股票動量因子

Ⅰ 007474基金下面有幾只股票

您好，這只基金是被動管理的指數型基金，主要資產是投資於華夏創成長ETF（代碼：159967），間接跟蹤創業板動量成長指數（代碼：399296），基金漲跌取決於指數漲跌。創業板動量成長指數以創業板流通市值前30%的股票作為股票池，通過成長因子和動量因子篩選出50隻股票作為成分股，反映創業板中具備良好成長能力且動量效應明顯的上市公司的整體情況，您可參考指數中的成分股信息~

Ⅱ 股票K線圖，下面指標的那些字母是什麼意思啊

MACD——平滑異同移動平均線，是從雙移動平均線發展而來的，由快的移動平均線減去慢的移動平均線，MACD的意義和雙移動平均線基本相同，但閱讀起來更方便。當MACD從負數轉向正數，是買的信號。當MACD從正數轉向負數，是賣的信號。當MACD以大角度變化，表示快的移動平均線和慢的移動平均線的差距非常迅速的拉開，代表了一個市場大趨勢的轉變。

KDJ——投資心理線，一般是用於股票分析的統計體系，根據統計學的原理，通過一個特定的周期（常為9日、9周等）內出現過的最高價、最低價及最後一個計算周期的收盤價及這三者之間的比例關系，來計算最後一個計算周期的未成熟隨機值RSV，然後根據平滑移動平均線的方法來計算K值、D值與J值，並繪成曲線圖來研判股票走勢。

RSI——相對強弱指標，是根據一定時期內上漲和下跌幅度之和的比率製作出的一種技術曲線。能夠反映出市場在一定時期內的景氣程度。

BOLL——布林通道，是根據統計學中的標准差原理設計出來的一種非常簡單實用的技術分析指標，BOLL指標又叫布林線指標，是研判市場運動趨勢的一種中長期技術分析工具。一般而言，市場的運動總是圍繞某一價值中樞（如均線、成本線等）在一定的范圍內變動，布林線指標指標正是在上述條件的基礎上，引進了「價格通道」的概念，其認為市場價格通道的寬窄隨著股價波動幅度的大小而變化，而且價格通道又具有變異性，它會隨著市場價格的變化而自動調整。

W&R——威廉指標，計算公式是：n日WMS=（Hn－Ct）/(Hn－Ln)×100。Ct為當天的收盤價；Hn和Ln是最近n日內（包括當天）出現的最高價和最低價。WMS指標表示的涵義是當天的收盤價在過去的一段日子的全部價格範圍內所處的相對位置。如果WMS的值比較大，則當天的價格處在相對較低的位置，要注意反彈；如果WMS的值比較小，則當天的價格處在相對較高的位置，要注意回落；WMS取值居中，在50左右，則價格上下的可能性都有。

DMI——趨向指標，是通過分析股票價格在漲跌過程中買賣雙方力量均衡點的變化情況，即多空雙方的力量的變化受價格波動的影響而發生由均衡到失衡的循環過程，從而提供對趨勢判斷依據的一種技術指標。

BIAS——乖離率，乖離率（BIAS）是測量股價偏離均線大小程度的指標。當股價偏離市場平均成本太大時，都有一個回歸的過程，即所謂的「物極必反」。

ASI——振動升降指標，ASI指標以開盤、最高、最低、收盤價與前一交易日的各種價格相比較作為計算因子，研判市場的方向性。

VR——成交量變異率,主要的作用在於以成交量的角度測量股價的熱度，不同於AR、BR、CR的價格角度

ARBR——人氣意願指標，其英文縮寫亦可表示為BRAR。由人氣指標(AR)和意願指標(BR)兩個指標構成。

DPO——區間震盪線，是由惠特曼·巴塞特(Walt Bressert)提出的。是一個排除價格趨勢的震盪指標。它試圖通過扣除前期移動平均價來消除長期趨勢對價格波動的干擾，從而便於發現價格短期的波動和超買超賣水平。

TRIX——三重指數平滑移動平均，長線操作時採用本指標的訊號，可以過濾掉一些短期波動的干擾，避免交易次數過於頻繁，造成部分無利潤的買賣，及手續費的損失。本指標是一項超長周期的指標，長時間按照本指標訊號交易，獲利百分比大於損失百分比，利潤相當可觀。

