这是一个动量效应的程序，运行后的结果与大多数已有的研究结果有很大的不同，然而又感觉自己的程序没错，想让大神看看问题出在哪了？

附上程序与 数据。数据是若干只股票的近三年的周收益率。

#这是我自己对动量效应的研究的构思

#第一步是读取数据，数据的排列方式是以日期（时间段）为行，股票类型为列，这样的排列刚好适用于动量效应的研

#究。首先是选定一个起始点，从这一个起始点开始计算之前一段时间K内的每只股票的累计收益率，然后选取最好的10%

#与最差的10%，而这种操作在这个程序上我是先用suma这个向量存储每一只股票在过去K段时间内的累计收益率，然后

#用y<-quantile(suma,c(0.1,0.9),na.rm=T)来选取收益率排序为10%与90%的分割点，这样小于10%的就

#是最差的10%，高于90%的就是最好的10%。而用lo=suma<=y[1]来提取出股票，再用a<-data[(i+k):(i+k+j-1), lo]

#表示最差10%股票持有J期后的收益率表现，而sum（a）即是这些股票的累积收益率之和。同样lg=suma>=y[2]

#即最好的10%的股票也是类似处理的。

data=read.csv("周收益率.csv")

col=ncol(data)  #计算数据的列数

nr=nrow(data)   #计算行数

#创建一个动量函数，通过输入不同的k,j来计算动量收益与显著性t值

mom<-function(k,j){

   #用一个列表来装载各种数据

   L<-list()

   #新建几个向量，用来存储每个（k,j）组合每次计算的赢家收益率b_ret，与输家收益率a_ret，以及动量收益c_ret

   a_ret<-vector(length=nr-k-j+1)

   b_ret<-vector(length=nr-k-j+1)

   c_ret<-vector(length=nr-k-j+1)

   v=1

for(i in 1:(nr-k-j+1)){    #表示每个（k，j）组合要计算(nr-k-j+1)次动量收益

#（参考点要移动(nr-k-j+1）次）

   suma<-vector(length=(col)) #存储参考点之前K期的每支股票累计收益率

   for(x in 1:col){

    suma[x]<-sum(data[i:(i+k-1),x],na.rm=T)

   }

    y<-quantile(suma,c(0.1,0.9),na.rm=T) #计算上10%点与下10%点

    lo=suma<=y[1]   #选取（锁定）下10%的股票

    lg=suma>=y[2]   #选取（锁定）上10%的股票

    a<-data[(i+k):(i+k+j-1), lo] #下10%的股票持有期的累计收益率

    b<-data[(i+k):(i+k+j-1), lg] #上10%的股票持有期的累计收益率

    sum_a=sum(a)

    sum_b=sum(b)

    #等权重平均后的收益率

    a_ret[v]<-sum_a/(col/10)  

    b_ret[v]<-sum_b/(col/10)

    v=v+1

   }

   c_ret=b_ret-a_ret #所有参照点的动量收益向量

   meas=mean(c_ret,na.rm=T) #动量效应收益

   sds=sd(c_ret,na.rm=T) #样本方差

   t<-meas/(sds/sqrt(nr-k-j)) #计算t值

   #存储各类值

   L$t<-t

   L$m<-meas

   L$sd<-sds

   return(L)

}

若令 t<-mom(8,2) 则8 为动量效应的形成期，2为动量效应的持有期。算出的结果无论（k，j）的组合为什么总是为翻转效应，且大多数显著，很是困惑！！

希望大神来解答困惑啊！！十万火急！