xingbuxing_py的博客

但如果大盘暴跌超1.5%，这时候个股亏超2%就必须立刻剁掉，因为泥沙俱下，扛不住了。没错，说的就是我自己，中午休息的时候开心到被同事都猜出来是不是今天大赚，结果到收盘差点吃面，心情更像是过山车，于是乎周末痛定思痛，设计了这一堆实验。先试了傻傻地设个“亏2%就割”，结果发现完全不行，因为A股日内经常玩深V，你一割它就反弹，纯粹当韭菜。这套规则搞下来，每天能比死扛到收盘多赚一点点，而且大部分年份都管用，牛市虽然会少赚点，但熊市能救命。符合预期，干预降低波动，降的不只是回撤，在大牛市期间也会降收益！

房地产暴雷、消费崩塌等，BP高的股票恰恰是受打击最重的，ROE动量项虽然能惩罚恶化，但单季ROE变化滞后于股价变化，基本面恶化传导到ROE数据时，股价已经跌了一大截，全年策略-11.46%。BP排名动量=短期反转信号（最近涨多了变贵了就惩罚），静态排名已经选了最便宜的，短期涨跌不改变价值判断，便宜就是便宜，不需要再看最近有没有变便宜。上个月茶话会后发了一个策略，写的匆忙，发的也匆忙，回头看这个策略，太复杂了，不敢实盘，实盘回撤了都不好找原因，就尝试简化，简化的结果如下，年化。

发现论坛里面，大家好像都有点卷炸板了，为了缓解一下大家拥挤的焦虑，本贴会提供做事件策略的方法论，第三节还会直接给一个我研究好的策略，本贴会从逻辑到实践，帮大家逐步拆解我是如何做事件策略的。这个条件的作用是过滤市场极端期，在股灾或剧烈调整期，几乎所有股票的波动率都会飙升，此时出现的"放量长上影"形态往往是恐慌性抛售中的技术性反弹，不是真正的洗盘信号。数据验证了第一章的假设：这些看起来很空的形态，反向做多确实是赚钱的，市场对这些形态的恐慌性抛售，确实创造了短期的反向机会。：当日收盘价相对开盘价跌幅超过3%。

核心资产、白酒、医药、新能源等方向高度抱团，小盘已经提前很痛苦，随后沪深300在2021年2月10日转熊，但小市值在2021年2月8日附近反而从熊转牛，后续120日小市值收益39.55%，相对沪深300超额49.96%。大盘熊、小市值牛的阶段，小市值日均涨幅仍然是正的，甚至历史累计收益非常高，这对应的是小盘独立行情、或者抱团瓦解释放流动性的阶段。最近60日，小市值收益-15.09%，沪深300收益1.14%，小市值相对沪深300超额为-16.23%。大盘跌30%，你跌15%，也是巨大超额，但是账户没涨。

集合竞价估计波动非常大，期间有91500涨停价开盘的票，也有91500跌停开盘的票，有集合竞价区间地天板也有天地板，下面我将用2025.5.30恒XX团为例，通过实盘和模拟计算推导，帮助老板们详细了解集合竞价背后的博弈情况。大家可以看到，和行情软件上看到的一样，在集合竞价未结束的时候，只能看到买1买2和卖1或者卖1卖2和买1的量，买1和卖1的价格相等（即当前的撮合价格）买1和卖1的量相等（即氮气撮合的最大的量），只有在集合竞价结束的时候。下方红绿柱的长度在集合竞价数据中的买1和卖1的量上进行了表达；

老板们自从用上了QMT自动下单后一直在为如何下单，什么时候下单苦恼，有老板已经开始卷集合竞价下单了，但是集合竞价究竟是怎么一回事，竞价规则是啥，开盘价究竟是怎么产生的，怎么挂单既能保证成交又不对开盘价产生大的反身性影响，想必都是萦绕在不少老板脑袋上的黑人问号，话不多说，下面上干货。下图是我找了昨天的一只股票的集合竞价图，除了图中标识出的，需要补充的是未撮合量区域，显示绿色表示还有卖单在当前价格上等待继续撮合，红色表示还有买单咋在当前价格上等待继续撮合，日常看盘这个比较重要。

