跳转至

推荐股池量化策略（Stock-Pool Strategy）需求文档

版本 v0.1｜2026-09-05｜状态：需求澄清 + 文献调研完成，策略未开工；待拍板项见 §9 需求来源：用户希望以脱水研报推荐个股为股池构建量化策略。核心判断：①推荐个股是筛选过的优质标的，值得至少 60 日关注；②但推荐节点常与大盘/题材/个股走势错配（推荐即大涨→追高有风险；迟迟不启动→时间成本高）；③无脑批量买入≈买指数。

1. 背景与问题

1.1 用户核心判断（需求转述）

  1. 股池价值假设：研报推荐个股经过基本面/题材筛选，是"次优股全集"，值得 60 日以上关注窗口。
  2. 错配问题：推荐时点 ≠ 最优买点。两类错配方向相反：推荐日已大涨（追高风险）vs 推荐后长期不启动（时间成本）。
  3. 同质化问题：不筛选不择时地批量买入，收益特征退化到指数级别，失去股池价值。
  4. 异质性前提：脱水研报内容类型不一（当日热点行情解读 / 评级调整 / 调研纪要 / 题材强股 / 单券商深度），不同类型的信号含义和预期收益结构不同，不能混为一个信号。

1.2 数据侧事实（2026-09-05 本地库实测）

维度 实测值 含义
编辑打标个股提及 report_stock 17,554 条 / 2,975 只 2023-11 ~ 2026-09，近 3 年
观点单元个股提及 section_stock 42,519 条 / 2,809 只 密度 2.4×，主源（提及表覆盖水分已知，见 daily-brief-prd §4）
日均新增去重个股 11~27 只 股池每日流入量
60 日滚动股池（全口径） 537~682 只 ≈全市场 10~13%，大池
60 日滚动股池（is_core 或带 reason_type） 257~289 只 精选池，规模适合组合
is_core=1 强证据 983 条（5.6%） 大涨题材行直接配对，稀缺高价值
reason_type 覆盖 6,449/17,554（37%） 供需价格 2081 > 技术进展 1169 > 业绩 1085 > 事件催化 819 > 政策 709…
评级事件 rating_event 仅 25 条（首次覆盖 12/维持 10/上调 3） 撑不起独立策略，只能做叠加信号
重复推荐集中度 机器人 96 次、中际旭创 77、阳光电源 66… 头部个股反复推荐，共识与拥挤并存

三个待解问题与数据能力的映射：错配→需要行情数据+入场规则（库内无行情，§8）；同质化→横截面分层信号已具备原料（is_core/reason_type/栏目/重复次数）；异质性→栏目+类型+证据强度三层标签可切分。

2. 用户与场景

  • 单用户（本人）研究型内部工具。数据底座是 xgb_wiki 本地库（每日增量同步），策略是新引擎，不改动现有 wiki 功能。
  • 预期产出链：回测框架 → 策略规则验证 → 每日候选清单（远期与 /daily Watchlist 衔接，形成"研究→跟踪"闭环）。
  • 评估准绳：风险调整后收益（年化/Sharpe/回撤），不是单次暴击。

3. 核心诉求拆解

# 诉求 含义
S1 推荐股池 股池 = 推荐事件驱动动态集合，标的保留 60 日（默认，可调）后衰减出池
S2 信号分层 按内容类型区分信号：栏目（6 digest+9 live）/ reason_type（8 类催化）/ is_core（强弱证据）/ 评级事件叠加
S3 入场时点 解决错配：推荐 ≠ 买点，需显式入场规则（追涨/等回调/确认突破的对比实证）
S4 横截面优选 池内选股：证据强度、题材热度、推荐密度、低关注度等维度打分，避免指数化
S5 回测验证 A 股约束下的诚实回测（T+1/涨跌停/费用/前视偏差），显著跑赢等权随机池才算数
S6 收益最大化 在 S1~S5 约束下最大化风险调整后收益；"时间成本"显式建模（未启动退出规则）

4. 文献与业界证据

4.1 推荐事件后漂移（股池价值假设的外部证据）

  • Womack (1996) 经典结论：买入推荐事件后漂移仅 +2.4% 且短暂；下调评级漂移 −9.1%、持续 6 个月——卖出方向信息量更大且更持久（但 A 股个股无便捷做空，实操以"回避负面"为主）。
  • 中金《十问十答：A 股事件驱动》：间隔一年后的深度报告覆盖，事件后 5 日平均累计超额 +2.9%、胜率 59.4%；"上调盈利预测+标题含超预期"在 5/60 日窗口均有显著超额——5 日与 60 日两个窗口正好对应本项目短/中期持仓假设。
  • 分析师重新覆盖（BigQuant 学海拾珠系列转述）：同一分析师重新覆盖月均超额 +0.55%，上调评级 +0.64%。
  • 多事件组合事件驱动策略（土法炼钢等实践口径）：A 股扣费后年化超额 5%~12%，Sharpe 1.0~2.0，最大回撤 8% 内——单事件信号有限，组合多事件才稳健。
  • 迁移判断：脱水研报提及 ≠ 券商原始推荐事件（存在编辑二次筛选与小时级滞后），漂移幅度预期应打折，必须用本地数据自证（M2 基线）。

