用python设计动量交易策略并对策略进行说明。在特定股票（1只）上一完整年度的行情上进行回测，与买入并持有策略进行对比。

动量交易策略是一种基于股票价格走势的交易策略。该策略的基本思想是在一定时间段内选择表现较好的股票进行买入，然后在一定时间段后卖出，获得收益。其核心原则是“走势为王”。

Python中有很多量化交易的工具包，比如PyAlgoTrade、Backtrader等，这里我选择使用Backtrader来实现动量交易策略。

首先，我们需要准备股票数据。可以从雅虎财经、谷歌财经等网站获取历史股价数据，将其存储为csv格式。这里我们以AAPL股票为例。

接下来，我们需要定义策略。根据动量交易策略的原则，我们可以选取一段时间范围，比如60天。然后，我们计算这60天内股票的收益率，并将收益率从高到低排序，选择排名前10%的股票进行买入。这里，我们可以定义一个称为“MomentumStrategy”的类来实现这个策略。

import backtrader as bt

class MomentumStrategy(bt.Strategy):
    params = (('lookback', 60), ('percentile', 10))

    def __init__(self):
        self.inds = {}
        for i, d in enumerate(self.datas):
            self.inds[d] = {}
            self.inds[d]['pct'] = bt.indicators.PercentChange(d.close, period=self.params.lookback)

    def next(self):
        ranked = sorted(self.datas, key=lambda d: self.inds[d]['pct'][0])
        long = ranked[:int(len(ranked) * self.params.percentile / 100)]

        for d in ranked:
            if d in long:
                if not self.getposition(d).size:
                    self.buy(d, size=100)
            elif self.getposition(d).size:
                self.sell(d, size=100)

在这个策略中，我们首先计算股票的收益率，然后根据收益率排序。接下来，我们选择排名前10%的股票进行买入，如果之前已经持有该股票，则不做任何操作。如果股票排名下降，则卖出该股票。

最后，我们需要进行回测，并将策略的表现与“买入并持有”策略进行对比。我们可以使用Backtrader的“Cerebro”引擎进行回测，并将结果以图表的形式呈现出来。

cerebro = bt.Cerebro()

data = bt.feeds.GenericCSVData(
    dataname='AAPL.csv',
    fromdate=datetime.datetime(2019, 1, 1),
    todate=datetime.datetime(2019, 12, 31),
    nullvalue=0.0,
    dtformat=('%Y-%m-%d'),
    datetime=0,
    high=2,
    low=3,
    open=1,
    close=4,
    volume=5,
    openinterest=-1
)
cerebro.adddata(data)

cerebro.addstrategy(MomentumStrategy)

cerebro.broker.setcash(100000.0)
cerebro.addsizer(bt.sizers.PercentSizer, percents=10)

cerebro.broker.setcommission(commission=0.001)

print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())

cerebro.run()

print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())

cerebro.plot()

在回测过程中，我们使用了2019年的AAPL股票数据，并将策略的起始日期设置为2019年1月1日，结束日期设置为2019年12月31日。我们设置了初始资金为10万美元，并使用了10%的资金进行交易。交易费用设置为0.1%。

最后，我们将回测结果以图表的形式呈现出来。可以看出，在回测期间，动量交易策略的表现优于“买入并持有”策略。

总体来说，动量交易策略是一种比较简单有效的交易策略。通过使用Python的量化交易工具包，我们可以很方便地实现该策略，并进行回测和优化。通过对比不同策略的表现，可以帮助我们更好地理解股票市场的运作规律，并提高交易的成功率。