股票动量因子

Ⅰ 007474基金下面有几只股票

您好，这只基金是被动管理的指数型基金，主要资产是投资于华夏创成长ETF（代码：159967），间接跟踪创业板动量成长指数（代码：399296），基金涨跌取决于指数涨跌。创业板动量成长指数以创业板流通市值前30%的股票作为股票池，通过成长因子和动量因子筛选出50只股票作为成分股，反映创业板中具备良好成长能力且动量效应明显的上市公司的整体情况，您可参考指数中的成分股信息~

Ⅱ 股票K线图，下面指标的那些字母是什么意思啊

MACD——平滑异同移动平均线，是从双移动平均线发展而来的，由快的移动平均线减去慢的移动平均线，MACD的意义和双移动平均线基本相同，但阅读起来更方便。当MACD从负数转向正数，是买的信号。当MACD从正数转向负数，是卖的信号。当MACD以大角度变化，表示快的移动平均线和慢的移动平均线的差距非常迅速的拉开，代表了一个市场大趋势的转变。

KDJ——投资心理线，一般是用于股票分析的统计体系，根据统计学的原理，通过一个特定的周期（常为9日、9周等）内出现过的最高价、最低价及最后一个计算周期的收盘价及这三者之间的比例关系，来计算最后一个计算周期的未成熟随机值RSV，然后根据平滑移动平均线的方法来计算K值、D值与J值，并绘成曲线图来研判股票走势。

RSI——相对强弱指标，是根据一定时期内上涨和下跌幅度之和的比率制作出的一种技术曲线。能够反映出市场在一定时期内的景气程度。

BOLL——布林通道，是根据统计学中的标准差原理设计出来的一种非常简单实用的技术分析指标，BOLL指标又叫布林线指标，是研判市场运动趋势的一种中长期技术分析工具。一般而言，市场的运动总是围绕某一价值中枢（如均线、成本线等）在一定的范围内变动，布林线指标指标正是在上述条件的基础上，引进了“价格通道”的概念，其认为市场价格通道的宽窄随着股价波动幅度的大小而变化，而且价格通道又具有变异性，它会随着市场价格的变化而自动调整。

W&R——威廉指标，计算公式是：n日WMS=（Hn－Ct）/(Hn－Ln)×100。Ct为当天的收盘价；Hn和Ln是最近n日内（包括当天）出现的最高价和最低价。WMS指标表示的涵义是当天的收盘价在过去的一段日子的全部价格范围内所处的相对位置。如果WMS的值比较大，则当天的价格处在相对较低的位置，要注意反弹；如果WMS的值比较小，则当天的价格处在相对较高的位置，要注意回落；WMS取值居中，在50左右，则价格上下的可能性都有。

DMI——趋向指标，是通过分析股票价格在涨跌过程中买卖双方力量均衡点的变化情况，即多空双方的力量的变化受价格波动的影响而发生由均衡到失衡的循环过程，从而提供对趋势判断依据的一种技术指标。

BIAS——乖离率，乖离率（BIAS）是测量股价偏离均线大小程度的指标。当股价偏离市场平均成本太大时，都有一个回归的过程，即所谓的“物极必反”。

ASI——振动升降指标，ASI指标以开盘、最高、最低、收盘价与前一交易日的各种价格相比较作为计算因子，研判市场的方向性。

VR——成交量变异率,主要的作用在于以成交量的角度测量股价的热度，不同于AR、BR、CR的价格角度

ARBR——人气意愿指标，其英文缩写亦可表示为BRAR。由人气指标(AR)和意愿指标(BR)两个指标构成。

DPO——区间震荡线，是由惠特曼·巴塞特(Walt Bressert)提出的。是一个排除价格趋势的震荡指标。它试图通过扣除前期移动平均价来消除长期趋势对价格波动的干扰，从而便于发现价格短期的波动和超买超卖水平。

TRIX——三重指数平滑移动平均，长线操作时采用本指标的讯号，可以过滤掉一些短期波动的干扰，避免交易次数过于频繁，造成部分无利润的买卖，及手续费的损失。本指标是一项超长周期的指标，长时间按照本指标讯号交易，获利百分比大于损失百分比，利润相当可观。

