二九文学

手机浏览器扫描二维码访问

067 张远独立建模（第2页）

，取每只股票近五年市盈率所处的历史位置；第二个是“动量斜率”

，不采用简单涨跌幅，而是通过线性回归拟合最近二十个交易日的价格趋势线，提取斜率值；第三个是“机构持仓集中度”

，用前十大流通股东持股比例之和，剔除大股东后计算变动率。

初版模型运行结果并不理想。

第一次输出名单里，出现了好几只基本面疲软、短期被炒作的标的。

李阳立刻指出问题：“动量因子权重过高，你在追高。”

“我知道。”

张远没反驳，“是因为窗口期选得太短，反应滞后。

我打算改用动态周期——当价格突破布林带上轨且成交量放大时，自动缩短观察区间，增强敏感性。”

“那你得加上衰减机制。”

李阳提醒，“不然容易反复打脸。”

张远记下建议，当晚就把算法重写了一遍。

他在趋势判定部分引入了陈帆在国债分析中使用的“持续性验证”

逻辑：只有连续两个周期方向一致，才确认趋势成立。

同时为每个因子设置置信区间，低于阈值的直接过滤。

第三天清晨，新版本模型首次跑通回测。

测试范围是过去两年内上证50成分股中涨幅进入前10%的个股，共47只。

模型成功覆盖其中31只，准确率66%，显著高于随机选择。

更关键的是，它避开了大部分“伪强势”

行情。

比如某白酒股在一季度末因渠道囤货导致短期放量上涨，传统动量策略会误判为启动信号，但该模型因估值已处98%分位而自动排除。

“可以试实盘了。”

张远说。

李阳仍持保留意见：“样本量不够大，而且没经历极端行情检验。

万一遇到暴跌或停牌呢？”

“那就小规模验证。”

陈帆开口，“用社团资金5%，建个模拟组合。

不下实单，只走全流程，看信号稳定性。”

三人达成一致。

系统接入实时行情后，模型开始每日扫描。

第一天无提示，第二天触发两只备选，均因流动性不足被自动过滤。