1. 概念介绍
动量交易策略，即Momentum Trading Strategy。在经典力学里，动量即物体质量和速度的乘积，动量一方面描述了物体的运动状态，另一方面也描述了惯性的大小。
在证券市场上，我们也可以把“证券的价格”类比成运动的物体，价格上涨时，可以说价格有着上涨的动量，价格下跌时其具有下跌的动量。这种动量可能会使上涨或下跌继续维持下去，也可能该动量会越来越小，直到使之运动状态发生改变。股票资产组合的中期收益存在延续性，即中期价格具有向某一方向连续变动的动量效应。
关于动量产生的原因，有三种说法：
- 反应不足，即利好或利空不能一次完全消化，会持续在股价上体现。
- 正反馈模式，即赢者恒赢，输者恒输。
- 过度反应，即投资人对信息的高估而作出的决策。
2.计算动量
2.1 作差法求动量
即用今天的价格减去一段时间间隔(m期)以前的价格
Momentumt为该股票t时期的m期动量
Pt为该股票t时期的价格
Pt-m为该股票在t-m期的价格
以平安银行(000001.SZ)日线数据为例:
# 导入相关模块
import numpy as np
import tushare as ts
import pandas as pd
import mplfinance as mpf
import matplotlib.pyplot as plt
token = 'Your token' # 输入你的接口密匙，获取方式及相关权限见Tushare官网。
pro = ts.pro_api(token)
df = pro.daily(ts_code='000001.SZ') # daily为tushare的股票数据接口。
# 将获取到的DataFrame数据进行标准化处理，转换为方便自己使用的一种规范格式。
df = df.loc[:, ['trade_date', 'open', 'high', 'low', 'close', 'vol']]
df.rename(
columns={
'trade_date': 'Date', 'open': 'Open',
'high': 'High', 'low': 'Low',
'close': 'Close', 'vol': 'Volume'},
inplace=True) # 重定义列名，方便统一规范操作。
df['Date'] = pd.to_datetime(df['Date']) # 转换日期列的格式，便于作图
df.set_index(['Date'], inplace=True) # 将日期列作为行索引
df = df.sort_index() # 倒序，因为Tushare的数据是最近的交易日数据显示在DataFrame上方，倒序后方能保证作图时X轴从左到右时间序列递增。
查看一下df:
好，我们继续进行。
# 提取2020年日度收盘价
PABank =df.Close['2020']
PABank.describe()
# 假设时间跨度m为5，即求滞后5期的收盘价变量
lag5PABank = PABank.shift(5)
# 求5日动量
momentum5 = PABank - lag5PABank
# 绘制收盘价时序图与动量曲线图
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.subplot(211)
plt.plot(PABank,'b*')
plt.xlabel('date')
plt.ylabel('Close')
plt.title('平安银行2020年收盘价时序图&5日动量图')
plt.subplot(212)
plt.plot(momentum5,'r-*')
plt.xlabel('date')
plt.ylabel('momentum5')
plt.show()
效果如图所示：
2.2 作除法求动量
另一种求动量的方法是作除法，使用t期的价格减去其m期以前的价格Pt-m再除以Pt-m。这种用动量变化率来表示动量的方式，将作差法得到的绝对指标转化成了一套相对指标。可以将不同的股票的股价放在一起有了一定的可比性，但是考虑到不同股票的状况不同，也要参考其本身的波动性情况。
用公式表示t时期的ROC(Rate of Change): 
其中，ROCt表示股票t时期的m期动量值。
依然以平安银行2020年收盘价为例
Momen5 = PABank/lag5PABank -1
Momen5 = Momen5.dropna()
# 然后基本同上：
# 绘制收盘价时序图与动量曲线图
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.subplot(211)
plt.plot(PABank,'b*')
plt.xlabel('date')
plt.ylabel('Close')
plt.title('平安银行2020年收盘价时序图&5日动量图(作除法)')
plt.subplot(212)
plt.plot(Momen5,'r-*')
plt.xlabel('date')
plt.ylabel('momentum5')
plt.show()
效果如图：
3.定义求动量与作图函数
两个方法求得的动量图在图像上差别并不大。动量值一般采用作差法求得，可以编写一个求动量和作差法绘动量图的函数，以方便我们使用：
# 定义求动量的函数
def momentum(price, period):
lagPrice = price.shift(period)
momen = price - lagPrice
momen = momen.dropna()
return momen
# 定义求动量且绘时序图及动量图的函数
def momentum_plot(price, period):
import matplotlib.pyplot as plt
lagPrice = price.shift(period)
momen = price - lagPrice
momen = momen.dropna()
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.subplot(211)
plt.plot(price,'b*')
plt.xlabel('date')
plt.ylabel('Close')
plt.grid(True)
plt.title('收盘价时序图(上)&{}日动量图(下)'.format(period))
plt.subplot(212)
plt.grid(True)
plt.plot(momen,'r-*')
plt.xlabel('date')
plt.ylabel('Momentum')
plt.show()
# 更多图像美化细节待你完善。
# 调用，求平安银行2020年十日动量图
momentum_plot(PABank,10)
效果如图：
