主要观点总结
该文章介绍了在量化投资领域，动量策略的应用及其改进方法。文章以商品ETF为例，测试了基本的动量策略，并提出了一种基于市场内相关性过滤器的改进策略。该过滤器通过使用短期与长期平均相关性的比率作为信号来改善基本策略，可显著提高商品动量的表现。文章还介绍了实施步骤，并指出相关性过滤器能够在市场条件有利时选择性地应用动量策略，带来更好的投资回报。
关键观点总结
关键观点1: 公众号介绍
量化投资与机器学习微信公众号是业内主流自媒体，关注者众多，曾荣获多个奖项。
关键观点2: 动量策略介绍
动量是市场上研究最多的异常现象之一，目标是利用趋势实现比简单买入持有策略更好的回报。但过去几十年里，动量策略的回报逐渐减少。
关键观点3: 基于相关性过滤器的改进策略
文章提出了一种基于市场内相关性过滤器的改进策略，该过滤器通过使用短期与长期平均相关性的比率作为信号来改善基本动量策略，对商品ETF的表现进行了显著的提升。
关键观点4: 策略实施步骤
文章详细介绍了实施动量策略的步骤，包括计算动量、排名和信号、投资组合构建、调仓等。
关键观点5: 相关性过滤器的效果
相关性过滤器能够在市场条件有利时选择性地应用动量策略，带来更好的投资回报。结合动量策略和反转策略，投资回报几乎翻了一倍。
文章预览
量化投资与机器学习微信公众号，是业内垂直于 量化投资、对冲基金、 金融科技、人工智能、大数据 等 领域的 主流自媒体 。 公众号拥有来自 公募、私募、券商、期货、银行、保险、高校 等行业 40W+ 关注者，曾荣获AMMA优秀品牌力、优秀洞察力大奖，连续4 年被腾讯云+社区评选为“年度最佳作者”。 作者：Quantpedia 动量是市场上研究最多的异常现象之一， 其概念非常简单：当资产价格上涨时买入，下跌时卖出。目标是利用这些趋势来实现比简单的买入持有策略更好的回报。 不幸的是，在过去的几十年里，我们观察到所有资产类别中动量策略的回报逐渐减少。在本文中，首先，我们测试了一个基本的动量策略，该策略没有产生显著的Alpha。接下来， 我们提出了一种基于这种市场内相关性过滤器，该过滤器通过使用短期与长期平均相关性的比率作
………………………………
