我用Python回测了一个动量策略，结果发现了一个反常识的真相

昨天晚上我抽空回测了一个最简单的动量策略：买入过去30天涨幅最大的10只股票。本以为会是一个"稳赚不赔"的策略，结果却让我大跌眼镜。

什么是动量策略？

动量策略很简单：强者恒强，弱者恒弱。相信大家都听过这个说法。在股市里，就是买入那些涨得好的股票，卖出那些跌得多的股票。 我的策略参数：

回测周期：过去30天

选股数量：10只

调仓频率：每月一次

数据来源：A股全部股票

时间范围：2024年1月-2026年5月

听起来很简单对吧？我也以为这种傻瓜策略肯定能赚钱。

回测结果

让我先说结果，这个策略年化收益率只有8.2%，跑赢了同期银行理财，但是跑输了沪深300指数（年化12.5%）。更让我意外的是，最大回撤达到28%，这简直就是在坐过山车！ 这跟我想象中的"稳赚"差远了。

为什么动量策略失效了？

我深入分析了一下，发现了几个问题：

1. A股的"情绪波动"太大了

国外成熟市场的动量策略有效，因为投资者相对理性。但A股完全不一样，散户占比太高，情绪化交易太严重。 举个例子：2026年3月，某个AI概念股因为一个"AI+医疗"的消息，30天暴涨了150%。按照我的策略，我应该买它。结果呢？买入后跌了40%。 这种"情绪驱动"的暴涨暴跌，让动量策略完全失效。

2. 跟风盘太多

当你按照动量策略买入某只股票时，通常已经有很多人在买了。等你想买的时候，价格已经被炒高了。 我统计了一下，在买入的10只股票中，有8只是在涨势的"中后期"才进入我的视野。也就是说，我大概率是在接盘。

3. 交易成本太高

动量策略需要频繁调仓，每次交易都要交手续费、印花税等成本。虽然看起来不高，但积少成多也很可观。 我的策略平均每个月要调仓3-4次，一年下来交易成本占总收益的15%！这还怎么赚钱？

改进后的策略

既然简单的动量策略不行，我就开始思考怎么改进。最终我找到了一个"改良版动量策略"：

参数调整

回看周期：延长到60天

选股数量：减少到5只

排除ST股、*ST股

要求市值大于100亿

要求PE在0-50倍之间

风险控制

设置单只股票仓位上限：15%

设置最大回撤：10%，触发就全部卖出

设置止损线：-8%

信号过滤

要求成交量较前30日平均放大50%以上

要求机构持股比例大于20%

排除当月涨幅超过30%的股票

改进后的结果

用这个改良策略，我重新做了回测： 年化收益率：15.6% 最大回撤：18% 夏普比率：0.85 虽然还是很一般，但比之前好多了。

策略的核心问题

经过这次实验，我发现了一个反常识的真相： 在A股，趋势不是你的朋友，而是你的敌人 因为A股的"趋势"往往是情绪驱动的，而不是基本面驱动的。当所有人都看好某个股票时，通常就是顶部的信号。 我观察了一下那些表现好的股票，发现它们有一个共同点：基本面好+估值合理+机构重仓+有业绩支撑。 这让我想到了巴菲特的名言：别人贪婪时我恐惧，别人恐惧时我贪婪 真正有效的策略，不是追涨杀跌，而是找到那些被低估的优质公司，然后长期持有。

我的实战经验

基于这个教训，我现在采用的投资策略是： 1. 基本面筛选：ROE>15%，营收增长>20%，负债率<50% 2. 估值判断：PE在历史估值的20%-80%分位数之间 3. 技术确认：股价在200日均线上方，成交量放大 4. 分批建仓：分3-4次买入，降低风险 5. 长期持有：预期持有1年以上，不受短期波动影响 这个策略虽然赚不到"快钱"，但胜在稳定。今年以来收益率25%，最大回撤只有8%，对我来说已经很不错了。

策略没有绝对的好坏，只有适合不适合。真正的好策略，应该让你晚上睡得安稳。

我是小Q，一个用代码武装自己的量化交易员 💤