区间涨幅,动量效应
“强者恒强”(动量效应)的底层原理可从行为金融学、市场结构、信息传播、基本面持续性等多个维度拆解,这些机制共同构成了 “强势资产持续走强” 的内在逻辑:

一、行为金融学:投资者认知偏差的驱动
- 锚定效应与过度反应投资者会锚定资产的近期价格高点,认为 “上涨趋势会延续”,并对利好消息过度反应、对利空消息反应不足。例如,某股票连续上涨后,投资者会锚定其近期高价,倾向于认为后续仍会上涨,从而持续买入。
- 羊群效应(从众行为)当资产表现强势时,投资者会跟风买入(尤其是个人投资者和部分量化资金),形成 “买盘→价格上涨→更多人买入” 的正反馈。这种从众行为在社交媒体、投资论坛的信息传播中被进一步放大。
- 处置效应(持有盈利、卖出亏损)投资者普遍倾向于 “持有盈利资产、卖出亏损资产”,导致强势资产的抛压小、买盘持续,弱势资产则面临持续卖压,进一步强化 “强者恒强、弱者恒弱”。
二、市场结构:机构资金的正反馈循环
- 机构投资者的规模效应机构资金(如公募基金、社保基金)体量庞大,其买入行为会带来持续的买盘支撑。例如,某股票被纳入 “核心资产” 基金的重仓股后,基金的持续申购会带来稳定的资金流入,推动股价长期走强。
- 被动投资的指数化推力指数基金、ETF 的被动投资逻辑会让资金持续流入成分股(强势资产)。例如,沪深 300ETF 的规模增长会直接买入其成分股,而这些成分股本身就是市场中的 “强者”,资金的持续流入进一步强化其强势。
三、信息传播:利好的滞后认知与发酵
- 信息扩散的时间差资产的基本面利好(如技术突破、行业政策)往往需要时间被市场广泛认知。在信息扩散的过程中,先知先觉的资金会先买入,后知后觉的资金随后跟进,导致价格的持续上涨(而非一次性反映利好)。
- 分析师与媒体的强化作用强势资产会吸引更多分析师的关注,他们的研报、评级会进一步强化市场对其 “强势” 的认知;同时,媒体对龙头企业、热门行业的报道也会放大其影响力,吸引更多资金入场。
四、基本面:真动量的业绩持续性
部分 “强者” 的强势并非单纯由情绪驱动,而是基本面的持续优势支撑:
行业周期的持续性:处于上升周期的行业(如新能源、半导体),其产业链公司的业绩增长具有持续性,盈利的持续改善会支撑股价的长期强势。
公司竞争力的壁垒:龙头企业在品牌、技术、渠道上的壁垒,使其在市场竞争中持续抢占份额、获取超额收益,这种基本面的 “真动量” 会转化为股价的持续强势。
五、技术分析的自我实现
大量交易者依赖技术指标(如均线多头排列、突破关键阻力位)进行交易。当资产价格突破技术阻力位时,技术派资金的涌入会进一步推动价格上涨,形成 “技术信号→资金买入→价格上涨→验证技术信号” 的自我实现循环。
总结
“强者恒强” 的本质是行为偏差、资金结构、信息传播、基本面优势、技术交易等多重因素的共振:
短期看,行为偏差和技术面的正反馈是直接驱动力;
中长期看,基本面的持续性和机构资金的规模效应是底层支撑。
但需注意,“强者恒强” 并非绝对,当市场风格切换、黑天鹅事件发生或基本面优势消失时,动量可能快速反转(即 “动量崩溃”)。因此,在应用动量策略时,需结合市场环境和资产基本面做动态判断。
上一篇:斜率*R平方的轮动 下一篇:这些红利ETF,值得你长期持有
作者文章
- 2026年 QMT & miniQMT 券商支持清单 1周前 (04-15)
- 年化191%的策略,我们拆解下,是否过拟合? 4个月前 (01-05)
- 美军直接抓人!委内瑞拉的石油,美国抢定了? 4个月前 (01-05)
- 量化第一课:backtrader实现双均线策略 4个月前 (12-29)
- Backtrader 最流行的量化回测框架 4个月前 (12-24)
热门
- 1 头部券商开户:超低手续费+QMT+赠送会员 你好,次方量化提供了丰厚的开户权益:(请准备好身份证照片、银行卡号)权益1:手动交易超低手续费股票万1(包规费)ETF万0.5 (包规费)可转债万0.5(包规费)国债逆回购一折以1万本金为例,一年省出一台新iPhone。权益2:赠送次方量化...
