技术分析51——动量柱指标在全市场20年回测表现统计显著性,86个行业分组检验与分布特征,在金属、制造、部分消费行业收益高,胜率56%
本文分两个部分对动量柱指标进行分析，第一部分介绍基于全市场20年回测的系统评估，获得绩效分析结果；第二部分介绍基于86个行业的分组检验与分布特征，获得行业分析结果。
第一部分
绩效分析——基于全市场20年回测的系统评估
1. 研究摘要
信号特征
本报告针对 动量柱 指标（参看《技术分析50》）生成的买入信号（signal = 1）进行系统绩效评估。原始信号覆盖中国 A 股全市场近 20 年数据，经剔除次日开盘价低于 5 元、持有期末收盘价低于 5 元以及收益率低于 -50% 或高于 100% 的异常观测后，共保留约 12.4 万次信号。基于持有期 2 至 10 个交易日的统计结果，主要结论如下：
-
• 买入信号在全部持有期内均表现出极高的统计显著性（t 值 > 11，p < 0.0001），平均收益为正且随持有期单调递增。 -
• 经筛选后，信号呈现“低胜率、高盈亏比”的典型动量特征：胜率在 48%–50.5% 之间，盈亏比稳定于 1.15–1.23，盈利因子 > 1.1，且期望收益持续为正。 -
• 历史年化收益率估计：基于复利假设，若信号连续执行，持有 2 天的历史年化收益率约为 21.7%，持有 10 天的历史年化收益率约为 23.5%；综合考虑凯利比例与统计稳健性，推荐持有期 8–10 天，对应历史年化收益率约 23%–24%。
筛选条件
为确保信号在实际可投资范围的有效性，排除以下样本：
-
• 信号发生次日的开盘价 ≤ 5 元（规避流动性极差的仙股） -
• 持有期满（2～10个交易日后）的收盘价 ≤ 5 元 -
• 持有期收益率 < -0.5 或 > 1.0（剔除数据异常及极端波动个案）
分析指标本报告聚焦以下综合统计量：avg_return（平均收益）、stddev_return（收益标准差）、t_statistic（单样本 t 检验值）、win_rate（胜率）、avg_win_loss（平均盈亏比）、expectancy（单次交易期望收益）、profit_factor（盈利因子）、var_95（95% 置信度在险价值）、max_ret、min_ret、kelly（凯利最优仓位比例）。
2. 绩效评估
2.1 收益方向与显著性
表 1 汇总了买入信号在 2–10 个交易日持有期的平均收益及 t 检验结果。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
解读：
-
• 所有持有期收益均为正，且随着持有天数增加，平均收益从 0.156% 稳步增至 0.832%，几乎呈线性增长。 -
• t 值远超 99.9% 置信水平的临界值（约 3.29），说明收益并非来自随机波动，动量信号对短期价格方向具有极强的预测能力。
2.2 交易质量分析
表 2 揭示了策略的盈利结构与风险特征。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
关键发现：
-
• 胜率在短期（2–3 日）低于 50%，但随着持有期延长而上升，至 8–9 日突破 50% 关口，表明中期趋势延续性更优。 -
• 盈亏比（平均盈利 / 平均亏损）始终大于 1，且稳步提升，10 日达到 1.229，意味着盈利交易的利润幅度平均比亏损交易的亏损幅度高 22.9%。 -
• 盈利因子（总盈利 / 总亏损）全部高于 1.1，且持续上升，策略具备正期望。 -
• 凯利最优仓位从 2 日的 3.28% 上升至 10 日的 10.08%，说明持有期越长，信号的置信度和资金使用效率越高。
2.3 尾部风险审视
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
即使经过尾部截断，仍可发现单笔极端亏损可达近 50%，说明该动量策略在遭遇突发利空或趋势反转时可能发生较大回撤。实盘中必须设置硬止损（例如 -15%），避免单次灾难性损失。
3. 历史年化收益率
3.1 估计方法与假设