从2007年的四大行+保险（工行1万亿、建行2万亿、某石油8万亿），到2018年的工XX联+宁XX代+迈XX疗，再到2020-2021年的中XX际+金X鱼+中X信，2022年的中XX动（1.2万亿）+中X油（6500亿），几乎每隔几年，A股就会迎来一轮大市值IPO密集期。20-21年的超级白马牛市，或许是许多人形成“大市值IPO存在吸血效应”这一印象的重要来源，但事实远比直觉复杂，在同一轮IPO密集发行周期中，市场既出现过明显的“被吸血”阶段，也出现过随后快速“反超”的阶段。

这张图是把成交额集中度（蓝线）、45%线（红虚线）、上证/中证1000/中证2000的归一化走势（橙/绿/紫）叠在一起，底下标注的，是历史上几个比较像"邢大这次没瞎说，至少大框架对得上，具体月份会有0~1个月的小偏移，毕竟数据口径、是否含bj/退市股/新股这些细节都会产生一点差异，但整体轮廓确实是有的。你会发现，市面上很多月份虽然没到45%，但早就已经远超自己所在时代的95%分位了，也就是说，那条固定45%的红线，其实更像是一个"也就是说，同样的高集中度信号，后面的走势并不千篇一律。

本帖原本草稿就30行，plan阶段它列出了彩蛋位置、八步详略分配、风格对齐方案，全是我自己懒得想的细节，看完那版 plan，我反而要回去补需求。很多人用agent是直接梭哈一句"帮我搞XX"，然后觉得不满意，开始反复纠正，结果就是越纠正越歪、上下文越脏、AI越精分，最后产出还不如自己写。有些更好的方法、库、思路，你不知道但它知道，限定角色或者限定技术路线，它就跳过这些方案，按你画的框框输出"一般做法"。这套工作流没啥花里胡哨的技巧，本质就是先想清楚再动手，以前是你自己想，现在让AI帮你想，你来审。

按财务逻辑这是好股票，RONOA高了更容易买到，但中性因子值期间只在水平震荡，没有涨，因为从中性角度市值涨到那个位置，他的RONOA就该改善到那个水平，或者说同在那个市值水平的公司，RONOA平均都在那个水平，再换个角度说，它的RONOA提高已经被市场吸收price in了。这些行业经营性质不同，财务科目有较大差异，甚至相同科目的经济含义也差别很大，比如利息对一般企业来说是成本项，对银行来说是主要收入，xbx财务字段中也有大量单独给这两类企业用的科目，没法混一起一概而论，干脆在设计之初就不考虑；

这个过程用一张图说明：以流通市值为例，再以一个流通市值很大的股票为例，比如1.8e12（1.8万亿）的流通市值，这基本上是市值最大的股票了，所以它的流通市值分位数接近1.0（下图中），再把这个接近1的分位数带入标准正态逆函数，就可以得到高斯秩（下图右）。我提取了2026-4-14日所有股票的流通市值和成交额的数据，并保存在一张表格里，其中流通市值和成交额这两列是原始数据，其他的列都是后来计算出来的，下文会用到。所以，做因子研究时，一个很重要的习惯应该是先问一句：这个因子的效果，剔除市值影响以后还成立吗？

大卫老板之前的帖子中给过一个结论：回测完北交所，科创板和创业板这三“兄弟”刚入A股后对策略的影响，三兄弟每个人特点都不一样，对于小市值策略，我个人感觉还是可以加入北交所，对于大市值策略，我觉得加不加无所谓，但是对于诺亚策略我感觉可以不加。SH主板（1840）、SZ主板（1635）、SZ创业板（1434）体量最大，SH科创板（607）次之，BJ北交所（305）最小。“北证50像上证50，狗都不玩”，这句话当梗没问题，但交易上更准确的表达是：它的功能偏基准和风格锚，不是收益上限代表。

核心就是：为什么信号统计是正的，但是回测曲线是负数的，几乎一切都凭他自己自由发挥，结果比较悲观，烧了大量token以后，他创建了很多个花里胡哨的不同的统计文件，始终无法得到我要的那个答案。看最近a股船队里面，同学们炸板策略跑的飞起，各路优化的炸板策略也大显神通，研究过炸板策略的同学应该也知道，先不管你实盘什么情况，反正回测这个策略是赢麻了，随便改改动不动就是60%+年化。即，在非常牛的一段行情里，暴跌后的大奇迹日，会出现大量上述信号，但是当天出现几百只买入信号，每个信号分配的资金非常有限。

