Momentum 팩터 (Jegadeesh-Titman 12-1m return)

공개 호출 방식

import dartlab
import polars as pl
import statistics
import math

target = "005930"

def mom12_1(code):
    try:
        px = dartlab.gather("price", code).head(280).to_dicts()
    except Exception:
        return None, None, None
    px.sort(key=lambda r: str(r.get("date") or r.get("tradeDate")))
    closes = [float(r.get("close") or 0) for r in px if r.get("close")]
    if len(closes) < 252:
        return None, None, None
    # 12-1m: 직전 252 거래일 중 마지막 21 거래일 제외
    end_idx = len(closes) - 21
    start_idx = end_idx - 231  # 12-1=11 month * 21
    if start_idx < 0:
        return None, None, None
    ret = closes[end_idx-1] / closes[start_idx] - 1
    # variance for Sharpe (1 month excluded same)
    daily_rets = [closes[i]/closes[i-1] - 1 for i in range(start_idx+1, end_idx)]
    sd = statistics.stdev(daily_rets) * math.sqrt(252) if len(daily_rets) > 1 else 0
    sharpe = ret / sd if sd > 0 else None
    return ret, sd, sharpe

c = dartlab.Company(target)
own_ret, own_sd, own_sharpe = mom12_1(target)

try:
    peers = c.industry("peers").to_dicts()[:15]
except Exception:
    peers = []

peer_rows = []
for p in peers:
    code = p.get("code") or p.get("stockCode")
    if not code or code == target:
        continue
    r, _, sh = mom12_1(code)
    if r is not None:
        peer_rows.append({"code": code, "ret12_1m": r, "sharpe": sh})

def rank(metric, my_val):
    vals = sorted([r[metric] for r in peer_rows if r[metric] is not None])
    if not vals or my_val is None:
        return None
    below = sum(1 for v in vals if v < my_val)
    return below / len(vals)

own_rank_ret = rank("ret12_1m", own_ret)
own_rank_sh = rank("sharpe", own_sharpe)

table = pl.DataFrame([{
    "ownRet12_1m": own_ret,
    "ownSharpe": own_sharpe,
    "rankRet": own_rank_ret,
    "rankSharpe": own_rank_sh,
    "peerCount": len(peer_rows),
}])

emit_result(
    table=table,
    values={"ret12_1m": own_ret, "sharpe": own_sharpe, "rankSharpe": own_rank_sh},
    date=None,
    sources=["dartlab://gather/price"],
)

호출 동작

1. 결론 도출

Jegadeesh 12-1m return + Sharpe + peer percentile 단정. 예: “12-1m return +28.4%, Sharpe 1.8, peer top 12% → momentum 후보 강함 (위험조정 분위 상위).”

2. 핵심 근거 수집

• 종목 일별 close 시계열 13 개월 이상 (Company.gather(‘price’))
• peer set close 시계열 (산업 또는 universe)
• 12-1m return = close[-1m] / close[-13m] - 1 (직전 1개월 제외)
• 변동성 (12 개월 일별 수익률 std) → Sharpe

3. 메커니즘 분석

종목 close 13+ 개월 → 일별 수익률
   ↓
12-1m return = close[t-21] / close[t-252] - 1
   (252 거래일 = 12개월, 21 거래일 제외 = 단기 reversal 회피)
   ↓
σ_annual = std(daily_returns_12mo) × √252
Sharpe = 12-1m return / σ_annual
   ↓
peer 단면 12-1m return 분포 → 자기 종목 percentile rank
   ↓
percentile ≥ 70% + Sharpe ≥ 1   → momentum 후보 강함
percentile ≥ 70% + Sharpe < 1   → 변동성 큰 momentum (주의)
percentile < 30%                → momentum 부재

직전 1개월 제외 — Jegadeesh-Titman 1993 이 발견한 단기 reversal 효과 (1개월 mean-reversion) 차단. Sharpe 결합 = pure return 만이 아닌 risk-adjusted 신호.

4. 반례·한계

• 13개월 미만 history (신규 상장) 측정 불가.
• 시장 전체 강세장에서는 거의 모든 종목 momentum 양수 — relative rank 만 의미.
• 분할·인수합병 등 corporate action 12개월 안에 있으면 return 비교 불가능.
• Sharpe 분모 σ 가 0 이면 Sharpe undefined.

5. 후속 모니터링

• 강한 momentum (percentile ≥ 80%) 진입: recipes.fundamental.valuation.damodaran.relativeCheck 로 가격 검증 (momentum vs valuation 갭).
• Sharpe < 0.5 + momentum 큼: recipes.technical.atrRegimeShift 로 변동성 체제 확인.
• momentum 부재 (percentile < 30%): recipes.quant.valueFactor 로 contrarian value 후보 cross-check.

대표 반환 형태

column	의미
ownRet12_1m	본 회사 12-1m return
ownSharpe	위험조정 Sharpe
rankRet	peer 단면 ret percentile
rankSharpe	peer 단면 Sharpe percentile

연계 절차

1. recipes.quant.valueFactor - value × momentum 결합 (반대 신호 동시 발생).
2. recipes.technical.momentumFlowDivergence - 가격 모멘텀 vs 수급 정합.
3. recipes.sentiment.flowImbalance - 모멘텀 강화/약화 신호.

기본 검증

• 거래일 < 252 (1 년) 이면 결론 X.
• crash month 직후 (단기 -10%+) 의 모멘텀 신호는 reversal 가능성으로 한계.
• 단일 ret 만으로 매수 결론 X — Sharpe / value 결합 후.