一、动量策略：顺趋势赚钱
动量策略的核心假设很直接：过去 1 到 12 个月表现好的资产，未来一段时间大概率仍然更强；表现差的资产，也更可能继续偏弱。
学术证据为什么重要
1993 年 Jegadeesh 和 Titman 的经典论文发现，买入过去 3 到 12 个月赢家、卖出过去同期输家，在扣除成本后依然能获得显著超额收益。后续研究又把这种现象扩展到股票、债券、商品、外汇，甚至加密货币市场。
更关键的是，这种效应并不是某个市场或某个阶段的偶然噪音，而是被长期、跨市场重复验证过的统计规律。
为什么动量会有效
行为金融解释
- 投资者对新信息反应不足，价格往往慢慢才走到应有位置。
- 确认偏差和羊群效应会强化趋势。
- 处置效应让赢家涨得没那么快结束、输家跌得没那么快见底。
风险与结构解释
- 动量收益可能是对“趋势突然反转”尾部风险的补偿。
- 机构投资者在审批、调仓上的慢反应，也会制造趋势延续。
动量最大的风险：崩溃
动量最危险的时候，不是缓慢亏钱，而是在极端反转里瞬间亏掉几年利润。典型例子就是 2009 年 3 月金融危机后市场 V 型反转，原本跌得最惨的资产暴力修复，而原本抗跌的赢家表现普通，导致动量组合两头挨打。
这也揭示了动量的本质：它在顺趋势的环境里赚钱，在趋势剧烈反转时最脆弱。
关键参数：时间尺度决定策略方向
| 回望期 | 效果 | 说明 |
|---|---|---|
| 1天 - 1周 | 短期反转 | 极短期更容易出现流动性修复，而不是趋势延续。 |
| 1 - 12个月 | 动量有效 | 这是学术研究验证最充分的“甜蜜区”。 |
| 3 - 5年 | 长期反转 | 过去涨太多的资产，长期更可能回归均值。 |
二、均值回归：偏离终会修正
均值回归和动量相反，它假设价格偏离正常水平后，会在某个阶段回到更合理的位置。涨得太多可能回落，跌得太多可能反弹。
均值回归成立的前提
- 标的必须存在相对稳定的“均值”可供回归。
- 价格偏离最好来自短期、暂时性因素，而不是基本面永久恶化。
- 标的要有足够流动性和存活概率，否则你可能不是抄底，而是在接一把永远回不来的飞刀。
短期、长期和估值层面的证据
Lo 和 MacKinlay 发现周频收益率中存在显著负自相关，为短期均值回归提供了证据；DeBondt 和 Thaler 则证明，过去 3 到 5 年表现最差的股票，未来几年往往能显著跑赢过去最强的股票，体现出长期均值回归；而在估值层面，Shiller 的 CAPE 研究也说明极高估值常常预示未来较低回报。
经典应用：配对交易
配对交易的思路是找两个高相关资产，例如可口可乐和百事可乐，或者同一家公司 A/H 股。当价差偏离历史正常区间时，做多相对便宜的一方、做空相对昂贵的一方，等待价差回归后获利。
但它最大的风险也正是在于“本来应该回归，却没有回归”。当太多人都在用类似逻辑，或者市场流动性被打乱时，偏离本身可能会继续扩大。
三、统计套利：量化交易的工业化
如果配对交易像手工作坊，那么统计套利就是工厂化生产：同时对大量股票建立小额多空头寸，依靠大数定律，而不是单一赌注，来获取稳定收益。
典型流程
- 因子分解：用动量、价值、质量、规模、波动率等因子解释每只股票的收益特征。
- 组合构建：做多预期收益最高的一批，做空预期收益最低的一批，同时保持市场中性、行业中性和风险因子约束。
- 执行与风控：高频、小额、分散意味着交易成本、流动性和执行效率会直接决定策略生死。
为什么统计套利会衰减
统计套利曾经有辉煌时期，但随着参与者爆炸式增长、基础设施军备竞赛升级，很多简单 Alpha 被持续压薄。2007 年 8 月的“量化地震”正是行业拥挤和被迫去杠杆的典型结果。
四、统一视角：它们不是对立，而是分层
| 时间尺度 | 主要现象 | 典型解释 |
|---|---|---|
| 日内 - 数日 | 微观结构反转 | 流动性、做市商行为、短期错价修复 |
| 1 - 12个月 | 动量效应 | 信息反应不足、确认偏差、羊群效应 |
| 1 - 3年 | 过渡区 | 趋势衰减与修复交替 |
| 3 - 5年+ | 均值回归 | 过度反应后的长期修正 |
所以动量与均值回归并不是谁对谁错，而是同一套市场机制在不同时间尺度上的不同表现。
动量更适合
趋势明确的市场、周到月级持仓、能承受反转时回撤的交易者。
均值回归更适合
震荡区间、日到周级修复机会、能区分“暂时偏离”和“均值本身变化”的交易者。
五、从理论到现实：怎么检验策略
一个策略在纸面上成立，不代表现实里也可用。真正靠谱的检验至少包括五个维度：
- 经济学解释：策略赚的是什么钱，背后是否有清晰逻辑。
- 样本外验证：不能只在“发现它”的那段历史里有效。
- 跨时间稳健性：牛市、熊市、震荡市中的表现是否还能站得住。
- 交易成本压力测试：佣金、滑点、冲击成本加入后，还能不能赚钱。
- 策略拥挤度：如果太多人都在用，相同逻辑就可能被挤压甚至反噬。
最后的结论很简单：没有永远有效的策略。真正的护城河不是某个固定公式，而是持续理解市场、修正策略和管理风险的能力。