MoFin/docs/research/2026-08-08-experience-lessons.md

MoFin 策略研究 · 状态与经验教训（2026-08-08 快照）

本文档是后续所有策略研究工作的起点。每次开始新研究前，必须先读本文档。 尤其是【方法论铁律】和【反复犯的错】两节——防止重蹈覆辙。

---

一、方法论铁律（老莫反复强调，违反即方向错误）

1.1 由果及因（逆推法）——唯一正确的研究路径

• 先找到真实大涨段（果）→ 再分析大涨段前后可识别的特征（因）→ 归纳成因子组合 → 验证
• 绝不拍脑袋定指标，再去找数据验证（那是先射箭再画靶）

1.2 禁止"固定"（拍脑袋）——所有固定都是错的

• ❌ 禁止固定天数（"60日"、"前10日"、"前5日"）——为什么是60不是50？为什么是10不是20？
• ❌ 禁止固定数值（"涨15%"、"RSI>70"）——为什么是15不是20？
• ❌ 禁止固定阈值（"前10日资金流入"）——前30日吸筹+后10日洗盘，前10日就是流出
• ✅ 正确：区间/结构由数据自然定义（swing 高低点、自然回调段），不是拍脑袋设定

1.3 找"能识别的买卖点"，不是完美买卖点

• 不追求吃完整段收益（1浪到5浪全吃）——那不可能
• 只要中间一段：识别出"接下来会有一波上涨"（如3浪），吃到它就成功
• 识别不了5浪顶，能在B浪顶出逃也是成功
• 波浪理论只是参考，核心是方法论

1.4 买卖点必须是"结构确认点"，不是单日因子

• ❌ 单日特征（当天RSI<40、当天资金流入）——当天可能正在洗盘，无法识别
• ✅ 结构确认：下跌段结束 + 突破前高（跌势反转确认），是相对结构不是单日绝对值
• 买点 = 一段可识别的结构过程，不是某一天的孤立数值

1.5 禁止事后指标（用未来数据当信号）

• ❌ "拉升当天资金流入"——资金不流入怎么拉升？这是拉升的结果，不是事前信号
• ❌ "未来60日涨15%"——固定期间固定数值，智障标准
• ✅ 事前指标：拉升之前出现的迹象（主力提前建仓、量价结构收敛）

1.6 从选股开始就有策略介入

• 参考 MoFin 五因子综合评分（趋势/动量/量能/波动率/风险 → 合成可排序分数）
• 选股 = 多维度合成评分排序（不是单因子）
• 评分用于排序选池，买卖点用可识别结构状态触发（两层分离）

---

二、反复犯的错（血泪教训，每次犯完老莫暴怒）

1. 拍脑袋定固定值：60日、15%、前10日、RSI>70——反复出现
2. 单日特征识别买卖点：当天RSI/资金流——当天可能洗盘
3. 事后指标当信号：拉升当天资金流入
4. 先射箭再画靶：先定规则再验证，而不是从数据归纳
5. 拿半成品问问题：有bug先修bug，别拿一坨屎问老板怎么办
6. 用固定出场规则（P1/P2/P3固定RSI阈值）——又是拍脑袋
7. 评估指标本身拍脑袋：fwd_high60>=30% 是"60天内某刻摸到+30%"——路径无关
8. 反复在"换因子/调出场/改评分"打转，无证据循环

---

三、数据资产（246服务器 /tmp/ 目录）

文件	内容	大小
mofin_winner_panel.pkl	全市场729万行面板（技术/资金/消息/行业/大盘因子+前向收益）	860MB
mofin_12d_panel.pkl	12维全市场先验面板	534MB
mofin_rel_features.pkl	相对RSI特征（个股RSI-市场RSI、分位）	1.07GB
mofin_buy_sell_points.csv	8994真实买卖点（弱市8798+牛市196）	729KB
mofin_swing_points.csv	1827显著涨幅段（swing定义，含买/卖点12维特征）	429KB
mofin_waves.csv	1688个波浪3浪结构	135KB
mofin_bull_true_points.csv	牛市196真实买卖点	12KB

