|一个量化小白的真实项目复盘：如何在9:30开盘前，用机器学习找到今天最可能涨停的票?
你有没有过这种经历？
早上9:15打开炒股软件，看着竞价数字跳来跳去，心里直打鼓：这只票竞价涨了3%，是主力试盘还是诱多？那只票突然放量，要不要追？
等你犹豫完，9:30一到，好票已经封板，烂票直接跳水。
我也有同样的困惑。于是，我用了半年时间，做了一个能自动在早盘竞价阶段“算”出涨停概率的模型。
今天不吹牛、不卖课，就把这个项目的真实思路、因子设计逻辑、模型怎么训练的、实战效果如何，全部摊开来讲。
希望你看完，至少能回答一个问题：早盘那10分钟，到底该看什么？
一、为什么死磕“早盘竞价”？
A股的早盘集合竞价（9:15–9:25），是全天资金博弈最激烈的10分钟。
- 9:15–9:20：可以挂单也可以撤单，很多“假单”出没
- 9:20–9:25：只许挂不许撤，真金白银开始亮牌
- 9:25：产生开盘价，全天走势的第一块拼图
能不能涨停，往往在这10分钟里就有蛛丝马迹。
但问题是：竞价数据又短又杂——竞价涨幅、委买委卖、未匹配量、量比……光看一两个指标很容易被骗。传统的技术分析、凭感觉打板，胜率越来越低。
所以我想：能不能让机器学习，从过去几百天的数据里，自己学会识别哪些竞价信号才是真正有效的？
二、模型长什么样？——一个“双引擎”打分系统
我把这个模型做成了一个每天早上9:28自动输出选股列表的小程序。
它的核心很简单：
输入：56个竞价相关的因子（后面会讲大类）
输出：每只股票今天涨停的概率（比如0.88表示88%概率）
具体结构：
- 两个基模型：XGBoost + CatBoost（你可以理解为两个风格不同的“专家”）
- 融合权重：CatBoost占85%的决策权重，XGBoost占15%
- 涨停标准：当日涨幅 ≥ 9.85%（剔除ST和创业板/科创板的特殊规则）
为什么这么配？
回测发现，CatBoost在“没见过的新数据”上更稳，XGBoost则提供一些不同的视角。两者搭配，比单独用任何一个都准。
三、56个因子：我们到底在算什么？
这是模型的核心，也是我们最花心思的地方。出于策略保密，我不能列出全部56个因子，但可以告诉你它们的五大分类，以及每类里的1-2个典型例子——这些思路你平时看盘也能用上。
第一类：今日竞价数据（约15个因子）
直接从当天9:15–9:25的竞价盘口中获取。
举例：竞价涨幅、竞价量比、:4委买委卖。
第二类：昨日及近期行情（约12个因子）
用来判断股票的“股性”和趋势状态。
举例：昨日涨跌幅、昨日实际换手率。
第三类：技术指标（约10个因子）
常见的均线、RSI、MACD等，但做了针对性的参数调整。
举例：MA5与MA20的比值、RSI6与RSI12的对比。
第四类：历史股性与资金痕迹（约8个因子）
捕捉“这只票过去爱不爱涨停”、“主力最近有没有吸筹”。
举例：前15日内涨停次数、前3日大单净量。
第五类：运算衍生与交叉因子（约11个因子）
把上面几类组合起来，形成1+1>2的信号。
说句大实话：这56个因子不是越多越好。真正起作用的可能不到30个，但正是因为做了大量冗余和交叉验证，模型才不容易过拟合。具体哪些因子权重最高——这部分涉及核心机密，就不在这里公开了。
四、数据怎么来的？——数据查询与清洗
数据来自问财、QMT、Akshare等，通过接口自动获取。每天的查询条件包括：主板非ST股、流通市值15-300亿、竞价涨幅小于8%、上市超过100天等。
清洗过程（纯文字描述，无代码）：
第一步，根据查询日期自动区分“今日”与“昨日”数据。比如，查询当天的开盘价会被标记为“今日开盘价”，查询前一天的则标记为“昨日开盘价”。
第二步，处理异常值。使用训练集的中位数填充缺失值，并用分位数方法（比如1%和99%分位数）把极端值拉回到合理范围。所有涉及除法的因子都会加上一个极小值防止除零错误。
第三步，特征标准化。将问财返回的各种列名（如“前5日平均成交量”或“前5个交易日的平均成交量”）通过关键词模糊匹配，统一成标准特征名。如果出现重复列，按日期排序并自动添加后缀区分。
五、训练过程：让模型“见过世面”
我用的是 2022年至今约500个交易日的数据，每天200–300只符合条件的股票。
涨停股只占5%–8%，属于极度不平衡的数据——好比100个学生里只有5个考满分，模型很容易“偷懒”全判成不及格。
为了解决这个问题，我用了：
- 时间序列交叉验证：严格按日期顺序切分训练集和验证集，绝不用未来数据作弊
- 类别权重调整：让模型多看几次涨停的样本，但不破坏真实分布