4.2 入场时点（错配问题的直接文献）

  • 华安证券《涨停板背后的 Alpha：首板回调策略》：5 年累计 124.99%、年化 18.21%、Sharpe 1.09；关键结论"买入端是关键战场"，把回调上限收紧到 +3%（浅回调）显著提升收益——深回调意味着动量失败，不回调（追涨）承受未封板/高开逆向选择。浅回调带入场是可直接迁移的工程规则。
  • 打板/追涨实证：封板与否决定次日表现（"一个天上一个地下"），收盘时点无法确知封板，追涨天然信息劣势。
  • A 股动量与反转交替主导（一天一因子系列），短期高换手削弱动量——时点规则不能只看单一形态。

4.3 关注度与拥挤（解释"热点解读类推荐为什么危险"）

  • Heyman et al. (2019)：高投资者关注度增强短期反转策略年化 +9.1%；Zhao (2024)：滞后关注度与当期收益负相关。
  • 媒体报道同时是注意力驱动器与信息不对称削减器（Dong 2022）；A 股散户注意力渠道显著（<30% 投资者基于财报决策）。
  • 迁移判断：选股宝是零售注意力聚合器——"当日热点行情解读"类推荐发布时标的往往已被关注推高，短期反转风险大；而"评级调整/调研纪要"类属于慢变量信息，拥挤度低。这为 S2 信号分层提供了理论依据：栏目/类型不只是标签，预期收益结构不同。

4.4 对本项目的四条启示

  1. 漂移存在但幅度有限 → 靠横截面分层放大（强证据/首次推荐/低关注子集），不靠全池 beta。
  2. 入场规则比选股规则可能更重要（华安"买入端是关键战场"）→ S3 与 S4 至少同等优先级。
  3. 类型异质性有文献支撑 → 栏目 × reason_type × is_core 的条件化分析是必做实验而非可选项。
  4. 热点类信号自带拥挤 → 需要"推荐密度"“近期涨幅"类拥挤度特征做风险调整。

5. 策略假设空间（三视角 ideation，每视角 5 条）

5.1 策略研究视角（Alpha 假设）

  1. 证据强度分层漂移：is_core > 带 reason_type > 普通提及，三档独立测事件后 N 日收益分布；强证据子集漂移更强。
  2. 催化类型条件化：8 类 reason_type 的漂移半衰期不同（供需价格/产能=慢变量长漂移；事件催化/资金动向=短脉冲快衰减）——分类型定持有期。
  3. 栏目条件化：每日强股（题材动量强但拥挤）vs 评级慧选（评级漂移）vs 直击一线（公司口径慢变量）vs 每日谈（单券商深度、信息最完整）——各栏目事件后收益 profile 分离。
  4. 低关注优选：首次被推荐 / 60 日内推荐密度低的个股，漂移强于反复推荐的热门票（关注度反转文献的对偶假设；头部 50~96 次重复推荐是天然对照组）。
  5. 共识强化动量：60 日内被 N 家不同来源反复推荐 = 共识累积（与 4 是竞争假设，靠数据裁决，警惕拥挤化）。

5.2 交易执行与风控视角

  1. T+1 现实入场：digest 发布于 15:35~17:20，最早可得信号=当日收盘后 → 唯一无前视入场=次日开盘；所有回测以此为准。
  2. 涨跌停约束：一字板/触板不可成交标记；涨停次日高开跳空的成交价按可成交假设显式声明。
  3. 浅回调入场单：推荐后 60 日窗口内，股价首次回落至事件后高点 −3%~−8% 带内（参数待扫）且不破关键均线时入场——华安结论的迁移版。
  4. 时间止损：入场后 N 日（如 10/15 日）未达预期涨幅即退出——直接回应"时间成本"痛点；与常规止损（比例/均线）对比。
  5. 仓位与容量：等权 vs 信号强度加权 vs 推荐密度加权；池满 50 只时的换手率、费用敏感性、单票仓位上限。

5.3 数据与工程视角

  1. 行情数据管线（当前最大缺口）：个股日线 OHLCV + 指数基准 + 涨停标记 + ST/停牌状态；候选源 akshare/baostock（免费）或 tushare（积分制），本机 pip 走清华镜像可用。
  2. 事件表派生：strategy_event（stock_code × date × 栏目 × reason_type × is_core × 推荐密度 × 首次/重复标记），从 section_stock（主源）+ report_stock（交叉）派生，幂等可重建。
  3. 轻量事件回测引擎：向量化事件对齐（事件日→次日开盘成交→N 日持有收益），不引完整框架；费用/滑点/可成交性显式建模。
  4. 与 /daily 衔接：策略每日候选清单输出进 Watchlist 或简报（远期）。
  5. 数据质量护栏：复权处理（前复权回测）、退市股包含（幸存者偏差）、提及口径水分护栏（以观点单元层为主源）。