- 2 次方量化-微信公众号 次方量化 - 服务号次方量化 - 订阅号微信企业 客服微信...
- 3 GitHub量化交易合集!8类23种干货整理 最近几年,量化交易从“高门槛黑箱”逐渐走向大众化。尤其在A股震荡、加密市场波动加剧的背景下,越来越多程序员、金融从业者甚至学生党开始尝试用代码构建自己的交易系统。而GitHub,无疑是这场“平民量化革命”的主战场。但问题来了:面对成千上万的...
- 4 幻方量化 AI 投资方法技术拆解 幻方量化以 AI 技术为核心,构建了涵盖模型、数据、交易、算力的全链条量化投资体系,其技术框架围绕模型演进、数据处理、交易执行、算力支撑等维度持续优化。核心 AI 模型与策略框架幻方的模型演进历经多因子模型、深度学习到集成框架三个阶段,技术...
- 5 年化191%的策略,我们拆解下,是否过拟合? 看的是这个收益最高的策略,年化这么高,我们稍微调整下,发布出来【1】去掉日交易额小于2000万的ETF,这个盘子太小了,有几个人买就非常任意买爆。【2】把一些能够替换成其他规模大的ETF就替换掉,替换成我们自己快捷选择的ETF。【3】增加佣...
- 6 短线、龙头、趋势(AI战法) 短线龙头趋势战法,核心是聚焦市场主线题材的龙头股,抓主升浪趋势,以 “快准狠” 的交易节奏与严格纪律实现短期超额收益,同时靠精准风控规避情绪退潮风险。以下是完整体系与实操要点:一、核心逻辑与龙头识别核心逻辑:龙头是板块 / 市场情绪与资金合...
- 7 【策略】聚宽平台直接运行的ETF轮动 以下是一个可在聚宽平台直接运行的 ETF 轮动策略,采用动量因子进行选股,每月调仓一次。策略原理是选择近期表现较好的 ETF 进行持有,追求趋势延续性收益。# 克隆自聚宽文章:https://www.joinquant.com/p...
- 8 自动交易,对接实盘QMT 由于很多朋友工作并不会用到电脑,就算在电脑面前,2点30以后,都没有时间看电脑,我们就开发了一个QMT的功能。实现自动化交易,如果你的资金量比较大,开通QMT意义大一些,资金量小,手动跟也无所谓。下面是你需要准备的一些点:【开通券商QMT】...
- 9 开源金融数据包:akshare、 baostock 在量化投资领域有2个很出名的包,一个是akshare 一个是 baostock,目前获取数据都是免费的,今天主要讲 baostock 这个包。安装包,包里面包括可量价数据,估值数据,再通过一些计算可以把总市值和利润数据给计算出来,基本上就包...
- 10 RSRS动量轮动策略 本篇基于光大证券研报《基于阻力支撑相对强度(RSRS)的市场择时》,给出了RSRS斜率指标择时,以及在斜率基础上的标准化指标择时策略。阻力位是指指标价格上涨时可能遇到的压力,即交易者认为卖方力量开始反超买方,从而价格难以继续上涨或从此回调下...
最新文章
- 2026年 QMT & miniQMT 券商支持清单 1周前 (04-15)
- 年化191%的策略,我们拆解下,是否过拟合? 4个月前 (01-05)
- 美军直接抓人!委内瑞拉的石油,美国抢定了? 4个月前 (01-05)
- 量化第一课:backtrader实现双均线策略 4个月前 (12-29)
- Backtrader 最流行的量化回测框架 4个月前 (12-24)
- LOF基金套利教程,溢价率68% 4个月前 (12-24)
- 通过阿里源安装python的包 4个月前 (12-23)
- 短线、龙头、趋势(AI战法) 4个月前 (12-23)
- 年化收益167.48%,夏普率4.90 4个月前 (12-23)
- 次方量化官方【视频教程】 4个月前 (12-15)
标签列表
次方量化-技术博客
发表评论:
◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。