DMA——
平行線差指標,是目前股市分析技術指標中的一種中短期指標,常用於大盤指數和個股的研判。

BBI——多空指數，是通過將幾條不同天數移動平均線用加權平均方法計算出的一條移動平均線的綜合指標，BBI指標本身就是針對普通移動平均線MA指標的一種改進，

MTM——動量指標，其英文全稱是「Momentum Index」，是一種專門研究股價波動的中短期技術分析工具。

OBV——能量潮，是將成交量數量化，製成趨勢線，配合股價趨勢線，從價格的變動及成交量的增減關系，推測市場氣氛。其主要理論基礎是市場價格的變化必須有成交量的配合，股價的波動與成交量的擴大或萎縮有密切的關連。通常股價上升所需的成交量總是較大；下跌時，則成交量可能放大，也可能較小。價格升降而成交量不相應升降，則市場價格的變動難以為繼。

SAR——拋物線指標,也稱為停損點轉向指標，這種指標與移動平均線的原理頗為相似，屬於價格與時間並重的分析工具。由於組成SAR的點以弧形的方式移動，故稱「拋物轉向」。

EXPMA——簡稱EMA，中文名字：指數平均數指標或指數平滑移動平均線，一種趨向類指標，從統計學的觀點來看，只有把移動平均線（MA)繪制在價格時間跨度的中點，才能夠正確地反映價格的運動趨勢，但這會使信號在時間上滯後，而EXPMA指標是對移動平均線的彌補，EXPMA指標由於其計算公式中著重考慮了價格當天（當期）行情的權重，因此在使用中可克服MACD其他指標信號對於價格走勢的滯後性。同時也在一定程度中消除了DMA指標在某些時候對於價格走勢所產生的信號提前性，是一個非常有效的分析指標。

Ⅲ 股票里入選雪球100是什麼意思

『雪球100』是天弘基金和雪球投資達人的評論信息和投資組合數據，模擬現實投資所構建的國內首支純正的互聯網大數據指數。 天弘基金幫助雪球對原始數據進行了梳理，測試了各種策略後，選擇符合基金公司投資路徑的標准化方式，最終確定了該指數編制的策略。目前市場上的互聯網大數據指數，除了用到互聯網大數據本身，還應用了股票的財務因子和動量因子，主要由於這些大數據是基於普通財經數據或者搜索數據的大數據，並不包含股票本身的研究信息。 但雪球本身是一個社交投資平台，用戶的討論信息和投資組合信息已經包含了對股票基本面的分析判斷。天弘基金可以僅僅基於雪球的大數據通過量化來構建指數，於是，一隻純正的互聯網大數據指數——『雪球100』誕生了。 模擬歷史歷史數據證明，雪球100的掘金能力突出：自其基日2012年4月5日至2015年8月11日，雪球100累計收益達172.54%，遠超滬深300同期64.25%的收益，雪球100期間年化收益多達45.64%，年化超額收益也超過30%。 除了收益能力突出，『雪球100』的風險控制能力較強，今年6月中旬到7月初的此輪市場調整中，雪球100的最大回撤僅34.81%，而同類指數最大回撤均在40%以上。 行業分布方面，最近一期的雪球100指數成分股一級行業市值分布，主要集中於消費、金融、材料、醫療保健等行業。 千山入選雪球100成分股，這意味今後幾個月天弘發布這兩指數基金的話，將購買千山！