DMA——
平行线差指标,是目前股市分析技术指标中的一种中短期指标,常用于大盘指数和个股的研判。

BBI——多空指数，是通过将几条不同天数移动平均线用加权平均方法计算出的一条移动平均线的综合指标，BBI指标本身就是针对普通移动平均线MA指标的一种改进，

MTM——动量指标，其英文全称是“Momentum Index”，是一种专门研究股价波动的中短期技术分析工具。

OBV——能量潮，是将成交量数量化，制成趋势线，配合股价趋势线，从价格的变动及成交量的增减关系，推测市场气氛。其主要理论基础是市场价格的变化必须有成交量的配合，股价的波动与成交量的扩大或萎缩有密切的关连。通常股价上升所需的成交量总是较大；下跌时，则成交量可能放大，也可能较小。价格升降而成交量不相应升降，则市场价格的变动难以为继。

SAR——抛物线指标,也称为停损点转向指标，这种指标与移动平均线的原理颇为相似，属于价格与时间并重的分析工具。由于组成SAR的点以弧形的方式移动，故称“抛物转向”。

EXPMA——简称EMA，中文名字：指数平均数指标或指数平滑移动平均线，一种趋向类指标，从统计学的观点来看，只有把移动平均线（MA)绘制在价格时间跨度的中点，才能够正确地反映价格的运动趋势，但这会使信号在时间上滞后，而EXPMA指标是对移动平均线的弥补，EXPMA指标由于其计算公式中着重考虑了价格当天（当期）行情的权重，因此在使用中可克服MACD其他指标信号对于价格走势的滞后性。同时也在一定程度中消除了DMA指标在某些时候对于价格走势所产生的信号提前性，是一个非常有效的分析指标。

Ⅲ 股票里入选雪球100是什么意思

『雪球100』是天弘基金和雪球投资达人的评论信息和投资组合数据，模拟现实投资所构建的国内首支纯正的互联网大数据指数。 天弘基金帮助雪球对原始数据进行了梳理，测试了各种策略后，选择符合基金公司投资路径的标准化方式，最终确定了该指数编制的策略。目前市场上的互联网大数据指数，除了用到互联网大数据本身，还应用了股票的财务因子和动量因子，主要由于这些大数据是基于普通财经数据或者搜索数据的大数据，并不包含股票本身的研究信息。 但雪球本身是一个社交投资平台，用户的讨论信息和投资组合信息已经包含了对股票基本面的分析判断。天弘基金可以仅仅基于雪球的大数据通过量化来构建指数，于是，一只纯正的互联网大数据指数——『雪球100』诞生了。 模拟历史历史数据证明，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累计收益达172.54%，远超沪深300同期64.25%的收益，雪球100期间年化收益多达45.64%，年化超额收益也超过30%。 除了收益能力突出，『雪球100』的风险控制能力较强，今年6月中旬到7月初的此轮市场调整中，雪球100的最大回撤仅34.81%，而同类指数最大回撤均在40%以上。 行业分布方面，最近一期的雪球100指数成分股一级行业市值分布，主要集中于消费、金融、材料、医疗保健等行业。 千山入选雪球100成分股，这意味今后几个月天弘发布这两指数基金的话，将购买千山！

