新年礼物，宝藏策略之昨日炸板优化版

最新推荐文章于 2026-01-09 15:10:18 发布

原创最新推荐文章于 2026-01-09 15:10:18 发布 · 1.1k 阅读

17 ·

CC 4.0 BY-SA版权

文章标签：

#python #pandas #scipy

量化策略专栏收录该内容

5 篇文章

订阅专栏

2025年度报告已生成 10w+人浏览 365人参与

最强“昨日炸板买入法”优化版：十年回测1.59万倍，年化150%！给大家准备的2026新年礼物！

各位量化战友，新年好！

2026年伊始，给大家带来一份硬核新年礼物——经过深度优化的「最强昨日炸板买入法」策略。经过长达10年的严苛回测，它交出了一份令人震撼的成绩单：

** 总收益：1，594，384% （没错，是1.59万倍） ** ** 年化收益：150% ** ** 最大回撤：仅26.5% **

这个风险收益比，堪称梦幻。它不是暴利幻觉，而是基于严谨逻辑、结合市场特征与“国九条”新规打磨出的系统化产物。今天，我们将策略核心逻辑与完整源码开源，作为送给所有关注者的新年贺礼。

🔥 策略核心思想：专注“弱转强”，狙击情绪转折点

股票市场中最具爆发力的机会，往往来自于市场情绪的剧烈转折。“炸板”（即股价盘中触及涨停但未能封住）是市场分歧达到极致的信号。一方面，它显示了强大的向上攻击动能；另一方面，收盘未封板又暴露了短期内巨大的抛压。

传统的“打板”追高，风险巨大。本策略反其道而行之，专注于 ** “昨日炸板 + 竞价转强” ** 的模式。

** 简单比喻 **
：一只股票昨天奋力冲刺涨停但失败（炸板），相当于一次“试盘”和“洗盘”。如果次日开盘不仅没有恐慌下跌，反而出现资金抢筹的强势迹象，说明昨天的“试盘”获得了市场认可，分歧转为一致，后续上涨的阻力将大大减小。策略的核心，就是捕捉这个“情绪由弱转强”的精确拐点。

⚙️ 策略逻辑深度拆解

策略流程清晰严谨，分为 ** “筛选 - 买入 - 卖出 - 风控” ** 四个闭环步骤：

第一步：三层过滤，精选目标

** 初选（炸板筛选） ** ：
- 定位昨日盘中最高价触及涨停价，但收盘价未封涨停的股票（即“炸板股”）。
- ** 排除创业板（300开头） ** ，聚焦于沪深主板，风格更稳健。
** “国九条”基本面过滤（关键升级） ** ：
- ** 营业收入 > 1亿元 ** ：过滤掉营收规模过小的公司。
- ** 净利润 > 0 ** ：确保公司近期处于盈利状态。
- 新规之下，壳资源、微盘股逻辑生变。策略与时俱进，加入基本面门槛：
- 此举有效规避了可能因新规而边缘化的标的，提升了持仓股票的基本面安全垫。
** 技术面强化 ** ：
- ** 均线多头 ** ：股价位于10日均线之上，处于短期上升趋势。
- ** 温和放量 ** ：昨日成交量较前日放大，但不过度（如超过10倍），体现资金健康流入。

"""盘前筛选核心函数"""
    # 1. 检查是否为空仓期
    if g.avoid_jan_apr_dec and is_avoid_period(context):
        log.info("当前处于1、4、12月空仓期，今日不交易")
        g.today_list = []
        return

    # 2. 获取基础股票池（排除创业板和ST股）
    all_stocks = get_st(context)
    if len(all_stocks) == 0:
        return

    # 3. 筛选昨日炸板股
    bomb_stocks = rzq_list(context, all_stocks)
    if len(bomb_stocks) == 0:
        log.info("未发现昨日炸板股票")
        return

    # 4. 国九条基本面筛选
    fundamental_stocks = GJT_filter_stocks(bomb_stocks)
    if len(fundamental_stocks) == 0:
        log.info("国九条筛选后无股票")
        return

    # 5. 技术指标筛选（均线、量能）
    technical_stocks = filter_stocks(context, fundamental_stocks)
    if len(technical_stocks) == 0:
        log.info("技术指标筛选后无股票")
        return

    # 6. 开盘价过滤（避免极端开盘）
    current_data = get_current_data()
    valid_stocks = []
    for stock in technical_stocks:
        try:
            open_now = current_data[stock].day_open
            prev_close = current_data[stock].pre_close
            ratio = open_now / prev_close
            if g.open_down_threshold < ratio < g.open_up_threshold:
                valid_stocks.append(stock)
        except:
            continue

    # 7. 排除已持仓股票
    hold_list = list(context.portfolio.positions.keys())
    candidate_stocks = [s for s in valid_stocks if s not in hold_list]

    if len(candidate_stocks) == 0:
        log.info("候选股票池为空")
        return

    # 8. 根据换手率与开盘强度因子排序
    df_val = get_valuation(candidate_stocks, date=context.previous_date, 
                           fields=['turnover_ratio'])
    df_val['factor'] = df_val['turnover_ratio'] * np.random.rand(len(df_val)) # 简化示例因子
    df_sorted = df_val.sort_values('factor', ascending=False)
    
    # 9. 确定最终候选列表
    g.today_list = list(df_sorted.index)
    log.info(f"最终候选股票数量：{len(g.today_list)}")

第二步：买入时机与仓位管理

** 时机 ** ：次日（今日）集合竞价后。
** 信号 ** ：通过 ** “集合竞价资金流向” ** 进行确认。仅当 ** 竞价阶段买盘总金额 > 卖盘总金额（B_S > 0） ** 时，才认为该股出现了真正的“弱转强”信号，列入最终买入清单。
** 仓位 ** ：等分仓位，通常每日买入2-4只符合条件的股票，分散风险。

第三步：智能化卖出规则

卖出是利润实现的关键，策略采用多条件触发机制：

** 主动止盈 ** ：盘中盈利即可考虑卖出，不贪心。
** 趋势止损 ** ：股价跌破7日均线（短线生命线），无条件止损。
** 涨停持有 ** ：若股价封死涨停，则持有至涨停打开或次日。
** 特殊情况处理 ** ：实时监控持仓股，若股价跌停，则加入监控；一旦跌停板打开，立即止损卖出，防止流动性危机。

第四步：严格的风险控制系统

** 季节性空仓 ** ：每年1月、4月、12月的后半月强制空仓。这是基于A股财报季（年报、一季报）和年底资金面紧张的历史规律总结，有效规避了“业绩雷”和系统性回撤。
** 开盘价过滤 ** ：避免开盘涨幅过大（>10%）或过低（<-3%）的极端情况，追求更合理的盈亏比。
g.open_down_threshold = 0.970 # 开盘跌幅上限-3% g.open_up_threshold = 1.10 # 开盘涨幅上限10%
** 停牌/涨跌停限制 ** ：自动过滤无法交易的标的。