顺着这个问题想下去，我慢慢意识到，一个论坛最难的地方，可能不是让大家都注册进来，也不是让大家都说话，而是让真正有价值的内容不断出现。可这次我第一次觉得，能把“写内容的人、看内容的人、社区里的鼓励、长期的积累”这些东西连成一整套，让它们不是散的，而是能互相推动，这也是一种很厉害的能力。我是一名初一女生，现在才刚刚开始接触这个新世界，所以这组文章不是为了讲什么“标准答案”，也不是想把自己写得很厉害，而是想认真记下自己的学习过程：这次聊了什么，我原来怎么想，爸爸是怎么讲的，我后来又明白了什么。

目前A股主板的股票不支持T+0，而多数支持T+0的跨境ETF、商品ETF、债券ETF等，已被纳入两融标的，构成了策略的实施基础。基于集思录和两个权威发布的平台，已经可以得到绝大部分标的，我通过AI和其它途径进行补充，基本凑齐了历史上最全的T0标的，后续增量更新可以只通过上交，深交，（北交）官网数据。你特别喜欢那些能融资的股票，所以分配给它们的总资金（自有+借的钱）是普通股票（不能融资）的a倍（这里a=2）。杠杆运用：通过融资功能，用自有资金作为保证金，撬动了券商提供的资金，放大了可交易的本金。

Google Gemini的深度研究功能是目前使用下来，所有ai里面最好用的，结果质量最好的投资研究工具，逐一对600家公司提问，让他以巴菲特视角生成一份投资研究报告，每家生成一份10000-15000字的投资分析报告，包括商业模式、护城河分析、财务概况、估值判断、投资结论。茅X：白酒之王，品牌护城河几乎不可逾越，定价权极强，ROE长期30%以上，现金流充沛，唯一隐忧是估值长期偏高，适合耐心等待合理价位时重仓买入。作为对比，请一个初级分析师做600份公司基本面研究，周期至少两三个月，成本在万元以上。

而如果连这一步它也会了，那接下来真正值得害怕的，可能就不是AI比我聪明，而是它比我更早看穿：绝大多数系统最后的失败，不是因为不够努力，而是因为从一开始，就奖励错了东西。如果哪一天，AI也开始认真回答这个问题，那我和它真正的差别，可能就只剩最后一点了，它会不会像我一样，在优化到一半的时候，突然停下来，怀疑自己整个目标函数是不是设错了。量化交易也是一样，同样的数据，同样的框架，同样的算力，不同的人做出来的系统会完全不一样，原因并不神秘，往往只是因为大家优化的东西根本不同。当然，我也并不天然自由。

但是注意，SOLO Coder的上下文理解能力偏弱，更适合帮代码debug或结构代码上下文，如果一定要用SOLO Coder，建议先输入/spec，然后输入你的想法，这个更像Kiro的spec coding，会逐步生成需求、计划和执行步骤，待你确认后再生成相关代码，同上面SOLO Builder的用法，最后要加一句“先只写 spec，不要写实现”，这样就能对生成的结果更有把握。最重要的一点是，它的价格公道，订阅费不过几十块一个月，与国外动辄一个大模型几百上千的价格相比，实在是良心之选。

并行读取stock-trading-data-pro下（在analyze_full_seasonality.py里面配置）的所有股票CSV文件，提取“申万一级行业”分类，结合农历和公历假日数据（春节、国庆、五一等），计算每个行业在不同时间窗口（节前/节后 5、10、15、30天）以及每个自然月的平均收益率和上涨概率（胜率）。内容：包含每一行记录的 行业、事件（节日/月份）、窗口类型（节前/节后）、天数、平均收益率、胜率等详细数据。：2月是全年表现最好的月份，配合元旦后的行情，科技与消费板块常有优异表现。

df=df[(df['收盘价_复权']>df['收盘价_复权'].rolling(120).quantile(0.9))&(df['成交量']>(df['成交量'].rolling(120).mean()+1.5*df['成交量'].rolling(120).std()))]周末在家看研报，国盛证券的高/低位放量事件簇：正负向信号的有机结合，这篇对日频低位高位放量一笔带过，详细介绍了一个分钟高频的“批量生成上千种事件信号，通过有效性（信息比率）和低相关性筛选，形成“低位放量事件簇”和“高位放量事件簇”。

