是否在 200 日均线上方用前一天的状态判断,不存在未来函数。

样本外检验(GLD)

检验项数值
选出的参数在各自 3 年训练期里的平均夏普0.63
同一组参数在之后 6 个月真正交易时的夏普0.35
同样这些月份一直用默认参数的夏普0.45
重新选参次数 / 参数实际更换次数28 / 12
全部历史上夏普为正的参数组数9 组中 9 组
各组参数的夏普:最低 / 中位数 / 最高0.18 / 0.31 / 0.45

样本外区间从 2013-01-04 开始。训练期的数字因为是从 9 组参数里挑最好的,一定偏好看;样本外的数字才是策略真正赚到的。下降很多,或者只有某一组参数好,都是过拟合的信号。滚动前推测试是怎么做的。

各市场结果(近 5 年)

市场年化收益买入持有年化夏普最大回撤买入持有最大回撤波动率Arena Score
USOUnited States Oil Fund24.0%20.2%0.92-27.5%-36.2%26.6%86
DBAInvesco DB Agriculture5.3%8.8%0.61-15.3%-15.9%9.2%63
SPYSPDR S&P 5005.3%11.6%0.57-12.7%-24.5%10.0%59
GLDSPDR Gold Shares7.3%16.4%0.57-26.9%-28.3%14.2%51
SLViShares Silver Trust8.2%15.2%0.42-49.9%-57.8%30.8%44
DBCInvesco DB Commodity Index4.1%10.8%0.34-19.3%-27.3%14.2%55
BTC-USDBitcoin8.3%2.6%0.32-41.7%-75.9%28.4%62
ETH-USDEthereum-11.5%-15.1%-0.04-58.1%-79.0%36.9%30
EURUSD=XEUR/USD-0.4%-0.7%-0.05-12.3%-17.2%5.2%52
UNGUnited States Natural Gas-10.3%-30.7%-0.05-72.5%-93.3%42.1%51

策略指标基于日收益,未扣除交易成本;买入持有为同一市场、同一窗口的数据。按夏普比率排序。

GLD 在不同时间窗口的表现

窗口总收益年化收益夏普索提诺最大回撤上涨日占比交易数
近 1 年+3.0%3.0%0.380.27-26.9%24%11
近 3 年+45.5%13.3%0.830.72-26.9%33%60
近 5 年+42.0%7.3%0.570.50-26.9%30%102
全部历史+62.0%2.9%0.310.26-31.9%24%308

交易规则

Entry

Buy when residual momentum > 0 (positive alpha)

Exit

Exit when residual momentum <= 0

Indicators

Rolling beta to SPY
Residual return = Actual - Beta * Market
Cumulative residual momentum

Inputs

Beta_Window = 252
Momentum_Lookback = 252
Skip_Period = 21

Position sizing

Fixed 100% allocation

Risk controls

Skip most recent month to avoid reversal

策略证据

下面只列出可用的已校验证据包;没有证据不代表通过验证。

证据覆盖范围

已校验 10 / 10 个预定策略与市场组合

备注

  • 基于 Blitz、Huij 和 Martens(2011)的研究
  • 剔除系统性风险,捕捉个体动量
  • 用简化的 CAPM 残差(以 SPY 作为市场代理)

相关策略

嵌入这个评分

可以放进博客文章、README 或论坛签名,徽章会随每日数据自动更新。

<a href="https://quantarenas.com/strategy/mom-06-residual-momentum/"><img src="https://quantarenas.com/badge/mom-06-residual-momentum.svg" alt="Residual Momentum Arena Score on Quant Arena" height="20"></a>
[![Residual Momentum Arena Score](https://quantarenas.com/badge/mom-06-residual-momentum.svg)](https://quantarenas.com/strategy/mom-06-residual-momentum/)

回测是基于日线数据的历史模拟,未计入佣金和滑点,不代表未来收益,也不构成投资建议。每个策略的测试方法见方法论。

订阅每周 Arena 周报

每周一封邮件:排名变化、新信号和新研究。不发垃圾邮件,随时可以退订。