Ⅳ 动量效应的研究发展

自从Jegadeesh和Titman（1993）发现股市存在动量效应以来，对动量效应的研究逐渐成为金融学中最“核心”的领域。行为金融学和传统金融理论对此类问题的解释始终存在分歧。
一、行为金融与中国大陆股市的动量效应
（一）传统金融理论与行为金融模型
Fama和French（1993，1996）等从传统理论的角度对动量效应进行了解释：动量效应不是市场无效的证据，动量策略的超额收益可能与人们采用的理论工具有关——在资本资产定价模型中，β值不是好的风险指标，只要在因子模型中加入新风险因子，超额收益或许就会消失。但对因子模型中应当加入哪些风险因子，学者们未能达成共识。
行为金融则认为传统金融理论的前提出了问题，因而试图从投资者的决策行为入手来找出动量效应的产生机制，但这些解释也存在缺陷。Shefrin（2000）认为，行为金融模型对投资人行为模式的假设，并没有以心理学试验为基础，缺乏合理的依据。正如Peter（1999）所认为的：“为了发展一个理论模型而寻找不合理的逻辑假设就好比把车放到了马前头”。与此同时，这也使经济学失去了自己的特点，经济学毕竟不是心理学，它不应该研究具体的认知模式，其假设应具有一定的概括性与抽象性。
（二）中国股市的动量效应与行为金融
对于中国股市的动量效应，中国学者进行了大量研究。王永宏、赵学军（2001），朱战宇、吴冲锋和王承炜（2003），吴世农、吴超鹏（2003），肖军、徐信忠（2004），马超群、张浩（2005），赵振全、丁志国和苏治（2005），林松立、唐旭（2005）等都认为，如果采用月度数据检验，中国大陆股市并不存在明显的动量效应，而中长期反转现象则比较突出；周琳杰（2002）发现动量策略的利润对形成期和持有期的期限敏感，形成期和持有期为一个月的动量策略赢利性最为显著；刘煜辉、贺菊煌和沈可挺（2003）则认为形成期和持有期在2周和24周之间的动量策略有显著收益；余书炜（2004）则发现形成期和持有期在10到15天的动量策略有显著收益。曹敏、吴冲锋（2004）认为，中国大陆证券市场作为新兴市场，和西方证券市场的反向策略存在差异，主要表现在中国股市的反向周期短于西方发达国家。
虽然以上实证研究的样本期间不尽相同，但一致结论是中国股市的动量策略利润只存在于形成期和持有期在4周以内的周期策略中；而西方国家股市的动量策略利润一般存在于形成期、持有期为中期（3-12个月）的策略中。朱战宇、吴冲锋和王承炜（2003）等都认为，BSV模型、DHS模型、HS模型等模型没有揭示出中国股市动量效应产生的机制。他们认为，BSV模型、DHS模型等模型中的投资者是根据对上市公司业绩的预期来对公司的股票进行估价的，这符合发达资本市场上投资者的投资行为模式，而国内投资者基本上不关心公司的基本面，爱好短线操作，容易出现跟风等现象，从投资者认识偏差角度来解释中国股市的动量效应并不合适。
二、奈特不确定性视角下的股市动量效应
1.不确定性的两种分类
奈特（Knight，1921）把未来的不确定性分成两种情况：一种是具有确定概率分布的不确定性，就是常说的“风险”（risk）；另一种是没有确定概率分布的不确定性，其主观概率是不确定的，称为奈特不确定性或模糊（ambiguity）。如果抛硬币的话，你会知道风险有多大，如果赌正面，赢的概率是50%。奈特认为，当你完全不知道各种可能性状态以及各种状态的概率时，就存在奈特不确定性。Savage（1954）等认为，虽然有时不能计算出某种事件的概率分布，但我们可以对这个事件指定一个先验信念，这对建立数理模型的技术选择没有什么区别，因此，奈特对不确定性的分类没有意义了。Ellsberg（1961）等通过一系列试验否定了Savage假设。他们的试验表明，奈特对不确定性的划分是有意义的。这些试验还表明，人们常对奈特不确定性表现出厌恶的倾向，即便告诉试验者Ellsberg试验存在逻辑上的矛盾，试验者仍然坚持自己的选择，并愿意为避免奈特不确定性而支付溢价。他们发现有人喜欢赌博（风险），却不喜欢奈特不确定性，厌恶奈特不确定性的人不一定厌恶风险。这进一步证实奈特的观点：风险厌恶和奈特不确定性是两种不同的现象。他们还发现，在面临奈特不确定性时，人们更在乎别人的想法，更容易形成“羊群效应”。
2.系统的复杂性造成了奈特不确定性
奈特不确定性是如何产生的呢？现代自然科学证明，由于系统内部的非线性机制（或正反馈机制或复杂性机制）造成了系统的进化，从而形成了奈特不确定性。如果系统是一个简单的系统，那么这个随机过程就是遍历的（ergodic），可以通过频数试验等方式得到这个过程的概率分布。自然界大多数随机事件都属于这种过程，这种过程就是一般不确定性——风险。但如果系统是进化的，过程就是非遍历的（nonergodic），即使具备了历史的和当前的所有信息（完全信息），也无法获得某种未来不确定事件的概率分布，因为它不是过去过程的简单重复，永远有新的状态被创造出来，我们不能预知这个状态，更不可能获得这种状态的概率分布。经济社会中的大多数系统都属于这种过程，这种不确定性就是奈特不确定性。
