本表以Fama-French三因子资产定价模型为依据，提供市场溢酬因子（Rm-Rf），市值因子（SMB）和账面市值比因子(HML)的月序列数据。 表中计算所用的无风险收益数据选择标准为：开始--2002年8月6日用三个月期定期银行存款利率； 2002年8月7日--2006年10月7日用三个月期中央银行票据的票面利率； 2006年10月8日--当前,用上海银行间3个月同业拆放利率。 三因子数据包括： 市场溢酬因子__流通市值加权 Rm-Rf 市值因子__流通市值加权 SMB 账面市值比因子__流通市值加权 HML 市场溢酬因子__总市值加权 Rm-Rf 市值因子__总市值加权 SMB 账面市值比因子__总市值加权 HML 有以下3种方式计算的月惯性因子（又称动量因子）。 计算方法1：惯性因子=前n个月累积收益最高的30%的所有股票组合加权收益率-前n个月累积收益最低的30%的所有股票组合加权收益率。 计算方法2：惯性因子=前n个月累积收益最高的10%的所有股票组合加权收益率-前n个月累积收益最低的10%的所有股票组合加权收益率。 计算方法3：惯性因子=前n个月累积收益大于零的所有股票组合加权收益率-前n个月累积收益小于零所有股票组合加权收益率。 其中，n=3、4、5、6、7、8、9、10、11、12、18、24；加权方式为等权、流通市值加权、总市值加权。 在Carhart四因子模型经典文献中，惯性因子=前11个月累积收益最高的30%的股票组合等权收益率-前11个月累积收益最低的30%的股票组合等权收益率。

1．学习率η和动量因子α BP算法本质上是优化计算中的梯度下降法，利用误差对于权、阀值的一阶导数信息来指导下一步的权值调整方向，以求最终得到误差最小。为了保证算法的收敛性，学习率η必须小于某一上限，一般取0<η<1而且越接近极小值，由于梯度变化值逐渐趋于零，算法的收敛就越来越慢。在网络参数中，学习率η和动量因子α是很重要的，它们的取值直接影响到网络的性能，主要是收敛速度。为提高学习速度，应采用大的η。但η太大却可能导致在稳定点附近振荡，乃至不收敛。针对具体的网络结构模型和学习样本，都存在一个最佳的学习率门和动量因子α，它们的取值范围一般0～1之间，视实际情况而定。在上述范围内通过对不同的η和α的取值进行了考察，确定本文神经网络模型的参数为：η＝0.7，α＝0.9。

在股票市场流传着一句广为人知的名言——强者恒强，意思是说，之前出现过大幅上涨的股票，将继续上涨。 这句话在A股市场之中，真是如此吗？ 今天这篇文章，我们回测一下这个因子——动量。 动量因子就是针对这种策略而设计的，据说在美国是非常非常非常好用的因子。 我们看看A股市场是不是。 动量因子的公式就是： 最近一天收盘价/N天前收盘价 很简单是不是？ 策略如下： 回测时间 2019.1.1-2019.12.31 买入条件： 选择20天之内涨幅最大的前20只股票 卖出条件： 持有20天就卖出 入场资金： 每只股票1000块钱   股票池选择： 全市场所有股票   大家猜猜会不会出现强者恒强呢？ 盈利9

多因子分域研究系列（十）：三因子模型下的残差动量因子分域探究之沪深300指数篇

多因子分域研究系列（九）：三因子模型下的残差动量因子分域探究之上证50指数篇

20210831-东兴证券-“基”不可失系列之五：基于动量因子的易方达基金ETF轮动策略.pdf

20210714-华泰期货-商品因子专题报告：Curve因子与基差动量因子.pdf