解釋特定（基於動量）數據處理技術的描述
我正在嘗試以與本文第 2 節相同的方式準備數據。
我覺得有點掙扎。有人可以檢查（/改進）我對我突出顯示的兩個部分（下）的解釋嗎？
在第一部分（以黃色突出顯示）：
我們注意到價格動量是一種橫斷面現象，贏家的過去回報率高，而輸家的過去回報率相對於其他股票低。因此，我們通過計算相對於每個月或每天所有股票橫截面的 z 分數來標準化每個累積回報。
…我很難準確理解所描述的內容。
據我所知，該過程將是：
對於每一天…
對於每隻股票…
- 組裝過去價格的尾隨長度為 33 的向量
- 使用它來計算股票的平均值和標準差
- 使用今天的價格 $ x $ 計算股票的z 值： $ z = \frac{x-\mu}{\sigma} $ （如果我理解正確， $ z $ 是動量的基本指標）。
現在我們有一個今天所有股票的 z 向量。規範化它！（？）
現在我們有一個向量，表示當天每隻股票的相對動量。
和部分（以綠色突出顯示）：
最後，我們使用隨後一個月的收益 t + 1 來標記收益低於中位數的範例屬於第 1 類，而那些收益高於中位數的範例屬於第 2 類。
…我認為翻譯為：
- 獲得 t-13 到 t+1 個月的月度回報併計算中位數
- 如果第 t+1 個月的回報率 < 中位數，則等級 = 1，否則為 2
所以看起來第 2 類股票遵循它們的標準化 $ z $ 動量指標，而 1 類沒有。
這看起來正確嗎？
PS沒有“數據處理”標籤
公平地說，他們的描述很糟糕，但你讓這種方式比現在更複雜。
作者正在評估兩個信號，一個是短期的，另一個是中期的。他有一個樣本宇宙，他正在為其提取回報時間序列併計算每個證券的 ST（短期）和 MT（中期）指標，簡而言之，它代表證券在參考期間的累積回報。簡而言之，他是根據月度數據計算1年累計回報率，根據每日數據計算1個月累計回報率。
t-2、t-3、t -1部分有點形式化。Jegadeesh 和 Titman 在 90 年代初和 N-1 個月（即，對於 12 個月的指標，使用過去 12 個月減去最近的 1 個月）建立了長期動量指標的近期均值回歸。標準，但主要是門面裝飾。
一旦你獲得了每個時期股票的累積回報，你就可以將它們標準化，因為 2008 年 10% 的回報意味著與 2009 年不同。你可以使用這些 Z 分數來確定表現最好的股票。
除了這些計算之外，他們似乎對 1 月份的參考日期做了特殊考慮（可能是由於 1 月份的影響）。
然後從設置開始，他們可能會使用引用的兩個指標來嘗試預測下個月的回報，儘管這沒有包含在您所包含的論文部分中。