（二）奈特不确定性视角下的动量效应微观机制
Lewellen和Shanken（2002）认为，股票价格序列的可预测性与股票定价过程中的“参数的不确定性”有关，当决策者对未来现金流量的先验信念不确定时（即存在概率分布的不确定性时），代表性投资者通过贝叶斯过程逐渐更新信念，这个学习过程渗透到股票定价过程中，导致股票价格正相关。
徐元栋、黄登仕（2003），徐元栋（2004）从奈特不确定性的角度探讨了股市动量效应产生的微观机制。与LS模型类似，投资者也不可能准确地确定未来现金流量的的概率分布，原因就是投资者面临奈特不确定性。与LS模型不同，他们认为，市场上的投资者不能用一个“代表性投资者”来代替，这些投资者是不同质的，他们对未来现金流量具有不同的先验信念。当这些异质投资者出现市场传染现象时，就造成了动量效应。
Ford、Kelsey和Pang（2006）则从微观金融角度研究了动量（反向）效应产生的机制。当市场上出现模糊（ambiguity）信号、不能确定股票的基本价值（面临奈特不确定性）时，如果做市商与投资者都表现出乐观情绪（悲观情绪），股市就会出现动量现象。
Gerdjikova（2006）试图在CBD理论（Casebased Decision Theory，案例决策理论）下解释股市上的所有异常现象。由于投资者面临奈特不确定性，他无法确定股票的基本价值。如果股票价值在合理区间内，投资者为了追求更多财富而在股市上频繁交易从而造成了动量效应。
奈特不确定性视角下的动量效应机制理论认为，投资者不能确定股票未来现金流量的概率分布，异质投资者的市场传染或者情绪的悲观（乐观）造成了动量效应。这些模型可以较好地解释中国股市的动量现象。行为金融认为，决策者对股票现金流量的概率分布是确定的，不存在所谓“奈特不确定性”，是有限理性的投资者犯了认识偏差错误，从而造成了动量效应。这两种解释的最大分歧在于对不确定性的处理。
（三）奈特不确定性视角下的“奈特不确定性厌恶”补偿模型
近年来，西方学者开始从奈特不确定性“厌恶”的角度来研究动量策略的“利润”的来源。Andrew和Hodrick（2006）、Zhang（2006）等发现动量策略的超额利润以及收益率横断面差异与奈特不确定性有正相关关系。Anderson、Ghysels和Juergens（2005，2006）则试图在资产定价模型中加入“奈特不确定性厌恶因子”来解释股市中的动量效应现象。从奈特不确定性角度看，投资者除面临一般风险外，还面临“更高级风险”，即奈特不确定性。只要在定价因子模型中考虑这种“更高级风险”，异常超额收益就会消失。
（四）奈特不确定性视角下两种解释方案的逻辑联系
从奈特不确定性视角来研究动量效应也有两条思路：一是从奈特不确定性角度研究动量效应产生的机制；二是在传统的资产定价模型中加入“奈特不确定性厌恶因子”，将其作为动量策略“超额”利润产生的来源。从逻辑上看，这两条思路并不矛盾，奈特不确定性视角下的动量效应的微观机制涉及的是“里”，“奈特不确定性厌恶补偿”模型涉及的是“结果”，是“表”。以奈特不确定性为逻辑起点，可以将这两条研究思路紧密地联系在一起。
行为金融模型主要从认识性偏差（或噪声）或信息不完全的角度对动量效应等异常现象进行了解释。但问题是既然这些直觉性决策容易导致认知偏差，投资者为什么仍然采取直觉性决策模式呢？行为金融没有给出“理性”决策者产生上述决策行为模式的原因。实际上，投资者面临的是奈特不确定性的环境，表现为事实上的“有限理性”。从决策行为可以看出人类在进化过程中的学习与记忆自适应性：倾向于本能的自我安全感（自我控制、认知失调）以及通过直觉性决策方式进行决策，即原则理性（rule rationality）（Aumann，1997）。在原则理性的视角下，如果决策者处于一个复杂的、奈特不确定性的世界，采用直觉性决策是合乎他们的理性的。
行为金融没有对“噪声”给出一个确切的定义。如果噪声是与投资价值无关的信息，作为理性投资者为什么不能过滤噪声？行为金融学也重点研究在信息不对称的情况下，有信息优势或劣势的投资者的行为对证券价格的影响。有人认为，对于公开市场上的大量、普遍交易的股票来说，投资者之间信息不对称的可能性很小，也就是说不存在使股票价格产生大波动的信息不对称问题。也有人认为，“噪声”是与股票价值相关的信息，但由于投资者在面临奈特不确定性时的“原则理性”，决策者只能凭直觉利用这些信息。