关键结论：相对RSI分位（个股vs市场）单独用无效

• 相对强/弱分桶右尾几乎无差异（24.5%~25.6%）
• 相对分位 × 大盘状态交互：极弱市相对强反而差(-1.78pp)，强势市相对强好(+0.90pp)
• 相对分位不能单独用，含环境信息但需组合

---

四、已验证的策略结果

✅ 唯一成功：v4（弱市精选+分仓止盈）

• 买入：大盘RSI<45 + 个股RSI 32-38（温和超卖）+ bias20 -0.05~-0.10 + ret1>3.7%（强启动）+ flow5>0
• 分仓止盈 P1/P2/P3（但这是固定阈值——后续要改成结构确认）
• 年化13.5% / 回撤-11.5% / 胜率79% / 盈亏比3.07 / 207笔
• 注意：因子区分度只有0.5（中等），后续优化无显著提升

❌ 失败的尝试（及原因）

尝试	结果	失败原因
技术面单因子（RSI/bias）	区分度弱	单因子无预测力
资金面flow5>0	组合级全亏	资金流入是拉升结果（事后指标）
波浪理论识别3浪	真3浪仅3%，量价特征区分度0.00-0.21	波浪在A股兼容率低（46%），且需量价确认
逆推评分（拟合权重）	选股有效(37%vs23%)但转策略全亏	评估指标错配+高分桶异质混合
弱市评分→固定出场	年化-6.5%~-14.6%	P&L拆解显示漏水点在"深回撤票"
相对RSI分位	无效	相对分位单独无预测力

---

五、P&L拆解关键发现（Oracle诊断+实证）

弱市评分策略 12360 笔信号拆解：

• 命中率 27.1%（60日内摸到+30%）
• 命中前等待>30天占85% —— 命中太慢，资金占用
• 深回撤(<-20%)占44%，其中命中率仅6% —— 大部分票先深跌20%+，到不了+30%
• 浅回撤(-10~0%)命中率71% —— 只有浅回调的票能命中
• EV = 0.27×30% − 0.73×10.1% = +0.8%/笔（理想化，真实出场更差）

核心结论：漏水点是"深回撤票"（44%先跌20%+）。v4之所以有效，是用"温和超卖"（RSI32-38而非深度超卖）避开了深跌票。

但关键限制（老莫提醒）：深回撤/浅回调是未来数据，T日无法判断。真正的挑战是：用T日可见的结构特征，识别出"会浅回调后大涨"的票。

---

六、下一步方向（老莫确认的）

6.1 买点 = 结构确认点（非单日因子）

• 下跌段结束 + 突破前一个swing高点（跌势反转确认）
• 分析大涨段启动的"突破确认点"相对前一段下跌结构的特征（下跌幅度/时间/量能收缩）
• 不是看突破当天单日，而是看突破前那一段下跌的可识别结构

6.2 两层架构（对齐MoFin）

• 选股层：评分（多维度合成）仅用于排序选池
• 触发层：买点/卖点用可识别结构状态触发（非分数阈值）

6.3 出场层（之前从未认真做过）

• 从8994个真卖点反推"可识别卖点特征"（结构确认，非固定值）
• 出场必须是可识别状态，不是固定止损/目标

6.4 评估口径

• 不用"右尾命中率"（路径无关）做决策
• 用"按真实规则实现的净收益分布"（每笔收益、胜率、盈亏比、净成本年化）
• 保留路径感知：先触+20%且未先触-10%

6.5 分市场建模

• 弱市（大盘RSI<45）：靠超跌反弹
• 牛市（RSI>=55）：靠趋势/资金/龙头
• 两市场最强因子完全不同：弱市=大盘恐慌度，牛市=个股资金流+趋势强度
• 参考MoFin"分方向独立建模"（趋势策略vs均值回复策略独立）