Ⅳ 動量效應的研究發展

自從Jegadeesh和Titman（1993）發現股市存在動量效應以來，對動量效應的研究逐漸成為金融學中最「核心」的領域。行為金融學和傳統金融理論對此類問題的解釋始終存在分歧。
一、行為金融與中國大陸股市的動量效應
（一）傳統金融理論與行為金融模型
Fama和French（1993，1996）等從傳統理論的角度對動量效應進行了解釋：動量效應不是市場無效的證據，動量策略的超額收益可能與人們採用的理論工具有關——在資本資產定價模型中，β值不是好的風險指標，只要在因子模型中加入新風險因子，超額收益或許就會消失。但對因子模型中應當加入哪些風險因子，學者們未能達成共識。
行為金融則認為傳統金融理論的前提出了問題，因而試圖從投資者的決策行為入手來找出動量效應的產生機制，但這些解釋也存在缺陷。Shefrin（2000）認為，行為金融模型對投資人行為模式的假設，並沒有以心理學試驗為基礎，缺乏合理的依據。正如Peter（1999）所認為的：「為了發展一個理論模型而尋找不合理的邏輯假設就好比把車放到了馬前頭」。與此同時，這也使經濟學失去了自己的特點，經濟學畢竟不是心理學，它不應該研究具體的認知模式，其假設應具有一定的概括性與抽象性。
（二）中國股市的動量效應與行為金融
對於中國股市的動量效應，中國學者進行了大量研究。王永宏、趙學軍（2001），朱戰宇、吳沖鋒和王承煒（2003），吳世農、吳超鵬（2003），肖軍、徐信忠（2004），馬超群、張浩（2005），趙振全、丁志國和蘇治（2005），林松立、唐旭（2005）等都認為，如果採用月度數據檢驗，中國大陸股市並不存在明顯的動量效應，而中長期反轉現象則比較突出；周琳傑（2002）發現動量策略的利潤對形成期和持有期的期限敏感，形成期和持有期為一個月的動量策略贏利性最為顯著；劉煜輝、賀菊煌和沈可挺（2003）則認為形成期和持有期在2周和24周之間的動量策略有顯著收益；余書煒（2004）則發現形成期和持有期在10到15天的動量策略有顯著收益。曹敏、吳沖鋒（2004）認為，中國大陸證券市場作為新興市場，和西方證券市場的反向策略存在差異，主要表現在中國股市的反向周期短於西方發達國家。
雖然以上實證研究的樣本期間不盡相同，但一致結論是中國股市的動量策略利潤只存在於形成期和持有期在4周以內的周期策略中；而西方國家股市的動量策略利潤一般存在於形成期、持有期為中期（3-12個月）的策略中。朱戰宇、吳沖鋒和王承煒（2003）等都認為，BSV模型、DHS模型、HS模型等模型沒有揭示出中國股市動量效應產生的機制。他們認為，BSV模型、DHS模型等模型中的投資者是根據對上市公司業績的預期來對公司的股票進行估價的，這符合發達資本市場上投資者的投資行為模式，而國內投資者基本上不關心公司的基本面，愛好短線操作，容易出現跟風等現象，從投資者認識偏差角度來解釋中國股市的動量效應並不合適。
二、奈特不確定性視角下的股市動量效應
1.不確定性的兩種分類
奈特（Knight，1921）把未來的不確定性分成兩種情況：一種是具有確定概率分布的不確定性，就是常說的「風險」（risk）；另一種是沒有確定概率分布的不確定性，其主觀概率是不確定的，稱為奈特不確定性或模糊（ambiguity）。如果拋硬幣的話，你會知道風險有多大，如果賭正面，贏的概率是50%。奈特認為，當你完全不知道各種可能性狀態以及各種狀態的概率時，就存在奈特不確定性。Savage（1954）等認為，雖然有時不能計算出某種事件的概率分布，但我們可以對這個事件指定一個先驗信念，這對建立數理模型的技術選擇沒有什麼區別，因此，奈特對不確定性的分類沒有意義了。Ellsberg（1961）等通過一系列試驗否定了Savage假設。他們的試驗表明，奈特對不確定性的劃分是有意義的。這些試驗還表明，人們常對奈特不確定性表現出厭惡的傾向，即便告訴試驗者Ellsberg試驗存在邏輯上的矛盾，試驗者仍然堅持自己的選擇，並願意為避免奈特不確定性而支付溢價。他們發現有人喜歡賭博（風險），卻不喜歡奈特不確定性，厭惡奈特不確定性的人不一定厭惡風險。這進一步證實奈特的觀點：風險厭惡和奈特不確定性是兩種不同的現象。他們還發現，在面臨奈特不確定性時，人們更在乎別人的想法，更容易形成「羊群效應」。
2.系統的復雜性造成了奈特不確定性
奈特不確定性是如何產生的呢？現代自然科學證明，由於系統內部的非線性機制（或正反饋機制或復雜性機制）造成了系統的進化，從而形成了奈特不確定性。如果系統是一個簡單的系統，那麼這個隨機過程就是遍歷的（ergodic），可以通過頻數試驗等方式得到這個過程的概率分布。自然界大多數隨機事件都屬於這種過程，這種過程就是一般不確定性——風險。但如果系統是進化的，過程就是非遍歷的（nonergodic），即使具備了歷史的和當前的所有信息（完全信息），也無法獲得某種未來不確定事件的概率分布，因為它不是過去過程的簡單重復，永遠有新的狀態被創造出來，我們不能預知這個狀態，更不可能獲得這種狀態的概率分布。經濟社會中的大多數系統都屬於這種過程，這種不確定性就是奈特不確定性。
