动量是Fama-French五因子模型中的因子之一，根据Fama和French的结论，历史获益这比损失者表现更好，亦即动量策略是有效的。本文旨在验证其在A股中的有效性，以帮助更好地选股。
选股范围：中证800及中证1000成分股（简称“CI1800”）
时间范围：2018/01/01-2019/12/09
数据来源：网易财经（收盘价/除权）
1.数据总览：2018/2019CI1800表现对比
2.验证方法：
按2018年股价表现将1800支成分股分成10组，对比这10组19年表现。
分组情况如下：
3.验证分析：
（1）分组观测
2019年各组的表现如下（截止2019/12/9）：
从分组统计来看，A组共93支股票上涨，低于J组的97支，胜率略低，A组的涨幅中位数1.96%也低于J组的2.69%，不过A组的向上动能更大，其上四分位高于J组，均值21.13%是所有组别中最高的，略高于J组的两倍。
不过，从胜率、中位数、夏普比率（设Rf=0）来看，反而是中间组表现更好，D、E、G三组均有三分之二以上的股票上涨，且D组和E组的涨幅中位数和夏普比率均高于其他组别，下四分位数也较高。
（2）模拟交易
假设以2018年末收盘价买入各组，每组各支股票的权重均为1/180，进行模拟交易。从模拟结果来看，A组的累积收益为21.13%，最大回撤18.17%，均优于其他组，而J组累积收益10.47%，最大回撤30.26%，则是最差。A组的累积收益是J组的两倍，而最大回撤仅为J组的61%，优势显著。
4.验证结论：
通过分组对比分析，可以验证动量因素的有效性。尤其是从模拟交易上看，上一年度表现最好的一组股票在下一年度整体仍表现最好，且远好于上一年度表现最差的组别。不过，从分组观测来看，从中间组别选股会更加稳健，胜率更高。
5.模型缺陷：
（1）网易财经数据均为除权后价格，而无复权价，分红、配股等会影响数据准确性；
（2）模型仅为单期验证，没有多期对比验证，会影响分析结果准确性；
（3）选股范围为中证800和中证1000，共1800支股票，占沪深A股总数的接近一半，还不够全面。此外，指数公司会定期新增或剔除成分股，存在幸存者偏差。
Sping，20191211
补充：
检查发现没有考虑到有8只股票是2019年发行的，2018的收益为零，但都被纳入到了A组中，因此导致模拟交易中A组的实际股票数量会少，总额只有172/180。剔除19年新发行股票后，前180只股票的截止12月9日的收益为17.55%，最大回撤18.42%。同时，注意到沪深300指数同期的涨幅为29.39%，最大回撤13.49%，均好于前180只股票。
另外，对2018年涨幅领先的180股票进行调整：1）删除2017/2018、或2107-2018期间涨幅超过100%的；2）删除2017/2018、或2107-2018期间跌幅超过100%的50%的；3）删除2019年新上市的；4）保留2018年排名前54的股票（CI1800的3%）。其2019年累积收益达30.64%，最大回撤16.90%。表现会好于前180组合，不过仍低于沪深300指数（显示今年大盘股整体表现优异）。
Sping，20191212
来源：CSDN
作者：Sping012
链接：https://blog.csdn.net/Sping012/article/details/103497703