假设投资者严格遵循每个买入信号，以信号次日开盘价买入，持有满 N 个交易日，以收盘价卖出，随后资金可立即投入下一个信号（信号不存在重叠）。单次交易的平均净收益率为 avg_return。历史年化收益率的计算基于复利公式：
其中 252 为 A 股年均交易日数。该估计忽略了交易成本、冲击成本和信号间隔期，为理论上限，实际执行时会因摩擦成本略有下降，但由于信号数量充足（年约数万次），长期可接近该理论值。
3.2 各持有期历史年化收益
表 3 展示了各持有期对应的历史年化收益率估算。
|
|
|
|
|
|
|
|
|
21.7% |
|
|
|
|
19.0% |
|
|
|
|
18.9% |
|
|
|
|
18.6% |
|
|
|
|
20.3% |
|
|
|
|
21.5% |
|
|
|
|
23.1% |
|
|
|
|
23.3% |
|
|
|
|
23.5% |
对比分析：
-
• 虽然 2 日持有期的历史年化收益率达到 21.7%，但其凯利比例最低，胜率不足 50%，意味着连续交易的资金回撤频率较高。 -
• 持有 8–10 日的历史年化收益率稳定在 23% 以上，且胜率突破 50%，凯利比例也进入 9%–10% 的理想区间，综合风险收益比最优。
结论：基于胜率稳定性和资金利用效率，推荐以 8 或 10 个交易日为核心持有期，预期历史年化收益率约为 23%–24%。
3.3 敏感性分析
若考虑双边交易成本（0.15%），从平均收益中扣除后，历史年化收益率会下降约 2–3 个百分点，但仍维持在 20% 左右的高水平。因此该信号在现实成本下依然具备高度吸引力。
4. 风险与应用
-
1. 尾部风险：单笔亏损可达 30%–50%，必须采用硬止损（建议 -15% 至 -20%）或结合其它风控信号。 -
2. 过度交易：若采用过短持有期（如 2 天），年交易次数极高，摩擦成本将显著侵蚀利润，且心理承受压力较大。 -
3. 信号拥挤：当大量股票同时发出买入信号时，可能存在拥挤交易风险，需结合持仓分散度管理。 -
4. 市场环境依赖：本结论基于全样本，牛熊市中的表现有待进一步分组检验。
可选组合构建：
-
• 等权分配资金，单次开仓依据凯利比例（约 10%）并适度保守； -
• 采用 8–10 天持有期，止盈可根据盈亏比动态调整； -
• 每日滚动执行新信号，形成自然的多组合分散。
5. 总结
经过对中国 A 股 20 年海量数据的严格筛选与统计检验，本报告确认动量柱指标的买入信号具备良好的正向预测能力。经价格过滤后，信号在 2 至 10 个交易日内均能获得显著正收益，历史年化收益率估算区间为 19%–24%，其中以 8–10 天持有期 的绩效最为均衡：胜率过半，盈亏比与盈利因子不断优化，凯利比例合理，历史年化收益达 23% 以上。
附录：绩效统计指标释义
本附录对信号评估中所使用的各统计量进行详细解释，涵盖计算公式、金融含义及信号质量判断标准。
样本量与基本收益特征
n（样本量）满足筛选条件的信号总次数。n 越大，统计推断越可靠。报告中各持有期样本量均超过 12 万，结论具有极高稳健性。
max_ret / min_ret（最大收益 / 最小收益）所有信号中的最高与最低单笔收益率，用于识别极端盈利或亏损情形。最大收益揭示潜在爆发力，最小收益则暴露尾部风险。报告中已通过截断剔除 -50% 以下的异常值，故最小收益分布于 -33% 至 -50% 之间。
统计显著性检验
交易质量指标
风险评估
var_95（95% 置信度在险价值）在 95% 置信水平下，单笔交易可能遭受的最大亏损（取正值表示损失额）。计算方法为收益率分布的第 5 百分位数并取绝对值。例如，var_95 = 0.10 表示有 95% 的概率单笔亏损不会超过 10%。报告中 2 天持有期 var_95 为 6.77%，10 天持有期上升至 13.58%，反映持有期越长，尾部风险越大。
资金管理指标
-
• avg_win：所有盈利交易的平均收益率。 -
• avg_loss_raw：所有亏损交易的平均收益率（为负值），函数内部取绝对值后参与运算。
凯利比例给出了理论上使资金长期增长率最大化的最优仓位。报告中数值缓慢上升至 10% 左右，表明信号有稳定的正期望，资金使用效率随持有期延长而提高。实际应用中，为防止参数估计误差和连续亏损冲击，通常会采用小于凯利比例的仓位（如半凯利）。