低位事件组更强一点：10日均值2.71%→2.96%（+0.25%）；高位事件组依旧不香：10日均值0.38%→0.53%（+0.16%）看着好像改善，但10日中位数仍为负（-0.68%→-0.61%），胜率依然<50%。低位+早盘量比“更猛”（>2.0）：依然是正收益、胜率也>50%，但整体不像第二组那么“香”，更像“抄底队来了，但人数没那么多，声势也没那么大”。高位+早盘量比放大：还是“热闹不等于赚钱”，10日中位数继续为负，胜率继续<50%，你要是追进去，大概率是在给别人鼓掌（顺便买单）。

5、自己臆想的1月4月，业绩好的票表现会由于差的票，历史上这样的情况可能只是“恰好”罢了，去年4月的半夜特朗普叫，前年4月的国九条，可能只是恰好是在4月，并不是说所有的4月都会这样，前年1月的股灾，近十几年也就发生了两次，另外一次是6月末7月初，完全视而不见并不是真的只发生在1月，仔细想想，这也是一种过拟合。后来的故事大家都知道了，这几天国家队一直在砸上证50，中证1000因为国家队没什么筹码，一直在涨，我多空双亏，而且是13.33倍杠杆地亏，在一直不断追加保证金的情况下，于今天上午含泪爆仓。

作者试图告诉你“买什么能赢”，但用的全是“已经赢了的人”的数据。数据都在那摆着，2022-2024年行业轮动快的时候，主动权益基金的行业配置收益全是负的，这证明了A股主动管理人的择时能力基本为负数。我是邢大，这份华泰证券的研报《稳定战胜基准的主动基金有何特征》非常有意思，它用量化的手术刀剖析了A股公募基金的一个核心痛点：在这个内卷的市场里，到底什么样的基金经理能真正赚到Alpha（超额收益）？一旦市场下跌，这些所谓的“分散”会瞬间变成“相关性趋近于1”的崩盘，因为大家卖出的理由都是一样的——赎回。

在核对过程中发现了一个特殊案例：古XX技的公告在彩虹数据中存在两个（巨XX讯同样有两个），但在同花顺和东财中只存在时间较晚的一个，结果就是第一个公告后几个交易日涨跌幅是正的且涨幅不错，但第二个公告出来（大家都知道消息了）后几日明显下跌，不知道其中是否存在关联。打开因子一看，虽然包含了“立案调查”、“立案告知”标签关键词，但这次公告中的“批准逮捕”并不在其中，公司之前的公告也都是股份被司法拍卖，司法冻结等内容，恰好躲过了一级风险标签的攻击范围。不仅下跌幅度明显变高，且随交易日增加跌幅线性增加。

按收益率分组来看，这个策略不是一个小市值策略，按照邢大的分类，90%的选股是300亿规模以下，属于中小市值策略，但是也能选中大市值的股票，策略最大市值选中的是今年2月份选中了中XX信，近10年选中1000亿以上的大市值公司有。

关键：14日≈5.50%，18日≈7.36%，20日≈7.62%，29日≈8.80%，30日≈8.45%，对照30日≈3.5%。首先，是关于小市值的指数，我这里用的是通达信下载的微盘股指数，打算用这个指数来研究一下“金针探底”形态在小市值股票中的事件统计分析。均值：15日≈3.2%，20≈4.0%，30日≈5.45%；中位数：10日≈0.9%，15日≈3.1%，20日≈3.3%，30日≈4.51%；对照30日≈2.1%。中位数30日：事件5.43%VS对照4.57%，看着更好，但不稳定，波峰很多。

更进一步，为什么需要不同的指标一起观察？就是因为这些指标统计的是不同维度的样本，而基于样本量越大可信度越高的思想，我们统计过很多样本之后，再从不同维度进行观察，就会发现更多信息，就好像我们先看绝对收益，再看超额收益，如果绝对收益很高，同时1,4,12月的超额收益也很高，那就说明从这两个角度看来，这个策略可用，且比一般的收益高而超额收益低的策略更好用。这个指标的计算方式就稍微复杂一些，首先，我们要看相对于每个时间点，过往的最大净值，比如说站在现在看过去，没有比现在更高的净值，那就是现在的净值对应着最大净值；