（二）奈特不確定性視角下的動量效應微觀機制
Lewellen和Shanken（2002）認為，股票價格序列的可預測性與股票定價過程中的「參數的不確定性」有關，當決策者對未來現金流量的先驗信念不確定時（即存在概率分布的不確定性時），代表性投資者通過貝葉斯過程逐漸更新信念，這個學習過程滲透到股票定價過程中，導致股票價格正相關。
徐元棟、黃登仕（2003），徐元棟（2004）從奈特不確定性的角度探討了股市動量效應產生的微觀機制。與LS模型類似，投資者也不可能准確地確定未來現金流量的的概率分布，原因就是投資者面臨奈特不確定性。與LS模型不同，他們認為，市場上的投資者不能用一個「代表性投資者」來代替，這些投資者是不同質的，他們對未來現金流量具有不同的先驗信念。當這些異質投資者出現市場傳染現象時，就造成了動量效應。
Ford、Kelsey和Pang（2006）則從微觀金融角度研究了動量（反向）效應產生的機制。當市場上出現模糊（ambiguity）信號、不能確定股票的基本價值（面臨奈特不確定性）時，如果做市商與投資者都表現出樂觀情緒（悲觀情緒），股市就會出現動量現象。
Gerdjikova（2006）試圖在CBD理論（Casebased Decision Theory，案例決策理論）下解釋股市上的所有異常現象。由於投資者面臨奈特不確定性，他無法確定股票的基本價值。如果股票價值在合理區間內，投資者為了追求更多財富而在股市上頻繁交易從而造成了動量效應。
奈特不確定性視角下的動量效應機制理論認為，投資者不能確定股票未來現金流量的概率分布，異質投資者的市場傳染或者情緒的悲觀（樂觀）造成了動量效應。這些模型可以較好地解釋中國股市的動量現象。行為金融認為，決策者對股票現金流量的概率分布是確定的，不存在所謂「奈特不確定性」，是有限理性的投資者犯了認識偏差錯誤，從而造成了動量效應。這兩種解釋的最大分歧在於對不確定性的處理。
（三）奈特不確定性視角下的「奈特不確定性厭惡」補償模型
近年來，西方學者開始從奈特不確定性「厭惡」的角度來研究動量策略的「利潤」的來源。Andrew和Hodrick（2006）、Zhang（2006）等發現動量策略的超額利潤以及收益率橫斷面差異與奈特不確定性有正相關關系。Anderson、Ghysels和Juergens（2005，2006）則試圖在資產定價模型中加入「奈特不確定性厭惡因子」來解釋股市中的動量效應現象。從奈特不確定性角度看，投資者除面臨一般風險外，還面臨「更高級風險」，即奈特不確定性。只要在定價因子模型中考慮這種「更高級風險」，異常超額收益就會消失。
（四）奈特不確定性視角下兩種解釋方案的邏輯聯系
從奈特不確定性視角來研究動量效應也有兩條思路：一是從奈特不確定性角度研究動量效應產生的機制；二是在傳統的資產定價模型中加入「奈特不確定性厭惡因子」，將其作為動量策略「超額」利潤產生的來源。從邏輯上看，這兩條思路並不矛盾，奈特不確定性視角下的動量效應的微觀機制涉及的是「里」，「奈特不確定性厭惡補償」模型涉及的是「結果」，是「表」。以奈特不確定性為邏輯起點，可以將這兩條研究思路緊密地聯系在一起。
行為金融模型主要從認識性偏差（或雜訊）或信息不完全的角度對動量效應等異常現象進行了解釋。但問題是既然這些直覺性決策容易導致認知偏差，投資者為什麼仍然採取直覺性決策模式呢？行為金融沒有給出「理性」決策者產生上述決策行為模式的原因。實際上，投資者面臨的是奈特不確定性的環境，表現為事實上的「有限理性」。從決策行為可以看出人類在進化過程中的學習與記憶自適應性：傾向於本能的自我安全感（自我控制、認知失調）以及通過直覺性決策方式進行決策，即原則理性（rule rationality）（Aumann，1997）。在原則理性的視角下，如果決策者處於一個復雜的、奈特不確定性的世界，採用直覺性決策是合乎他們的理性的。
行為金融沒有對「雜訊」給出一個確切的定義。如果雜訊是與投資價值無關的信息，作為理性投資者為什麼不能過濾雜訊？行為金融學也重點研究在信息不對稱的情況下，有信息優勢或劣勢的投資者的行為對證券價格的影響。有人認為，對於公開市場上的大量、普遍交易的股票來說，投資者之間信息不對稱的可能性很小，也就是說不存在使股票價格產生大波動的信息不對稱問題。也有人認為，「雜訊」是與股票價值相關的信息，但由於投資者在面臨奈特不確定性時的「原則理性」，決策者只能憑直覺利用這些信息。

