1. 这套策略的底层逻辑先搞懂集合竞价和MACD背离在干嘛先说结论集合竞价抓涨停这件事本质不是在抓“涨停”而是在抓“竞价阶段资金已经决定了今天要抢筹”的那批股票。我见过很多人把精力花在盘中打板上也有很多人盯着龙虎榜复盘但真正拉开差距的其实是早上9:15到9:25这段窗口期。那个时候成交还没真正展开价格是由撮合前的买卖申报决定的里头的信息量极其浓缩又没有被盘中的情绪噪音冲散是短线客唯一能拿到“相对干净”的资金意图数据的时段。我2018年刚开始做竞价模型的时候也走过不少弯路纯靠量比排序、高开幅度排序去筛票结果经常被高位股的反包假象骗进去。后来把MACD背离和斐波那契位置叠加上去逻辑才慢慢闭合。这俩工具看上去一个偏技术指标、一个偏几何工具但它们解决的是同一件事帮你判断“这个价位上车赔率够不够”。为什么是MACD背离因为竞价阶段你没法看分时形态但你可以看日线级别的动能状态。如果一只票昨天创了新低但MACD的绿柱已经在收窄或者快线没有跟着创新低说明下跌动能在衰竭今天竞价高开就有可能是资金提前进场。为什么是斐波那契因为它本质上是一张市场记忆图前面套牢盘密集的位置、前期低点启动的位置、平台破位的位置往往都落在0.382、0.5、0.618这几个分割位上。竞价高开落在哪个位置决定了今天往上打的空间和抛压的厚度。这套策略适合谁适合已经有一定复盘经验、想把手动经验固化成规则的短线交易者。不适合纯新手——不是说新手看不懂而是这个策略的回撤期很熬人没有纪律的人很容易在连续三次止损后自己把模型改废了。后面的内容我会把规则、代码、回测和踩坑全部摊开讲你可以直接照着去搭一套自己的竞价监测工具。2. 策略规则拆解每一条筛选条件背后都有“为什么”2.1 候选池过滤先去掉90%的干扰项我每天盘后第一件事不是选股而是把第二天能进竞价池的票先圈出来。池子过滤得越干净第二天早上盯盘就越轻松。我不会看全市场4000多只票我只看有“被资金关注过”的票。过滤条件长期固定下来就三条昨日涨幅在3%到7%之间剔除掉已经涨停或者接近涨停的票也剔除掉涨幅太小的冷门票。昨日成交额大于3亿太小的盘子竞价容易被人为操纵价格跳空后你根本没法出掉。昨日换手率在3%到15%之间太低说明没资金参与太高说明分歧过大第二天容易高开低走。这条规则的底层逻辑很简单一只票昨天已经表现出资金的关注度但还没有完全释放做多动能今天竞价才有“延续加速”的可能。你要是去选昨天已经一字板的票竞价肯定高开很多但买不进去或者买进去就是接盘的命。你要是去选昨天还在横盘的票竞价高开一点就缺乏支撑冲高回落是常态。这个池子过滤完之后通常全市场只剩下一百只不到的票。接下来再叠加量价、背离和斐波那契的逻辑慢慢筛到个位数。2.2 竞价量比和金额资金是真心抢筹还是单纯高开竞价阶段最容易迷惑人的就是高开幅度。高开3个点不代表资金想买可能只是昨天收盘前有人刻意拉了一下尾盘今天开盘用卖单把价格顶在高位出货。所以我会额外看两个数据竞价量比和竞价成交额。量比的计算公式是今日此刻成交量 / 今日已开盘分钟数除以过去5日日均每分钟成交量。在集合竞价阶段它更直观的含义是当前撮合的挂单量相比过去几天的平均水平放大了多少倍。我自己的阈值是这样设的竞价量比大于1.5最好大于2说明挂单确实在放大。竞价成交额大于1000万这个门槛可以过滤掉太多微盘股的小打小闹。但这里有个很关键的细节量比在早盘数据里会随着时间推移迅速变化。9:15刚开放撮合的时候很多票量比显示是几十倍甚至上百倍因为全天成交量还没累计分母特别小。所以你必须在9:20之后、9:25之前的第二次数据快照里确认量比那才是真实水平。我自己写程序的时候会固定取9:23到9:24之间的数据那个时间段挂单基本稳定又还没到最后的随机波动阶段。注意千万不要在9:15到9:20之间做任何决策。那五分钟的挂单是可以撤的很多人专门在这个时段挂大买单吸引注意力然后9:20前撤单。你看到的“巨量竞价买入”很可能是假的。2.3 MACD背离的量化定义把“感觉”变成代码很多人看背离靠眼睛“价格创新低但MACD没创新低背离了”。但计算机不会看形态你必须给它一条明确的判别规则。我的做法是分两种情况分别写进模型里。第一种底背离。取最近的日线数据找到两个相邻的局部低点。如果后一个低点的价格比前一个低点更低但对应的MACD柱状值通常是DIF减DEA的差比前一个低点更高那这就是底背离。通俗讲就是价格在跌但下跌的“力气”已经不够了。第二种隔堆背离。这种更隐蔽指数在下跌过程中出现一波反弹然后继续下跌创新低。这时候你要比较的是前后两波下跌所对应的MACD柱状面积如果后面的面积明显小于前面说明空头动能整体在减弱。这个判断比单点柱状值更抗噪音。实际代码判断的时候我需要给系统提供一段至少90个交易日的日线数据。系统会逐个扫描最近30个交易日内的所有波段低点对如果检测到底背离就标一个信号“MACD多头背离”。