我们可以发现月的大跌后微盘指数会继续跌，而且跌得更快、更深，甚至20日的反弹都为零附近，完全观察不到反转的存在，显然，1月的极端事件往往触发踩踏，这是典型的资金空窗期+年初博弈混乱的结构性现象。通过极端事件、分月份事件研究、以及带交互项的回归模型，我们得到了一个非常清晰且稳健的结论：微盘的大跌并不是统一的机会，而是要看发生在什么时候，更准确地说，微盘的大跌效应并不具有时间一致性，而是具有显著的二阶结构。而这一次的-2.18%，恰恰发生在一个非常关键的月份结构里，这背后到底发生了什么？

2023年，我第一次踏入市场，那时的我，只会听别人炒股，别人说哪个要涨，我就买哪个，别人喊“起飞”，我立刻冲进去，刚开始也赚过一点钱，信心膨胀，觉得自己悟性不差。直至7月份的某个深夜，我突然想明白了，问题不在模型，不在市场，而在于我写的策略，只是一堆代码结构，没有灵魂，就像没有物质的爱情一样，都不用风吹，走两步就散了。市场的本质不是输赢，而是验证，它验证你的逻辑、你的信念，也验证你的性格，真正的成长，不是找到一个永远正确的答案，而是学会在被推翻之后，重新建立新的假设。在无法预测的世界里，我们仍然坚持思考。

前几天翻看以前的照片，翻到大学时候的照片，照片里，20年前的自己，眼神和状态里全是对未来的自信期待：这小伙子，在专业教室里（ps.建筑学是有自己单独的专业教室的，因为需要能放A1大小画板的桌子），抽着烟斗（别骂，那个时候连老师都在教室里抽烟），桌子上满是摊开的草图纸。我们公司是一个以公建为主的公司，在日子还红火的那些年头，我和我同事们，总是怀着极大的热情，熬夜做着一个又一个的方案，奋战结束后，一堆人一起在会议室里看个电影，又在办公室里各自找能躺下的地方，躺几个小时等着天亮，再把图交了。

和上面的成交额分位不同，今年9月初的前100RET20的股票成交额之和已经超过去年924行情的高点，和第二段中各分位的都没有超过924行情的高点意味着什么呢，是不是可以理解成这段牛市，市场的资金更加聚焦在热门股，也就是抱团风格。下图是获取了集合竞价某个时刻全市场的成交额平均与全市场当日平均成交额的对比（标准化），可以发现在集合竞价某个时刻的全市场的成交额对当日的成交额有非常好的领先，事实上两者的相关系数达到。”的逻辑细烹慢调，也能在市场波动中尝出博弈的真味，让每一次决策都有“真金白银”的信号托底。

基础的因子投资方法是基于利用因子对股票的筛选与排序得来的股票，但这一切，都是基于已有股票的基础上的。本次，我们回顾了因子的定义，因子是一种可以挖掘出超额收益机会的选股指标，有一定的优势与局限性，也了解了挖掘因子的难点，主要集中于时效性、市场结构的变化、市场风格的变化等。其次，对于变异，算法会选择一个种群中的因子作为“父代”，之后通过某种方式随机选择或生成的一个因子片段，替换这个父代中的某处片段，在保证语义正确的基础上进行变异（也就是替换），从而产生一个新的因子。，也就是因子在历史上带来的具体收益稳不稳；

老板们再看看邢大引用的原文，霍姆教授是格雷厄姆-纽曼公司长期投资者，因为格雷厄姆-纽曼公司结束营业，才来找巴菲特投资的，那么这笔钱大概率就是格雷厄姆归还的清算资金。他是巴菲特的第一位外部投资人（早期巴菲特的投资人都是亲朋好友），也是第一位投资超过10万美元的投资人，直到1983年去世时，他持有的投资基金增值到数千万美元，显然财务自由了。那么我们取个中位数20%。我好奇，这个教授现在有多少资产了，我们普通人不一定成为巴菲特，但是有可能成为这位教授，这个教授的行为、动机、生平，值得进一步的思考和学习。