Ⅳ Fama-French 五因子模型解釋了動量效應和反轉效應嗎

覺得FF5能解釋
動量效應
，否則不會把Carhart的第四個因子舍棄。
上證180指數
交易，通過考察動量和反轉策略的收益情況
驗證中短期動量效應和
反轉效應
的存在性，並分析不同
市場形勢
下的效應差異，之後根據
流通市值
將A股市場劃分為
大盤股
和
小盤股
，探討交易量沖擊和收益率沖擊
下的股價
反應不足
或過度反應與動量或反轉效應之間的關系。在
BSV模型
和HS模型的基礎上，對動量和反轉效應的形成機制提供一個可能的解釋。

Ⅵ 股票中的動量效應如何衡量應該使用什麼指標

目前研究的動量效應主要由行為金融、奈特不確定性視角來衡量。

一、行內為容金融指從投資者的決策行為入手來找出動量效應的產生機制；

二、奈特不確定性主要包括了概率分布的不確定性、沒有確定概率分布的不確定性，由此產生了動量效應微觀機制。

動量效應是由Jegadeesh和Titman（1993）提出的，是指股票的收益率有延續原來的運動方向的趨勢，即過去一段時間收益率較高的股票在未來獲得的收益率仍會高於過去收益率較低的股票。

(6)股票動量因子擴展閱讀

動量效應的應用范圍：

動量效應在股票市場上存在的歷史很長，並且普遍存在於世界各地的股票市場上，甚至一些近期的研究發現動量效應也存在於其它類型的交易市場上，因此越來越多的學者開始探尋動量效應的成因以及他是否有違有效市場假說。

HS模型強調了投資者的異質性，把交易者分為信息觀察者和動量交易者兩類，私人信息在信息觀察者之間是逐步擴散的。得到結論為信息擴散慢的股票的動量效應或反轉效應高於信息擴散快的股票，因此，公司規模小，換手率低的股票具有更高的動量收益或者反轉收益。

Ⅶ 聰明的「貝塔」真的聰明嗎

聰明貝塔（Smart Beta）是最近幾年投資界比較引人注目的一個熱門話題。今天就專門來講講這個聰明貝塔。

在這里我要提醒一下讀者，這篇文章的內容稍微有點偏金融專業。如果讀者朋友們不是金融背景出身，可能會碰到一些不太熟悉的概念和術語。但是你也不用太害怕，在這些專業術語的背後，其邏輯並不復雜。我會盡量用簡單易懂的語言來把這個問題說清楚。

講完了提供因子指數的指數編制公司，再來介紹一下追蹤這些指數的基金經理。這些基金經理的工作是根據指數編排的規則，去復制這些指數，從而給予投資者和指數類似的回報。回報當然是越和指數回報接近越好，但在實際中做不到。因為指數不考慮交易成本和基金的管理費用。