第二部分
行业分析——基于86个行业的分组检验与分布特征
1. 研究摘要
本报告以中国A股86个二级行业为对象，对动量柱买入信号在2、4、6、8、10个交易日持有期的收益进行独立检验。研究采用经价格过滤（开盘价及期末收盘价>5元，单笔收益率∈[-0.5,1.0]）的约12万次信号，聚焦各行业的平均收益、胜率、盈亏比和统计显著性。
核心发现：
-
• 动量信号的有效性呈现极强的行业异质性。在金属、制造、部分消费行业中信号收益极高且显著；而在医疗、航运、装修、工程咨询等行业则表现为零甚至负期望。 -
• 持有期延长普遍放大行业间的收益差距，优秀行业在10日持有期获得1.5%–2.2%的单次平均收益，而落后行业持续在0%以下。 -
• 保险、证券、贵金属、小金属、汽车零部件、电机、珠宝首饰等行业在全部持有期中胜率超50%，盈亏比>1.3，呈现出可稳定盈利的“正向动量”特征。 -
• 医疗服务、工程咨询服务、航运港口、包装材料、玻璃玻纤等十余个行业的买入信号长期失效，不宜单独作为该行业的多头依据。
建议在实际策略中采取行业轮动或择优配置，仅在高有效性行业中采纳该信号，并将低效行业剔除出信号池。
2. 数据与方法
-
• 信号来源：动量柱买入信号（signal=1）。 -
• 持有期：2、4、6、8、10个交易日。 -
• 价格过滤：次日开盘价 > 5元；持有期末收盘价 > 5元；单笔收益 ∈ [-0.5, 1.0]。 -
• 行业分类：86个二级行业，样本量从186（保险）至5679（专用设备）不等。 -
• 统计指标：平均收益（avg_return）、t统计量（判断方向显著）、胜率（win_rate）、盈亏比（avg_win_loss）、盈利因子、凯利比例等。
3. 行业整体表现
在86个行业中：
-
• 持有2天即有 37个行业（43%） 平均收益为负，表明近半数行业在目前信号设置下无短期正向预测力。 -
• 随持有期延长，部分行业“扭亏为盈”，但仍有 约20个行业在10日持有期平均收益低于0.2%或不显著。 -
• 全部持有期平均收益均大于0.5%且t>2的行业约 30个，可视为信号稳定有效。
优秀行业的特征多为：高波动、强趋势延续、机构参与度较高或具备周期性弹性。落后行业集中在：重资产、公用事业、低波动、防御型消费或供需格局长期承压的板块。
4. 行业分布特征：优秀与落后行业清单
4.1 信号表现最佳的十五大行业
按10日持有期平均收益排序
|
|
|
|
|
|
|
|
|
|
|
2.26% |
|
|
|
|
|
|
|
1.84% |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1.68% |
|
|
|
|
|
|
|
1.31% |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
共性：这些行业大多处于近年景气周期或具备国产替代/新能源等强题材，趋势延续性佳，动量信号易捕捉β收益（见附录）。
4.2 信号表现最差的十五大行业
按10日持有期平均收益排序
|
|
|
|
|
|
|
|
|
|
-0.08% |
|
|
|
|
|
|
-0.60% |
|
|
|
|
|
|
|
|
|
|
|
|
|
-0.12% |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
-0.11% |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
共性：这些行业多为防御型、公用事业、低波动，或处于长期下行/政策承压周期，股价缺乏持续性趋势，动量信号易假突破。
5. 行业分布规律与归因
-
1. 周期性行业弹性最强：能源金属、小金属、有色金属、采掘、钢铁、化工等行业普遍在2–10天持有期内收益递增，符合“上涨有弹性”的动量特征。其高β属性使得买入信号后趋势延续性较强。 -
2. 制造业中机械设备、汽车链表现突出：电机、汽车零部件、汽车整车、工程机械、专用设备等收益与胜率双高，既受益于产业升级，也因机构覆盖充分，价格对动量信号反应正向。 -