Ⅳ Fama-French 五因子模型解释了动量效应和反转效应吗

觉得FF5能解释
动量效应
，否则不会把Carhart的第四个因子舍弃。
上证180指数
交易，通过考察动量和反转策略的收益情况
验证中短期动量效应和
反转效应
的存在性，并分析不同
市场形势
下的效应差异，之后根据
流通市值
将A股市场划分为
大盘股
和
小盘股
，探讨交易量冲击和收益率冲击
下的股价
反应不足
或过度反应与动量或反转效应之间的关系。在
BSV模型
和HS模型的基础上，对动量和反转效应的形成机制提供一个可能的解释。

Ⅵ 股票中的动量效应如何衡量应该使用什么指标

目前研究的动量效应主要由行为金融、奈特不确定性视角来衡量。

一、行内为容金融指从投资者的决策行为入手来找出动量效应的产生机制；

二、奈特不确定性主要包括了概率分布的不确定性、没有确定概率分布的不确定性，由此产生了动量效应微观机制。

动量效应是由Jegadeesh和Titman（1993）提出的，是指股票的收益率有延续原来的运动方向的趋势，即过去一段时间收益率较高的股票在未来获得的收益率仍会高于过去收益率较低的股票。

(6)股票动量因子扩展阅读

动量效应的应用范围：

动量效应在股票市场上存在的历史很长，并且普遍存在于世界各地的股票市场上，甚至一些近期的研究发现动量效应也存在于其它类型的交易市场上，因此越来越多的学者开始探寻动量效应的成因以及他是否有违有效市场假说。

HS模型强调了投资者的异质性，把交易者分为信息观察者和动量交易者两类，私人信息在信息观察者之间是逐步扩散的。得到结论为信息扩散慢的股票的动量效应或反转效应高于信息扩散快的股票，因此，公司规模小，换手率低的股票具有更高的动量收益或者反转收益。

Ⅶ 聪明的“贝塔”真的聪明吗

聪明贝塔（Smart Beta）是最近几年投资界比较引人注目的一个热门话题。今天就专门来讲讲这个聪明贝塔。

在这里我要提醒一下读者，这篇文章的内容稍微有点偏金融专业。如果读者朋友们不是金融背景出身，可能会碰到一些不太熟悉的概念和术语。但是你也不用太害怕，在这些专业术语的背后，其逻辑并不复杂。我会尽量用简单易懂的语言来把这个问题说清楚。

讲完了提供因子指数的指数编制公司，再来介绍一下追踪这些指数的基金经理。这些基金经理的工作是根据指数编排的规则，去复制这些指数，从而给予投资者和指数类似的回报。回报当然是越和指数回报接近越好，但在实际中做不到。因为指数不考虑交易成本和基金的管理费用。