---

九、2026-08-08 晚间研究结论（Ralph Loop 全周期策略探索）

9.1 重大市场认知（面板实证，729万行全市场）

大盘状态与未来收益高度单调（fwd_ret60）：

大盘状态	均值	中位	胜率
<35 极弱	+6.8%	+1.8%	54%
35-45 弱	+1.0%	-2.2%	44%
45-55 震荡	+0.5%	-2.3%	44%
55-65 强	-0.2%	-2.9%	42%
>65 极强	-1.7%	-4.4%	39%

核心结论：大盘越弱→未来收益越高（超跌反弹是A股主要收益来源）；大盘越强→未来收益越差（追高即亏）。

• 牛市中个股位置同样单调：牛市+超跌(RSI<30) +0.4% > 牛市+极强(RSI>75) -2.4%
• 分年：2017（牛市占比51%但全年-6.5%）= 结构性熊市反例；2025（牛市48%）+9.4%

9.2 "牛市独立策略"方向被排除（三条路全失败，用真实日期验证）

尝试	面板/回测结果	失败原因
行业内RS5确认（启动后5日相对强度>0.8）	真实日期重算 +0.8%（vs 基线+1.5%）	pivot行位移bug假象（+12.4%是假的）
牛市深回调买入（距高点-10~-25%）	-1.7%（差于基线+2.4%）	幸存者偏差（196个成功点特征不可外推）
牛市强者恒强（flow5>0+创新高+ret1>2%）	+1.4%（vs 牛市基线-0.7%）	flow5分位单调性极弱（-0.3%~-0.1%）

9.3 v3 验证（极弱市+深超跌+当日启动）

• 面板：mkt_rsi<35 + RSI<35 + ret1>2% → +7.4%/胜率59%/大涨23%
• 资金模拟（5仓等权100万）：年化4.6-4.9%、回撤-28%、胜率51% —— 不及v4
• 原因：信号太稀（日均持仓仅1.3仓，极弱市时段仅占9%），资金利用率低

9.4 v4 增强尝试（用大盘分层洞察优化v4）

• 放宽条件（极弱市RSI<45/全超跌）→ 样本从2.4万增到55万，但均值从9.7%降到5.0-6.7%
• 结论：v4的严格过滤（RSI<40+bias60<0+sec_above=False+ret1>2%+news3>=1）是alpha来源，放宽即稀释
• v4 仍是最优策略（面板+9.7%，资金模拟年化13.5%/回撤-11.5%/胜率79%）

9.5 方法论新教训（写入铁律）

1. pivot 宽表 shift()/pct_change() 是行位移——停牌股票会让前向收益错位，产生虚假信号。必须用真实交易日序列/真实价格买卖验证（v4 的 buy_sell_points 是真实价格，所以可靠）
2. 幸存者样本特征不可外推：196个成功买卖点的平均特征（如"深回调-14.8%"）做全市场规则 → 大面积误伤（-1.7%）
3. 样本内对比 ≠ 事前筛选：8798买卖点内部"大涨vs平庸"差异显著(t=3.7-6.5)，但同规则全市场筛选失效（方向甚至反转）
4. 严格过滤是alpha来源：放宽条件增加信号量但稀释质量（v4a/v4c 证实）
5. "分市场建模"的修正认知：A股不是"弱市超跌+牛市追强"，而是**"弱市超跌反弹（唯一alpha）+ 牛市防御（避免追高亏损）"**

9.6 待老莫确认的方向

• "覆盖全市场周期"的正确组合可能是：弱市/极弱市全力v4（超跌反弹），牛市/极强市轻仓防御，而非独立的牛市策略
• 牛市真正的机会可能在于"超跌反弹"同样适用（牛市+RSI<30 也有+0.4%），只是收益小于弱市
• 下一步可选：①v4资金模拟的出场层优化（老莫6.3方向，从未认真做）②极强市防御策略（如何避免-1.7%的追高亏损）

