量化讯号交易方法说明

因子 mom_cost_above_buy_5 · 模型 mom-v1.0-20261010 · 因子状态 active
红涨绿跌 · 真实日K · 更新于 2026-10-11 13:14:31

1这套讯号由哪个脚本 / 模型产生

讯号不是人工判断，而是由 mom-v1.0 动量与平均成本模型 对真实日K批量计算后入库，再由自动工作循环读取并筛选。核心脚本与调用关系：

① app/momentum_model.py 核心算法：3/5日平均成本序列、成本上下归类、70/30切分、T+H收益与胜率/期望统计。
② app/storage.py（save_momentum_model_for_batch / _merged_rows_for_batch）：把真实日K多源合并去重后调用①，并把结果双写入 momentum_cost_daily、cost_expectation 表。
③ autopilot/handlers.py：strategy_compute 触发②重算；factor_backtest → _evaluate_mom_factor 读取样本外结果，判定因子 active/degraded，并登记因子 mom_cost_above_buy_5。
④ autopilot/scripts/render_buyreport.py：读取最新批次样本外结果，按阈值生成 /buyreport/ 报告与提醒。

数据源：真实日K（tencent/sina，本批主源 tencent），表 daily_kline；全部数字可由上述脚本用生产合并口径原样复算，未使用任何模拟数据。

2完整触发条件：价格在 3 日 / 5 日平均成本之上还是之下

第一步 · 平均成本线：窗口 n∈{3,5}。优先用窗口内真实成交额对典型价（(最高+最低+收盘)/3）做成交额加权 VWAP；窗口内有额日≥1 即按可得日加权（amount_vwap / amount_vwap_partial），窗口完全无成交额时才降级为 n 日收盘均价（close_sma）。

平均成本 AC_n(t) = Σ(典型价×成交额) / Σ(成交额)　（无额时 = n日收盘SMA）
偏离度 dev(t) = (收盘 C(t) − AC_n(t)) / AC_n(t) × 100%

第二步 · 上 / 下判定（函数 _bucket，临界=0 归“之上”）：

dev ≥ 0 → 收盘价位于平均成本之上（above）；
dev < 0 → 收盘价位于平均成本之下（below）。

第三步 · 动作象限：模型对每个交易日分别统计四种情景：成本之上·多头(above_buy)、成本之下·多头(below_buy)、成本之上·空头/规避(above_sell)、成本之下·空头/规避(below_sell)。 本买入讯号因子 mom_cost_above_buy_5 只采用「3日平均成本之上 · 多头」这一象限。

3买卖规则与持有周期（收益怎么算）

对满足象限的第 t 日收盘，观察其后 H 个交易日的收益（收盘对收盘，毛口径，未扣佣金/印花税/滑点）：

多头(buy)：　R = C(t+H) / C(t) − 1
空头/规避(sell)：R = C(t) / C(t+H) − 1　（用于衡量“在上方卖出/规避下跌”是否占优）
持有周期 H ∈ {T+1, T+3, T+5, T+10}；买入讯号主口径为 H = 5（T+5）。
无未来收盘价的末尾日期如实剔除，不补造。

每一笔的 R 汇总后：胜率 = R>0 的笔数 / 总笔数 ×100%； 期望平均收益率 = 所有 R 的算术平均值 ×100%；另给中位数。

470/30 样本切分与样本外胜率 / 期望口径

按时间顺序把全部交易日固定切成两段（常量 IS_RATIO=0.70，不随机打乱，保证可复算）：

前 70% 为样本内（insample）：用于形成假设；
后 30% 为样本外（outsample）：只用于检验。A/B 档筛选只认样本外，避免用拟合自身的数据自评。

分档阈值（严格大于）： A 高胜率讯号档样本外胜率 > 55% 且期望收益 > 1.5%； B 备存档胜率 > 51% 且期望为正、但未达 A。因子状态非 active（降级/失效）时一律不入选、不提醒。

以上为历史真实日K的经验频率，不是未来收益保证；为收盘对收盘毛口径，未计手续费、印花税与滑点；样本数越小越需谨慎。

5药明康德（603259）数值溯源：59.8% / +2.425% 出自哪一批

分析批次 batch_id: 20261010162357-fdb15fb3
分析时间: 2026-10-10 16:23:57（模型 mom-v1.0-20261010）
数据最新交易日: 2026-10-09，当日收盘 157.80
合并后样本天数 T: 642 个交易日（多源合并去重+跨批补缺，生产 _merged_rows_for_batch 口径）
70/30 切分点: split_idx=449，切分日 ≈ 2025-12-18（其后为样本外）
最新3日平均成本: 162.380（2026-10-09，basis=close_sma）
最新5日平均成本: 161.920
当前价格位置: -2.82%（收盘在3日平均成本下方）

数字出处：表 cost_expectation，batch_id=20261010162357-fdb15fb3，
cost_window=3 · action_id='above_buy' · horizon=5 · segment=outsample
→ n=102，胜率=59.80%，期望=+2.425%，中位数 +1.436%
对应样本内（insample）：n=233，胜率 54.51%，期望 +1.067%。

即：在样本外 102 次“收盘站上3日平均成本”的情形里，持有5日后上涨占比 59.80%，平均收益 +2.425%。以最新3日成本 162.380 作参考成本，期望目标价＝ 162.380×(1++2.425%/100) ＝ 166.318（即 /buyreport/ 上展示的参考成本→期望目标价）。