在這個領域做的比較超前的有這么幾家公司。首先是Blackrock IShares。2009年Blackrock以135億美元的價格並購了BGI，同時也購買到了IShares這個品牌。在Blackrock IShare旗下，有比較全的因子指數基金，比如上面表格中的價值，動量，低波動等基金。這些基金的總費用率大概在0.15%左右，但需要注意他們絕大多數都僅限於美國市場。

先鋒，Vanguard，是指數基金領域另外一大巨頭。先鋒在因子指數方面提供的產品不多，只有紅利，低波動和小股票指數基金，且僅限於美國市場。當然如果這個領域是未來發展的方向，相信各大公司會相繼推出更多的產品。

Invesco Powershare和Charles Schwab也提供不少因子指數基金。缺點是他們的費率都比較高，一般介於0.25%-0.6%之間（如上圖所示）。Arnott的Fundamental Index (基本面指數）指數基金由Charles Schwab管理，費率為每年0.32%，也就是說該指數需要每年至少戰勝標准普爾0.28%左右（先鋒的標准普爾500指數基金費率為0.05%）才可能讓投資者獲得好處。

總結

關於股票因子回報的分析，是金融界一大創新和進步。該研究最大的貢獻，是讓投資者了解到可能提供超額回報的源頭，並且讓普通投資者以比較低廉的價格（通過因子指數基金）去獲得這些因子回報。在沒有因子指數基金的世界（比如中國），投資者想要獲得這些因子回報，只能通過投資基金經理，並付出比較高的費用（可能是每年1.5%-2%，在有些私募基金還需要外加15%-20%的利潤分成）。而這些因子指數基金，只收取0.15%-0.6%左右的總費用，沒有利潤分成，對於投資者來說確實是一大好消息。

因子回報研究的另一大貢獻是，它向廣大投資者們提供了設計自己的對沖基金策略的可能性。在絕大部分股票型對沖基金中，基金經理做的工作無非是買多某些因子，賣空另外一些因子。如果市場上有了基於因子的指數基金，並且可以賣空的話，對於我們廣大投資者來說，自己去交易自己設計的對沖基金策略就不再是個夢了。

當然，科技的進步永遠不會停止。我相信中國市場中的因子指數基金遲早也會出現。到時候廣大的中國投資者也會有更大的投資選項。

希望對大家有所幫助。

Ⅷ 股票中kdj中的k,d,j分別表示什麼意思

K線是快速確認線，數值在90以上為超買，數值在10以下為超賣；

D線是慢速主幹線，數值在80以上為超買，數值在20以下為超賣；

J線為方向敏感線，當J值大於90，特別是連續5天以上，股價至少會形成短期頭部，反之J值小於10時，特別是連續數天以上，股價至少會形成短期底部。

隨機指標KDJ最早是以KD指標的形式出現，而KD指標是在威廉指標的基礎上發展起來的。不過KD指標只判斷股票的超買超賣的現象，在KDJ指標中則融合了移動平均線速度上的觀念，形成比較准確的買賣信號依據。

在實踐中，K線與D線配合J線組成KDJ指標來使用。KDJ指標在設計過程中主要是研究最高價、最低價和收盤價之間的關系，同時也融合了動量觀念、強弱指標和移動平均線的一些優點。因此，能夠比較迅速、快捷、直觀地研判行情，被廣泛用於股市的中短期趨勢分析，是期貨和股票市場上最常用的技術分析工具。

(8)股票動量因子擴展閱讀：

KDJ指標的使用技巧

1、K與D值永遠介於0到100之間。D大於80時，行情呈現超買現象。D小於20時，行情呈現超賣現象。

2、上漲趨勢中，K值大於D值，K線向上突破D線時，為買進信號。下跌趨勢中，K值小於D值，K線向下跌破D線時，為賣出信號。

3、KD指標不僅能反映出市場的超買超賣程度，還能通過交叉突破發出買賣信號。

4、KD指標不適於發行量小、交易不活躍的股票，但是KD指標對大盤和熱門大盤股有極高准確性。

5、當隨機指標與股價出現背離時，一般為轉勢的信號。

6、K值和D值上升或者下跌的速度減弱，傾斜度趨於平緩是短期轉勢的預警信號。