2009年至2016年全市场的动量以及动量翻转分析

最近想知道在全市场中跌了1-10天的情况下，未来1-10天涨跌情况，进而分析动量以及动量翻转的效果

以下是分析的代码

import csv
import pandas as pd
import numpy as np
import math

def decrease_day(dayBefore,dayAfter):
df = pd.read_csv('E:/slowsnowball/2015.csv')
df = df.set_index('secID')
stockList = df.index
Yield = []
for stk in stockList:
for d in range(len(df.columns)-dayBefore):
flag = True
for tempD in range(dayBefore):
if(float(df[df.columns[d+tempD+1]][stk])>=float(df[df.columns[d+tempD]][stk])):
flag = False
break
if(flag==True):
try:
temp = 1
for i in range(dayAfter):
beforePrice = float(df[df.columns[d+dayBefore+i]][stk])
afterPrice = float(df[df.columns[d+dayBefore+i+1]][stk])
YieldTemp = 1.0000+(afterPrice-beforePrice)/beforePrice
temp*=YieldTemp
YieldTemp = math.pow(temp,float(1/dayAfter))-1
Yield.append(YieldTemp)
except:
pass
Yield = [x for x in Yield if str(x) != 'nan']
return (np.mean(Yield))
def main():
dayBefore = 10
dayAfter = 10
for db in range(dayBefore):
#for db in range(8, dayBefore):
for da in range(dayAfter):
Yield_mean = decrease_day(db+1,da+1)
print("Before: "+str(db+1)+' '+"After: "+str(da+1)+' '+'Yield_mean: '+str(Yield_mean))
main()

结果表明：

在市场活跃时期，反转现象表现的尤其明显（2014~2016年），而且前期偏离力度越大则反转力度越大。2014~2016三年的样本表明，连续下跌十天以后下一个交易日平均都能取得5%以上的正收益。2009~2013五年，反转的周期较短，力度也较小，说明这些年份交易不够活跃。

但是现在处理的时候是将全市场收益率进行平均了，前两天对这个方法查了相关的论文，每一支股都有自己的周期变化，那么是否全市场取平均是不是欠妥，是否应只取一只股票，或是聚类后同类型的股票取平均，其次不仅是跌了多少天，还有跌幅、下跌速度的变化等一些因素，还值得进一步思考