注意：当前收盘 157.80 相对3日成本的位置为 -2.82%（收盘在3日平均成本下方）；本页展示的是“最近一次达标批次”的统计结论与参考成本，是否再次满足“成本之上”需以信号触发当日收盘为准。

3日成本口径 · 四象限样本外表现（红=正期望，绿=负期望；单位%）

情景（样本外）	T+1	T+3	T+5	T+10
成本之上 · 多头	50.49% n=103 · 均+0.361%	55.88% n=102 · 均+1.387%	59.80% n=102 · 均+2.425%	60.20% n=98 · 均+3.885%
成本之下 · 多头	47.19% n=89 · 均+0.310%	54.55% n=88 · 均+0.646%	52.33% n=86 · 均+1.027%	55.29% n=85 · 均+3.595%
成本之上 · 空头/规避	49.51% n=103 · 均-0.292%	44.12% n=102 · 均-1.141%	40.20% n=102 · 均-1.983%	38.78% n=98 · 均-2.960%
成本之下 · 空头/规避	50.56% n=89 · 均-0.235%	45.45% n=88 · 均-0.503%	46.51% n=86 · 均-0.720%	44.71% n=85 · 均-2.800%

5日成本口径 · 四象限样本外表现（单位%）

情景（样本外）	T+1	T+3	T+5	T+10
成本之上 · 多头	51.40% n=107 · 均+0.476%	54.72% n=106 · 均+1.517%	60.38% n=106 · 均+2.267%	56.86% n=102 · 均+3.433%
成本之下 · 多头	45.88% n=85 · 均+0.163%	55.95% n=84 · 均+0.446%	51.22% n=82 · 均+1.163%	59.26% n=81 · 均+4.151%
成本之上 · 空头/规避	48.60% n=107 · 均-0.394%	45.28% n=106 · 均-1.258%	39.62% n=106 · 均-1.821%	42.16% n=102 · 均-2.502%
成本之下 · 空头/规避	51.76% n=85 · 均-0.104%	44.05% n=84 · 均-0.325%	47.56% n=82 · 均-0.868%	40.74% n=81 · 均-3.368%

读法：同一持有期，“成本之上·多头”期望显著为正、“成本之上·空头/规避”期望为负，两者互为镜像，说明“站上成本时偏多”在该股历史样本外具备方向性；T+1 胜率与期望都较弱，信号更偏 T+5/T+10 的短中线而非隔日。

6从信号到实盘参考：完整使用方法

盘后出信号（T日收盘后）：自动工作循环在因子评估（工作日18:10/21:10）后刷新 /buyreport/；个股进入 A 档（样本外胜率>55%且期望>1.5%）且当日收盘站上其3日平均成本，列入候选。

记录参考成本与期望目标：参考成本＝信号批次最新3日平均成本；期望目标价＝成本×(1+样本外期望/100)；同时记下样本外 n 与胜率，n 越小权重越低。

T+1 日择机，而非机械用开盘价：隔日开盘可能跳空，开盘价未必是优点位。建议限价挂单、回踩不破3日成本附近分批；若大幅高开（显著高于参考成本+预期）则放弃追高，重算性价比。

持有与止盈：主口径持有 T+5（可参考 T+10 更高期望）；到达期望目标价分批止盈，时间到期未达也按纪律复核，不无限期持有。

失效与风控优先：买入后若收盘跌破3日平均成本，代表短线转弱（对应 below_buy 象限期望明显更低），应减仓/止损；用真实样本测算个股 T+10/T+20 的最大回撤，预设止损线（如成本下方固定%或ATR倍数），避免极端损益。

组合化防幸存者偏差：单只股票的统计是“其自身历史惯性”，存在个股幸存者偏差；应在上证50/科创50等更宽样本池对同因子做横截面胜率/期望，只在多只标的同时达标、因子全池 active 时提高仓位，单票设上限。

留痕复盘：信号、实际成交价、滑点、止盈止损全部记录，定期用样本外真实结果回校胜率/期望，因子降级即停用。

滑点与费用：模型期望是收盘对收盘毛口径。实盘要自行扣减双边佣金、印花税、买卖价差与冲击成本；隔日开盘跳空会使真实买入价偏离参考成本，须在下单前重算“当前可成交价”下的期望是否仍为正。本页不构成投资建议或买卖依据。

7相关页面与脚本清单

🔬 信号深度量化研究：隔日开盘/滑点执行成本、跌破成本回撤、止损回测、多股池防幸存者偏差
📡 因子讯号报告：最新批次 A/B 档名单、参考成本、期望目标价（本方法的结果页）
🔔 讯号挖掘提醒：新 A 档弹窗/警示音/跑马灯与飞书提醒
🤖 自动工作循环追踪：入库→校验→策略双写→因子评估的全程留痕
📈 动量与平均成本模型说明

脚本：app/momentum_model.py（算法）· app/storage.py（真实K合并与双写）· autopilot/handlers.py（重算/评估/active闸门）· autopilot/scripts/render_buyreport.py（报告）· autopilot/scripts/render_signalmethod.py（本页）。表：daily_kline / analysis_batch / momentum_cost_daily / cost_expectation（data/quantana.db）、research_factor（autopilot/autopilot.db）。