【Python量化实战宝典 #20】动量、反转择时手册：趋势跟随与均值回归（Python 可跑）

手册定位：模块三第 4 篇。两种相反的择时逻辑：动量（追涨、趋势跟随）与反转（抄底、均值回归）。本篇讲怎么构建并对比两者，帮你选适合当下市况的那一个。

数据来源复用 #02 历史K线（close）+ #13 动量因子思路。

1. 你将得到什么

趋势跟随信号：N 日动量 > 0（或价格 > 均线）持仓；
均值回归信号：价格跌破 N 日均线一定幅度后买入、回归均线卖出；
两种信号的收益/回撤对比代码；
动量/反转的 4 个坑（风格切换、参数、双边成本、样本期）。

2. 取数约定（复用）

信号	来源	见
日线 close	`/hs/history/{代码}.{市场}/d/n`	#02

3. 数据来源（复用，不重复罗列）

详见 #02 历史K线接口手册（日线端点）。

4. 核心模板函数（自包含可跑）

python 复制代码

import pandas as pd
import numpy as np

_MOCK = True


def trend_signal(close, n=20):
    s = pd.Series(close)
    mom = s / s.shift(n) - 1
    return (mom > 0).astype(int)            # 动量>0 持仓


def mean_reversion_signal(close, n=20, band=0.05):
    s = pd.Series(close)
    ma = s.rolling(n).mean()
    dev = s / ma - 1
    # 跌破均线 band 且未超跌过多 -> 买入(1)；回归均线 -> 卖出(0)
    return ((dev < -band) & (dev > -2 * band)).astype(int)


def signal_return(close, sig):
    s = pd.Series(close)
    ret = s.pct_change().fillna(0)
    pos = pd.Series(sig).shift(1).fillna(0)   # 次日才持仓，避免前视
    return (pos * ret).sum()


def run_check():
    rng = np.random.default_rng(1)
    n = 250
    close = 100 * np.cumprod(1 + rng.normal(0.0005, 0.02, n))  # 模拟带趋势的价格
    t = trend_signal(close, n=20)
    m = mean_reversion_signal(close, n=20, band=0.05)
    rt = signal_return(close, t)
    rm = signal_return(close, m)
    assert np.isfinite(rt) and np.isfinite(rm)
    print("校验通过 | 趋势收益=%.3f 反转收益=%.3f" % (rt, rm))
    return t, m


if __name__ == "__main__":
    run_check()

5. 跑通示例

python 复制代码

t, m = run_check()
# 实盘可二选一或按市场状态切换
print("趋势信号末态:", "持仓" if t.iloc[-1] else "空仓", " 反转信号末态:", "买入区" if m.iloc[-1] else "观望")

6. 坑与注意事项

风格切换：动量在趋势市赢、反转在震荡市赢，单一信号长期会轮空，最好按市场状态切换。
参数：N 日窗口决定风格，长窗口偏趋势、短窗口偏反转，别过度优化。
双边成本：两种信号都换手，反转更高，回测必须扣交易成本才可信。
样本期：在单边牛市回测反转会很难看，要跨多段市况（牛/熊/震）验证稳健性。

7. 小结与下一篇预告

动量/反转择时给了两种互相对冲的逻辑。下一篇讲北向资金跟随------用聪明钱（北向）的净流入做择时信号。

下一篇预告：《【Python量化实战宝典 #21】北向资金跟随手册：聪明钱择时信号（Python 可跑）》

8. 免责声明

本文为择时方法示例，演示数据为模拟，不构成投资建议。