在这个领域做的比较超前的有这么几家公司。首先是Blackrock IShares。2009年Blackrock以135亿美元的价格并购了BGI，同时也购买到了IShares这个品牌。在Blackrock IShare旗下，有比较全的因子指数基金，比如上面表格中的价值，动量，低波动等基金。这些基金的总费用率大概在0.15%左右，但需要注意他们绝大多数都仅限于美国市场。

先锋，Vanguard，是指数基金领域另外一大巨头。先锋在因子指数方面提供的产品不多，只有红利，低波动和小股票指数基金，且仅限于美国市场。当然如果这个领域是未来发展的方向，相信各大公司会相继推出更多的产品。

Invesco Powershare和Charles Schwab也提供不少因子指数基金。缺点是他们的费率都比较高，一般介于0.25%-0.6%之间（如上图所示）。Arnott的Fundamental Index (基本面指数）指数基金由Charles Schwab管理，费率为每年0.32%，也就是说该指数需要每年至少战胜标准普尔0.28%左右（先锋的标准普尔500指数基金费率为0.05%）才可能让投资者获得好处。

总结

关于股票因子回报的分析，是金融界一大创新和进步。该研究最大的贡献，是让投资者了解到可能提供超额回报的源头，并且让普通投资者以比较低廉的价格（通过因子指数基金）去获得这些因子回报。在没有因子指数基金的世界（比如中国），投资者想要获得这些因子回报，只能通过投资基金经理，并付出比较高的费用（可能是每年1.5%-2%，在有些私募基金还需要外加15%-20%的利润分成）。而这些因子指数基金，只收取0.15%-0.6%左右的总费用，没有利润分成，对于投资者来说确实是一大好消息。

因子回报研究的另一大贡献是，它向广大投资者们提供了设计自己的对冲基金策略的可能性。在绝大部分股票型对冲基金中，基金经理做的工作无非是买多某些因子，卖空另外一些因子。如果市场上有了基于因子的指数基金，并且可以卖空的话，对于我们广大投资者来说，自己去交易自己设计的对冲基金策略就不再是个梦了。

当然，科技的进步永远不会停止。我相信中国市场中的因子指数基金迟早也会出现。到时候广大的中国投资者也会有更大的投资选项。

希望对大家有所帮助。

Ⅷ 股票中kdj中的k,d,j分别表示什么意思

K线是快速确认线，数值在90以上为超买，数值在10以下为超卖；

D线是慢速主干线，数值在80以上为超买，数值在20以下为超卖；

J线为方向敏感线，当J值大于90，特别是连续5天以上，股价至少会形成短期头部，反之J值小于10时，特别是连续数天以上，股价至少会形成短期底部。

随机指标KDJ最早是以KD指标的形式出现，而KD指标是在威廉指标的基础上发展起来的。不过KD指标只判断股票的超买超卖的现象，在KDJ指标中则融合了移动平均线速度上的观念，形成比较准确的买卖信号依据。

在实践中，K线与D线配合J线组成KDJ指标来使用。KDJ指标在设计过程中主要是研究最高价、最低价和收盘价之间的关系，同时也融合了动量观念、强弱指标和移动平均线的一些优点。因此，能够比较迅速、快捷、直观地研判行情，被广泛用于股市的中短期趋势分析，是期货和股票市场上最常用的技术分析工具。

(8)股票动量因子扩展阅读：

KDJ指标的使用技巧

1、K与D值永远介于0到100之间。D大于80时，行情呈现超买现象。D小于20时，行情呈现超卖现象。

2、上涨趋势中，K值大于D值，K线向上突破D线时，为买进信号。下跌趋势中，K值小于D值，K线向下跌破D线时，为卖出信号。

3、KD指标不仅能反映出市场的超买超卖程度，还能通过交叉突破发出买卖信号。

4、KD指标不适于发行量小、交易不活跃的股票，但是KD指标对大盘和热门大盘股有极高准确性。

5、当随机指标与股价出现背离时，一般为转势的信号。

6、K值和D值上升或者下跌的速度减弱，倾斜度趋于平缓是短期转势的预警信号。