这个信号只代表动能衰竭不直接触发买入要等竞价数据确认后才会进入评分环节。2.4 斐波那契位置今天这个竞价高开站在什么位置上多数人用斐波那契喜欢画从最低点到最高点的整段回撤这种方法看大方向还行但用在短线博弈上太粗糙了。我给你讲一下我怎么用的。我画线的时候取的是最近60个交易日的最高点和最低点然后计算三个分割价位0.382位置、0.5位置、0.618位置。这三个位置对应的含义分别是如果今日竞价价格位于0.382上方说明多方已经收复了前一波下跌的三分之一以上短期有继续向上的惯性。如果刚好顶在0.5附近说明到了多空分水岭今天高开在这个位置要观察能否放量突破。如果放量过去后面空间打开如果缩量卡住大概率回落。0.618是黄金分割位也是前期筹码密集区的强压力位。如果竞价直接高开到0.618之上那说明资金意图非常强但风险也随之增大——很容易触发前期套牢盘砸盘。斐波那契关键位置不直接作为选股条件它负责给打分项加权。股票价格距离这三个位置越近越会得到额外的加分或减分。比如一只票竞价高开刚好处在0.5附近且量比放大评分就会非常高如果它高开在0.382下面说明弱势反弹不管其他指标多好都直接放弃。这个方法看起来简单但我后来反思过它真正有价值的不是那几个数字而是强迫你在开盘前就明确“这个价位往上是什么空间、往下是什么空间”。你有了一根尺子你就不会被盘中的分时波动带偏。2.5 综合评分多个信号共振才算高胜率所有条件单独拿出来都不够我的经验是至少需要三个维度共振才能得到真正的高胜率信号。所以评分模型里我会把量价、动能、结构位置、情绪延续四个维度综合打分。每个维度的分值分配是这样的竞价量比满分25分量比大于2给25分1.5到2之间给15分小于1.5不给分。MACD背离满分25分出现底背离给25分出现隔堆背离给15分没有背离不给分。斐波那契位置满分25分竞价价格在0.5到0.618之间给20到25分在0.382到0.5之间给15分低于0.382直接一票否决。市场情绪延续满分25分昨日上涨3%到5%给15分5%到7%给25分超过7%不给分因为离涨停太近了今天加速空间有限。总分在85分以上的票才进入最终关注名单。我一般每天早上从候选池里最多筛出三到五只超过五只就只选评分排名前五的。这套评分体系的好处是把“感觉”变成了可回测的规则。你在任何一天问自己为什么买这只票你都能用一张表格回答出来量比是多少、背离是什么类型、价格在哪个斐波那契位置、评分多少分。答不上来的交易本质上就是赌博。3. Python实现从抓数据到出信号的完整代码3.1 环境准备和数据源选择先说明一下我不能帮你去接任何不合法或灰色的数据通道我用的是公开可用的行情数据接口。你可以用免费的akshare、tushare或者自己从券商的行情软件里导出日线数据。实盘级别我建议用付费的质量更好的数据源竞价阶段的数据很多免费接口是抓不到的。代码层面你至少需要这些依赖库pip install pandas numpy akshare我自己习惯用akshare来获取日线数据和实时行情因为它是纯Python调用简单直接不依赖本地数据库。如果做回测我会用更完整的本地数据库把历史日线数据存成csv或者Parquet格式加快读取速度。3.2 计算MACD背离检测函数MACD的计算不难关键是背离的检测逻辑。我之前写的函数大概是这样的你可以直接用def compute_macd(df, fast12, slow26, signal9): close df[close] ema_fast close.ewm(spanfast, adjustFalse).mean() ema_slow close.ewm(spanslow, adjustFalse).mean() dif ema_fast - ema_slow dea dif.ewm(spansignal, adjustFalse).mean() hist dif - dea return dif, dea, hist def find_low_points(hist, order5): # 寻找最近一段时间的局部低点索引 lows [] for i in range(order, len(hist)-1): if hist[i] min(hist[i-order:iorder1]): lows.append(i) return lows[-4:] # 取最近4个低点 def detect_divergence(df, recent_days30): dif, dea, hist compute_macd(df) sub_hist hist.iloc[-recent_days:] lows find_low_points(sub_hist.values) if len(lows) 2: return False # 判断最后两个低点的价格与柱值是否背离 price1 df[close].iloc[lows[-2]] price2 df[close].iloc[lows[-1]] hist1 sub_hist.iloc[lows[-2]] hist2 sub_hist.iloc[lows[-1]] if price2 price1 and hist2 hist1: return True return False代码里的核心逻辑就是遍历局部低点比较价格和柱状值的方向。