067 张远独立建模 (第1/2页)
　　
　　陈帆的手指还悬在鼠标上方，盯着主屏右下角那条刚刚弹出的警告信息。系统判定新一轮基差机会出现，信号清晰，逻辑闭环完整。他正要开口，张远却先动了。
　　
　　没有提加仓，也没问要不要再跑一遍流程。张远调出后台数据流，把过去七十二小时的所有套利记录导了出来，连同历史价差波动曲线、成交密度分布图一起拖进分析窗口。他的动作很稳，但敲击键盘的节奏比平时快半拍。
　　
　　“我想试试看，能不能找出规律。”他说。
　　
　　李阳从代码界面抬眼：“什么规律？”
　　
　　“不是单次操作的节奏，是整个过程的共性。”张远指着屏幕上三组并列的折线，“每次偏离发生时，市场状态其实不一样。有的流动性差，有的机构持仓突变，有的是政策预期扰动。但我们每次都用同一套逻辑应对。我在想，能不能反过来——先判断环境，再决定是否介入。”
　　
　　陈帆靠向椅背，没打断。他知道张远的意思。跨市场套利的成功让他们看到了系统的价值，但也暴露了一个问题：策略模块太依赖预设条件，缺乏对“何时不该出手”的识别能力。
　　
　　“你想建个筛选器？”陈帆问。
　　
　　“更像是一个前置模型。”张远点头，“只盯上证50成分股，结合估值、动量和股东结构，提前判断哪些时候容易出现定价偏差。”
　　
　　李阳皱眉：“三个因子？怎么加权？你有回测数据支撑吗？”
　　
　　“还没有。”张远坦然承认，“但我可以试。”
　　
　　陈帆看了他一眼：“那就做。先把框架搭出来，我们一起来调。”
　　
　　接下来两天，张远几乎没离开过操作台。他把系统里所有与个股相关的底层模块拆解了一遍，参考了波动率计算层的时间序列处理方式，也借用了MACD背离检测中的滑动窗口逻辑。但他没照搬，而是重新定义了输入变量。
　　
　　第一个因子是“估值分位数”，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。直到第三日早盘，屏幕中央跳出一条醒目标记：
　　
　　
　　
　　（本章未完，请点击下一页继续阅读）