这个问题的答案，还是比较显而易见的，这里只说一点，如果这个共识真的被打破，如果再次发生2008级别的回调，那么由天量国债派生的货币从股市外溢出来，将引发什么样的后果，是不用怀疑的。共识足够强的时候，就会引发反身性效应，而反身性一旦起效，情绪就压到了理性，价格就开始脱离基本面和内在价值，非理性的投机占据上风之后，过度交易就会随之而来，价格的波动也必然会随之加剧并愈演愈烈，直到场内资金和流动性，不足以支持走势发展，这一切才可能停止。这些现象更深层次的心理学原因，在于人的行为一定是由人的认识所左右的。

巴菲特在1959年，带了很多亲戚朋友一起非正式的投了桑伯恩地图，这些亲戚朋友从这边赚了钱之后，肯定会有不少人把相关的钱继续正式的投入巴菲特的基金，并且应该还会介绍自己的其他朋友一起投，我猜测这可能是新增投资人火爆的一个原因。醉心于工作的人是这个样子的，哪怕他不在工作的时候，你跟他说话，你总会觉得他心不在焉，反应迟钝，因为他的脑子里面其实是在不断的转与他工作相关的各种事情。他说的参加了巴菲特的投资课程，应该是巴菲特在奥马哈的夜校兼职讲课的课程，其实我们也有招来自分享会的同学一起工作呢。

通过多策略组合，来获得波动性更低的投资组合收益。在量化投资领域，无风险提升策略收益、优化持仓体验的核心方法论，就是通过构建低相关性的多元化投资组合，实现"即使单个策略的夏普比率较低，由多个资产或策略构建的组合投资组合仍可能获得更高的整体夏普比率。混合越多策略，sharpe越高，收益越高，回撤越小，实现无回撤每日挣钱！那我们混合10，50，100，200，500，1000条策略后会发生什么？相关性高的东西，你组合1000条也没用，sharpe提升微乎其微。可以看到任意的收益曲线，单一来看收益都很低。

实证上，研报构建了“行业联合动量因子（ICM）”、“量价齐升因子（VICM）”、“反向角度出发的“行业联合反转因子（ICR）”、“量价齐跌反转因子（VICR）”，以及二者复合的CMC、VCMC等因子，均有比较稳健的表现。在构造因子的时候，还可以考虑更多的维度，比如成交量，按照个股日度（涨跌幅×成交量）排序，构建量价齐升行业联合动量VICM（反转,VICR）因子，即选取该指标最大 5 日（最小的15日），并对对应行业收益进行加权求和。一方面，在牛市里“强者恒强”，在牛市里，追涨几乎成了市场的集体共识。

另一方面，异常买入单是在9:24:59.220挂的，离集合竞价结束还有780ms，而对应的买单是在650ms之后才产生，对能拿到实时L2数据做套利的高频程序来说，这个时间似乎有些长了，而且只有一个套利单也比较奇怪，所以也可能是第一种情况。如果是个高频程序操纵低流动的ETF打出开盘跌停的价格，要实现收割必然有后手牌，但从前面的分析来看，特别是在9:25到9:30之间没有新卖单的情况，应该不是量化收割，而是一次乌龙指事件。

为验证这一规律，我分析了2010-2025年共15年的A股数据（当然，现在是8月底，2025年的数据暂时不全），剔除ST股、次新股（上市<200天）和特殊板块（科创板/创业板/北交所），挖掘出各月份表现最佳的行业规律。验证了“冬炒煤炭”规律：煤炭在9月top3概率达40%（6/15年），12月也稳居前三，但是关于夏炒电力这个规律，暂时未摸索出来。A股存在一定的月历效应：金融(1/4/10月)、科技(2/5/8月)、军工(6/9月)、消费(12月)均有一定旺季可能性。11月布局食品饮料（12月高频）

IC胜率，由于该因子IC均值为正，是一个正指因子，IC胜率为RankIC为正柱子数量除以总柱子数量（取3D一根柱子，根据大家取的hold_period变化），反指因子则负柱子数量除以总数量。不同因子有其适配的持股周期（如动量因子适合中短期，价值因子适合中长期），选错周期会导致 IC 大幅下降，进而降低 ICIR。如果写Mean IC或平均IC，则默认是Mean Rank IC，多次Rank IC的时间平均（整个回测周期平均准确度）。Rank IC是“日度体检报告”，累计Rank IC是“长期体检报告”，