9.7 真实卖点逆推（出场层，原则文档6.3方向，2026-08-08晚执行）

• 数据：8798真实买卖点（swing定义）的 sell_date 特征（真实日期，宽表只读）
• bias60 是最强出场信号：卖出时 bias60 分位0→卖后20日+1.5%，分位3→-4.6%（分位越高越该卖）
• 卖对了(卖后跌10%) vs 卖早了(卖后涨15%) 的区分特征：

  特征	卖早了	卖对了	t值
  bias60	0.252	0.318	-9.1（卖对时远离60日线）
  bias20	0.159	0.195	-8.3
  量比	1.375	1.500	-6.6（卖对时放量）
  RSI	75.2	74.0	+3.3（RSI区分最弱）
  持有天数	39.3	34.3	+11.3

• 结论：可识别卖点 = bias60高（远离60日线）+ 放量（高位放量滞涨）。固定RSI出场（P1/P2/P3）是最差的选择——印证老莫"固定出场规则又是拍脑袋"

9.8 v5 验证：结构出场 vs 固定RSI出场（同买入信号，2026-08-08晚执行）

• 买入：v4条件（mkt_rsi<45+rsi<40+bias60<0+sec_above=False+ret1>2%+news3>=1）
• 出场对比：

  版本	交易	均值	胜率	年化	回撤
  v4固定RSI出场	548	+2.93%	44%	4.7%	-57.3%
  v5结构出场(bias60>0.30/0.20+放量/40日)	599	+2.01%	40%	6.6%	-39.1%

• 结构出场年化+40%、回撤改善18pp——出场层方向被验证有效
• 注意：此回测 v4 止损率78%（468/599）高于此前会话验证的 v4（胜率79%），因买入条件细节（limit_up|hi20_new|ret1 三选一 vs 单独ret1）和分仓止盈计数不同。绝对年化不可跨会话直接对比，但相对比较（结构vs固定）有效
• 待做：出场层完整调优（bias60阈值/量比阈值/时间退出组合网格搜索）+ 与买入信号联动优化

9.9 v6b 出场层网格搜索（2026-08-08晚执行，预计算路径法）

• 买入固定 v4；45组网格（bias60 0.25-0.6 × 量比1.3-1.8 × 时间退出30/40/50）
• 结果：

  指标	最优组合(bias60>0.35+量比1.8+30日)	基线(仅止损+40日)
  每笔均值	+3.34%	+0.03%
  胜率	53%	50%
  盈亏比	1.44	—

• 结构出场比无结构基线提升 110 倍（+0.03%→+3.34%）——出场层价值巨大
• 敏感性：时间退出30日最优（3.26%>40日3.16%>50日3.10%）；量比1.8略优；bias60阈值不敏感（0.25-0.6均在3.15-3.21%）——"有结构出场"本身是关键，阈值不敏感
• 瓶颈：买入信号质量限制上限（27%票直接止损，胜率仅53%）

9.10 v4买入信号路径诊断（2026-08-08晚执行）

• 6846信号：先触-15%止损27%，先触+30%止盈17%，40日未触发56%（平均最大涨幅+12.9%）
• 止损 vs 止盈的入场特征几乎无差异（除大盘RSI t=7.3）——入场时无法区分会止损/会止盈的票（印证老莫："深回撤/浅回调是未来数据，T日无法判断"）
• 56%时间退出组平均最大涨幅+12.9%——出场层的真正价值在"让时间退出组多赚"（bias60不高就不卖，利润奔跑），不在"减少止损"

七、实盘数据累积（已部署）

• live_data_collector.py：每日15:05（交易日）自动累积热点行业/资金流/个股快照
• 输出：/home/hmo/MoFin/data/live_data/YYYY-MM-DD.json
• 目的：龙虎榜等历史无法回补的数据，从当前开始累积，定时回测调整

---

八、工程注意

• MoFin venv 无 scipy → 用 rank().corr() 或手动t检验
• sector_index_daily 有脏数据（close=0十倍跳变）→ 用 rolling 中位数清洗
• 板块名映射：262精确+34手动（芯片→半导体系列）
• 资金管理模拟：买入前检查现金，避免负现金

