动量策略是右侧交易里最常见的，背后的逻辑是就现在涨的，后市还会涨，动量具有惯性的意思。
首先加载原始数据，我们用天的收盘价即可，按统一转为收益率。因为点位本身不重要，我们最后只关心变化率。
以沪深300数据为例，从2010-01-01到现在。
df['position'] = np.sign(df[code])numpy.sign可以向量化的判断收益率为正或负。——其实收益率就是1天的动量。
下面我们做一个最简单的动量策略，就是昨天收益率（动量）为正当天持仓; 如果昨天为负，则当天空仓，一行代码就够了：
df['strategy'] = df['position'].shift(1) * df[code]shift把position统一向上撤一行，否则就是未来函数。
这一句就把策略的收益直接算出来：
我们把策略收益画出来看下效果如何：
(df[[code, 'strategy']]+1).cumprod().plot(figsize=(10, 6))cumsum()是连乘的意思，等于（1+rate).cumprod()。
这么一个最简单的策略，看出来，动量策略可能有正收益的。
稍微改造一下，N=13天的动量策略：
df = MongoDatafeed(start=datetime(2011, 1, 1)).get_dfs([code])
df['equity'] = (1+df[code]).cumprod()
N = 13
df['equity_{}'.format(N)] = df['equity'].shift(N)
df['momentum'] = df['equity']/df['equity_{}'.format(N)] - 1df['position'] = np.sign(df['momentum'])
df['strategy'] = df['position'].shift(1) * df[code]当13天动量为正时持仓，反之平仓。
创业板指数的13天动量策略
年化15%，比指数本身年化10%高出5个点
以此为基础，就看大家的想象力了。