- 分位数裁剪：把极端离谱的数据（比如竞价涨幅突然100%）拉回正常范围
最终在验证集上的成绩：
- AUC = 0.7358（比瞎猜好了46.7%）
- 精确度（阈值0.88时）= 85.7%
意味着：模型说“涨停”的10只票里，大约有8–9只真的涨停了 - 召回率 = 15.8%
意味着：所有真实涨停的票里，模型能提前抓住15.8%（只求精不求多）。
六、实战回测：如果能回到过去……
我用 2025年1月到2026年3月 的数据做了模拟交易（假设每天按模型信号买入，次日卖出）：
|
指标 |
数值 |
|
交易次数 |
1210次 |
|
胜率 |
92.81% |
|
平均每笔收益 |
3.57% |
|
最大回撤 |
8.2% |
|
夏普比率 |
2.34 |
⚠️ 注意：这是不考虑手续费、滑点、冲击成本的“理想成绩”。实际实盘会低一些，但方向依然有参考价值。
这个成绩意味着什么？
不是暴利，但很稳。绝大多数交易日只买1–3只票，对了赚3–5%，错了亏1–2%，长期复利可观。
七、每天早晨，它是怎么工作的？
这是我的程序每天的“生物钟”：
- 08:55：启动，准备抓数据
- 09:00：向问财发起56个因子的查询
- 09:15–09:25：一边收数据，一边清洗、计算衍生因子
- 09:28：模型跑完，输出选股列表
- 09:30：开盘，你已经有了一份“今天可能涨停”的候选池
输出示例（以2026-04-13为例）：
两级策略：
- 概率 ≥ 0.88 → 放入“精选池”，可考虑买入
- 0.80 ≤ 概率 < 0.88 → 放入“观察池”，用来跟踪模型表现
八、踩过的坑：你以为很顺利，其实全是bug
坑1：数据源的列名天天变
今天叫“前5日平均成交量”，明天变成“前5个交易日的平均成交量”，代码直接炸。
解法：不写死列名，用关键词模糊匹配，比如只要包含“前5日”和“平均成交量”就算。
坑2：重复列名导致特征对不上
同一个因子，因为查询条件不同，返回了两列，模型以为是两个特征，维度出错。
解法：自动检测重复列，按日期新旧排序，给旧数据加后缀。
坑3：训练时用的中位数，预测时忘了存
分位数裁剪必须和训练时完全一致，否则结果失真。
解法：把所有统计量存成一个文件，预测时强制加载。
坑4：9:25–9:30之间只有5分钟
数据一多，处理慢了就赶不上开盘。
解法：并行抓取 + 缓存中间结果 + 关键步骤设置超时熔断。
九、模型到底在看什么？——部分揭秘
出于策略保密，我不能列出全部特征重要性排名，但可以告诉你模型最关注的几类信号：
- 竞价涨幅与量比的配合：单纯高开或单纯放量都不够，两者同时出现才是好信号
- 未匹配量的变化方向：买盘一直在堆积还是逐渐撤单？
- 历史涨停基因：过去15天内有过涨停的票，再次涨停的概率明显更高
- 近期资金趋势：前3日主力净流入为正的票，加分
有意思的是：模型不仅看竞价瞬间的表现，还非常看重“历史股性”和“资金趋势”。也就是说，一只票如果过去经常涨停、近期有资金沉淀、今天竞价又出现异动——那才是真正的高概率机会。
十、未来还能怎么进化？
短期我想做三件事：
- 剔除冗余因子：56个里可能有一半相关性太高，删掉能提速
- 动态阈值：市场情绪好的时候用0.85，差的时候用0.92
- 加入板块热度：同一板块有多只票同时出信号，加分
中长期：
- 用LSTM学习竞价序列的时间变化模式（比如最后1分钟量突然放大）
- 区分震荡市和单边市，用不同模型参数
十一、几句大实话（风险提示）
我必须说清楚：
- 模型会失效。市场在变，过去好用的规律未来可能反过来。
- 数据有延迟或错误。问财不是交易所直连，偶尔会出错。
- 极端行情下不要用。股灾、千股跌停的时候，任何竞价模型都没意义。
- 不要无脑梭哈。再好的模型，单只股票仓位不超过总资金的5%。
我的建议：
把它当成一个 “早盘筛选器” ，帮你从四五千只票里快速选出3–5只值得看的。最终买不买，还要结合当天的消息、板块、自己的风险偏好。
十二、写到最后：量化不是圣杯，但可以是望远镜
做完这个项目，我最深的感受是：
没有哪个模型能100%预测涨停，但它可以让你不再靠感觉和运气去竞价。
那56个因子、双引擎融合、每天5分钟的紧张调度……这一切的价值，并不是找到了“必胜公式”，而是建立了一个可以不断迭代、验证、优化的系统。
你可以在这个框架里，加入自己的因子，调自己的阈值，让它越来越适合你的交易风格。
觉得有用的话，点个赞和在看，让更多在竞价中迷茫的朋友看到。
更多好玩的量化交易方法，等着你来一起玩起来。