3. TMT行业分化明显：电子元件、通信设备、计算机设备、电子化学品等硬件方向表现强劲；而软件开发、文化传媒、游戏等软件/内容方向收益中等但波动极大；半导体在短周期负收益但长期勉强修正。 -
4. 消费行业极端分化：珠宝首饰、教育、酿酒行业信号有效；但食品饮料、农牧饲渔、商业百货、美容护理等却表现低迷，反映必需消费品趋势性弱，买入信号多为假突破。 -
5. 金融行业内部差异：证券、保险、多元金融信号质量高，其中保险在全部持有期胜率均超52%，10日盈亏比1.41；但银行信号几乎失效。 -
6. 地产链与公用事业信号大面积失效：房地产开发、房地产服务、装修建材、水泥建材、公用事业、航运港口等行业方向不明确或负收益频现，与其长期去杠杆/低波动特征相符。
6. 持有期最优选择
-
• 强趋势行业（金属、汽车、机械）：10日持有期多为最优，能完整吃到波段利润，盈亏比>1.3，凯利比例>15%。 -
• 中等弹性行业（科技硬件、部分消费）：6–8日持有期最均衡，胜率和盈亏比达到最大交叉点。 -
• 弱趋势行业（金融、公用事业）：仅保险、证券可在4–6日持有，其余行业无稳定窗口。
7. 总结
-
1. 行业白名单：贵金属、小金属、能源金属、电机、汽车整车、汽车零部件、珠宝首饰、工程机械、电子化学品、采掘、多元金融、有色金属、通信设备共13个行业为信号最优应用区，预期单次收益0.8%–2.3%，胜率50%–56%。 -
2. 行业黑名单：医疗服务、工程咨询服务、食品饮料、铁路公路、银行、燃气、公用事业、物流、航运港口等约15个行业应屏蔽买入信号，避免无效交易磨损。 -
3. 行业中性运用：其余约58个行业可依据更细化的市场环境过滤（如均线方向、波动率）后选择性使用。 -
4. 策略构建：可采用“择优行业+固定持有10日”的规则化组合，配合等权下注和个股止损，历史年化收益估算可超25%（理论值），经成本调整后仍有望实现年化15%–20%。
此报告为量化策略的行业配置提供了清晰的数据支撑，后续可结合行业轮动模型或基本面约束进一步优化。
附录、β收益
β收益（Beta收益）通俗来说，就是跟随市场整体波动而获得的“市场平均收益”。它反映的是你承担市场整体风险后，获得的与市场同涨同跌的基础回报。
什么是贝塔系数（β）？
在投资中，我们通常用“贝塔系数（β）”来衡量一只基金或股票相对于整个市场的波动敏感度。假设市场的贝塔系数为1，那么：
-
• β = 1：代表该资产的波动与市场完全同步。市场涨10%，它也涨10%；市场跌10%，它也跌10%。 -
• β > 1：代表该资产的波动比市场更大（进攻型）。比如β=1.5，市场涨10%时，它可能涨15%；但如果市场跌10%，它也可能跌15%。 -
• β < 1：代表该资产的波动比市场更小（防御型）。比如β=0.5，市场跌10%时，它可能只跌5%，相对比较抗跌。
β收益与α收益的区别
在金融领域，我们常把β收益和α收益（Alpha收益）放在一起对比，它们构成了基金收益的两大核心来源：
-
• β收益（市场给的）：只要市场整体上涨，你就能获得的被动收益。比如你买了一只跟踪沪深300的指数基金，它的收益主要就是β收益。 -
• α收益（凭本事赚的）：基金经理通过选股、择时等主动管理能力，超越市场平均水平赚取的“超额收益”。
如何获取β收益？
对于普通投资者来说，获取β收益最简单直接的方式就是投资指数基金（如沪深300ETF、中证500ETF等）。这类基金的目标就是紧密跟踪特定的市场指数，只要看好市场或某个行业的整体行情，买入并持有，就能获得对应的β收益。
点击文章底部 [ 阅读原文 ] 链接网页可访问电商记的数据叙事工具的相关资源：
-
点击超级图表可实践本系列教程，用图形脚本自制技术指标和全股市扫描器，分析资产组合；
-
点击插件在PC端浏览器运行适用于淘宝、拼多多、京东等网站的自动化流程或用图形脚本自制数据采集流程。
电商记（dianshangji.com）为投资者、交易者提供数据叙事平台，集超级图表、数据采集、问卷调研、流量分析、网站内容管理、文档与表格管理、企业资源计划和客户关系管理的一站式商业数据智能解决方案。