6. 优先级 Top 5（跨视角收敛，含待验证假设）

# 策略方向 优先级 理由 关键待验证假设
1 事件漂移基线 + 三层切分（证据强度/栏目/类型） P0 一切策略的地基；不做基线，后续所有规则无参照系；数据已齐（只缺行情） 被推荐后 5/20/60 日收益显著为正且强证据子集更强
2 浅回调入场引擎（vs 次日开盘直接买 vs 追涨确认） P0 直击错配痛点；文献最强支持（华安）；规则简单可解释 回调带入场收益风险比优于直接入场，且不漏掉大波段
3 时间止损退出规则（未启动 N 日退出） P1 直击时间成本痛点；与入场规则正交可独立验证 时间止损提升资金周转与年化，代价（错过晚启动）可量化
4 横截面优选打分（强度+低关注+题材热度−拥挤） P1 解决"≈买指数"；基线出来后特征排序自然浮现 打分 Top-N 组合显著跑赢池内等权随机对照
5 栏目/类型条件化持有期 P2 S2 异质性的最终兑现；依赖 #1 基线结论 不同栏目的漂移半衰期差异显著且样本量足够

每个策略的对照基线固定为：中证全指 + 池内等权随机抽样组合（回应"≈买指数"：跑不赢这两个对照的策略一律否决）。

7. 回测协议（防自欺条款）

  1. 前视偏差：信号可用时刻 = digest display_time（当日 15:35 后）；回测入场最早 T+1 开盘，严禁使用事件日收盘价入场。
  2. A 股交易约束：T+1 卖出；涨跌停不可成交（一字板跳过并记录）；停牌顺延；ST/退市状态跟踪；费用按佣金双边 + 卖出印花税 + 滑点显式计入。
  3. 幸存者偏差：2023-11 起池内个股含已退市者必须保留（行情源需支持退市股，选型时验证）。
  4. 样本设计：2023-11 ~ 2025-12 为训练/调参段，2026 起为样本外验证段；类型切分维度多，警惕多重检验（对照组与样本外必须保留）。
  5. 指标口径：年化收益、Sharpe、最大回撤、胜率、盈亏比、换手率、单边费用；事件研究口径（CAR/超额收益 vs 中证全指）与组合口径（净值曲线）双轨呈现。
  6. 诚实条款：参数扫描结果一律报告全参数面，不得只报最优格。

8. 数据缺口与依赖

缺口 现状 方案
个股行情（最大缺口） 库内无任何行情数据 引入日线 OHLCV+复权+涨停标记+退市标注；akshare/baostock/tushare 选型见 §9-2
指数基准 无 中证全指/中证 500 日线，同源引入
事件表 散落在 section/report 两层 派生 strategy_event 视图或物化表，幂等重建
提及口径水分 已知（编辑打标覆盖 ~20-37%） 以观点单元 section_stock 为主源，report_stock 做交叉增强
评级事件 仅 25 条 不做独立策略，作为个股信号叠加层

9. 待拍板（按异步协作模式，写档待次日决策）

  1. 策略代码归属：xgb_wiki 内新模块（xgb_wiki/strategy/，复用 db 与同步链）vs 独立项目（读 wiki 库文件）？倾向前者（单一事实源），但会增大 wiki 项目边界。
  2. 行情数据源：akshare（免费、接口杂、速度慢、无积分门槛）vs tushare（数据规整、需积分/token）vs baostock（免费稳定、覆盖一般）？需先各拉一小批验证退市股与复权口径。
  3. 回测范围：全口径池（60 日 680 只）先行 vs 精选池（is_core/typed，~270 只）先行？倾向精选池（信号干净、组合规模合理），全池做对照。
  4. 资金假设与容量目标：模拟资金规模（影响滑点假设与容量约束）与可接受换手率上限？
  5. 是否引入日内/涨停时序数据：决定"打板/封板确认"类策略是否在射程内（日线数据做不了封板确认，首期可不做）。

10. 路线图

  • M1 数据地基：行情管线引入+事件表派生+前视口径落地（行情源拍板后 1~2 个工作日）。
  • M2 漂移基线报告：全池+三层切分的事件后收益分布（回答"股池到底有没有 alpha"）。
  • M3 入场引擎对比：次日开盘 vs 浅回调带 vs 确认突破，参数面+样本外。
  • M4 组合与退出：横截面打分 Top-N 组合+时间止损，完整净值回测 vs 双对照。
  • M5（远期）：每日候选清单产出，接 /daily Watchlist，形成研究→跟踪闭环。

参考文献