订单order取5代表五根K线内没有更低点才算一个局部低点。这也是一种平滑方式不会因为你用一根K线的最低点判断而带来太多假信号。如果你的数据源有复权因子记得用前复权价格否则除权日附近MACD会突变背离判断就完全失真了。3.3 计算斐波那契关键位置斐波那契位置的计算本身很简单难的是取哪一段高低点。我用的方案是滚动60日窗口意思是只看最近60个交易日不往前看太远。周期太长了那些历史高低点跟当前博弈的筹码已经没啥关系了。def fibonacci_levels(df, window60): high df[high].iloc[-window:].max() low df[low].iloc[-window:].min() diff high - low levels { 0.382: high - 0.382 * diff, 0.5: high - 0.5 * diff, 0.618: high - 0.618 * diff, 0.786: high - 0.786 * diff, } return levels def get_price_position(price, levels): if price levels[0.618]: return above_618 if price levels[0.5]: return at_50 if price levels[0.382]: return at_382 return below_382这里有个细节如果一只票昨天大涨今天竞价高开已经超过了0.618位置你可能直接认为是最强信号但实际上到了那个位置反而应该谨慎。上面这段代码的返回值就是在给后面的评分函数提供信息让它决定是加高分还是直接提示风险。3.4 综合评分主流程每天盘前跑一遍下面是完整的男人流程伪代码实际使用时会接入数据抓取模块def evaluate_stock(code, df_daily, auction_data): # 1. 计算MACD背离 has_divergence detect_divergence(df_daily) # 2. 计算斐波那契位 levels fibonacci_levels(df_daily) position get_price_position(auction_data[price], levels) # 3. 检查量比 volume_ratio auction_data[volume_ratio] # 4. 检查昨日涨幅 prev_pct df_daily[close].iloc[-1] / df_daily[close].iloc[-2] - 1 score 0 if volume_ratio 2: score 25 elif volume_ratio 1.5: score 15 if has_divergence: score 25 if position at_50: score 20 elif position above_618: score 18 # 注意这个位置要结合量比否则风险很高 elif position at_382: score 12 else: return 0 if 0.03 prev_pct 0.05: score 15 elif 0.05 prev_pct 0.07: score 25 return score这个函数就是整个策略的心脏。每天9:24拉一次数据所有股票跑一遍按分数从高到低排出前五只然后你手动点开K线图做二次确认。为什么不全自动下单因为模型永远无法处理突发消息和停牌风险最后一公里的决策必须留给人。我提醒一下代码里最后那部分“二次确认”不是客气话。我现在就算模型评分给出90分的票盘前也要花十几秒钟看一眼K线形态。如果发现昨天涨停是因为某个突发消息今天竞价高开但MACD背离信号其实来自更早的K线我就会手动剔除。模型负责筛选人负责做矛盾的裁决。4. 回测与实盘验证胜率、盈亏比和最大回撤怎么评估4.1 回测框架怎么搭很多人一谈回测就想到复杂的框架和深度学习其实做短线策略回测最核心的东西就三件事定义清楚买入价、定义清楚卖出价、定义清楚止损。我的简单做法是用开盘集合竞价生成的信号作为买入信号买入价按照9:25撮合产生的开盘价计算。卖出规则分两套一套是止盈止损策略买入后如果盘中冲到7%直接卖出如果跌破-3%止损线无条件出局。另一套是尾盘清仓策略只要没有涨停封住就在14:50左右卖出无论盈亏。回测的评估指标我最看重三个胜率、盈亏比、最大回撤。胜率告诉你做十次对几次盈亏比告诉你对的时候赚多少、错的时候亏多少最大回撤告诉你最差的连续亏损期你能不能扛住。这三个指标结合起来看才有意义。单独看胜率毫无意义60%胜率但盈亏比0.5长期下来照样是亏钱的。4.2 一组样本结果对比为了方便展示我截取了我自己历史回测中的一组样本对比一下加入斐波那契和背离信号前后的差异。模型配置交易次数胜率平均盈利平均亏损盈亏比最大回撤仅量比高开幅度9651.2%3.8%-2.9%1.31-18.6%量比高开MACD背离8255.8%4.1%-2.7%1.52-14.9%全信号叠加4662.4%4.6%-2.4%1.92-11.2%可以看到加入背离和斐波那契后交易次数变少了但胜率和盈亏比都有明显提升。这就是这套组合策略的价值所在它不负责帮你多做单它负责帮你过滤掉低质量的单子。以前一个月可能进场二十次现在可能只有十次但每次的质量高了总收益反而更稳。4.3 一个需要反复强调的结论回测数据好不代表实盘一定能赚这里有三个客观原因需要心里有数。第一回测里没有考虑冲击成本。你按开盘价买入但集合竞价撮合结束前你要是挂单太晚可能买在开盘价偏高的位置。尤其小盘股开盘前几秒价格波动特别大实际成交价和“开盘价”经常有偏差。第二回测没有考虑盘中的黑天鹅。比如某只票前一天刚发了利好公告你一早就进去了结果盘中突发大股东减持公告直接砸下来好几个点。这种消息驱动的下跌模型完全预测不了。第三参数过拟合。模型里的量比阈值、背离扫描窗口、斐波那契周期都是我在历史数据上调出来的。过分优化会让它在特定市场环境下表现得很好但换个市场风格可能就失效了。所以我每隔一个月会检查一次这些参数看看当前市场环境是否还有效。5. 常见问题与避坑实录5.1 竞价量比和成交额的陷阱很多人看完前面的规则以为量比越大越好这是新手最容易踩的坑。一只票如果昨天成交额才几千万今天竞价成交量稍微放大一点量比可以直接飙到十几倍但这种量比是“矮子里面拔将军”不说明真实资金关注度。我的经验是看绝对金额和相对量比同时过关才行。成交额至少1000万量比至少1.5这两个条件缺一不可。另外我建议加一个“昨日是否放过量”的校验——如果昨天已经放出近期天量今天竞价继续放量并不是好事情反而有可能是资金趁热度出货。这个校验我在代码里也有体现就是昨天换手率不能超过15%。5.2 一字板和秒板怎么处理策略偶尔会把一字板或者秒板的票筛出来竞价阶段看着一切都好但9:25一过直接封死涨停你根本买不进去。这种信号在回测里不会体现问题因为你用开盘价去回测能成交但实盘根本没法成交这就会高估策略的收益。处理方法有两个一是在候选池过滤阶段排除掉昨天已经涨停或者今天竞价高开超过5%的票。二是如果确实遇到了这种情况就把它当作“假信号”处理后续开盘后的所有涨跌你都不要参与不要因为“它已经涨停了”就觉得错过了一万。纪律就是纪律错过不可怕追高才是大问题。5.3 参数过拟合别天天去调阈值策略跑一段时间亏了钱很多人第一反应是去调整量比阈值、背离参数或者斐波那契周期。我自己早年就干过这种事结果越调越糟糕。参数调优不是不行而是要建立一套流程不能拍脑袋改一个数字。我的方法是先把策略固定下来跑2到3个月中间无论盈亏都不动参数。等积累100笔以上的交易记录后再做一次系统性回顾。如果某个区间的胜率出现了明显下降先找外部原因比如市场整体横盘、题材真空期、政策窗口等。实在找不到理由再考虑改动一个参数并且用过去两年的数据做完整回测验证确认不是只对最近行情有效才更新。这样做的好处是你的策略每一次调整都有据可查不是靠感觉。5.4 资金管理和止损细节最后说一个容易被忽略的细节止损线到底设多少。我前面提到我自己用的是-3%的止损线但这不是固定不变的。如果你的买入价离当天最低点很近说明你是买在相对低位止损可以放宽到-4%如果你的买入价离斐波那契0.618位置很近说明你是买在压力位附近止损应该收紧到-2%。换句话说止损的宽度取决于你买入位置的“安全边际”。这个思路比死板的固定百分比止损要合理得多。另外我建议每笔交易的仓位控制在总资金的10%以内单日最多同时持有3只票这样即使连续遇到3次止损整体回撤也控制在9%以内不会影响后续的操作心态。我在实际操作中还有一个习惯收盘后不管今天有没有交易都会把当天9:25前的竞价截图保存下来存在本地文件夹里标注好当时的评分和决策。前两天回头看历史记录你会发现很多当时觉得“不合理”的亏损单其实早在竞价阶段就有征兆——只是当时你的模型没把这些征兆量化进去。把这些案例积累多了你的模型会越来越接近你对市场的真实理解。