---

九(续)、2026-08-08 深夜突破：买点 = 拉升前"那一段时期"的超跌特征

老莫反复纠正：买卖点不是某一天，是那一段时期。此前的错误全是"单日快照"。

9.11 买点时期特征逆推（正确方法：时期维度）

• 果：1827个swing显著拉升段（真实买卖点，非抽样）
• 因：buy_date 前20个交易日的时期特征（不是buy_date当天）
• 拉升段 vs 同期未拉升(3.8万对照)的时期特征差异：

  特征	拉升段	未拉升	t值
  期末bias20	-0.035	+0.002	-12.2（拉升前在MA20下方）
  期末距高点	-0.119	-0.075	-18.6（拉升前距高点更远）
  时期振幅	0.337	0.227	+6.4（拉升前波动更大）
  下跌形态占比	42%	31%	—（拉升前更多是下跌段）

• 画像：拉升前那段时期 = 下跌+超跌+MA20下方+距高点远+大波动（t=6~18，极强）

9.12 超跌时期买点事前验证（真实日期，318万样本）

• 规则：bias20<0 + 距60日高点<-10% + ret20<0（当时可见）
• 结果：超跌 fwd40 +4.4%（胜率50%）vs 趋势中 -0.6% vs 基线 +2.4%
• 深度单调：距高点-40%以下 +48.8%（极端超跌）
• 牛市/弱市同一买点：超跌+弱市 +3.8%、超跌+牛市 +2.7%（都是超跌，不是追高）

9.13 主线行业层被否决（t=-8.5）

• 主线行业(动量分位>0.7+量能<0.4) × 超跌：+3.2% < 全市场超跌 +4.5%
• "识别主线行业"作为选股层不成立——超跌本身才是alpha，行业层多余
• 分年：2017/2018/2023/2026亏，2019/2020/2021/2024/2025赚（超跌反弹在弱市年有效）

9.14 核心方法论结论（回应老莫）

• 选股=买点=拉升前那段超跌时期，牛市弱市同一买点，不需要"识别主线行业"
• 反复犯的错总结：①单日快照≠时期特征 ②事后分类（识别Top行业）≠事前可赚 ③样本内对比≠全市场事前验证 ④pivot位移假信号 ⑤幸存者样本不可外推
• 待做：超跌时期买点的完整资金模拟（对齐v4标准）

9.15 风控测试结论（2026-08-08深夜续）

• 止跌企稳确认是错的：+当日止跌/近3日企稳 → fwd40 从+4.5%降到+2.1%（真超跌买点在"还在跌"时，等企稳就晚了）
• 大盘RSI窗口过滤改善有限：2017/2018 无论怎么过滤仍亏（-2.2%/-1.3%）——生态问题非过滤问题
• 可靠资金模拟（预计算路径，7.4万笔）：2016-2018每笔-3.0%（失效）、2019+每笔+2.3%（有效，2024/2025年化60-90%）
• 教训：逐日资金循环模拟引擎不可靠（参数微调年化23.2%↔3.9%），必须用预计算路径法（v6b验证过的）
• 最终定位：超跌买点是"2019+生态"策略，不是全周期策略；牛市无alpha是数据事实
• 回测用次日开盘价入场（杜绝信号日收盘买的未来幻觉）

---

十、2026-08-09 牛市叙事策略研究（老莫纠正："我们本来在研究牛市策略"）

10.1 跑偏纠正

• 前几天一直在研究超跌反弹（弱市逻辑），甚至发现 v_weak 已是实盘弱市策略——偏离了牛市策略目标
• 关键认知：叙事行业（2020新能源/2024AI）是消息面+基本面驱动，不是技术动量。之前用动量识别行业是错的维度

10.2 叙事行业真实存在（新闻热度证实，stock_news 403万条）

• 通信设备(AI算力)新闻峰值：2024-04/2025-04/2026-04（年年4月叙事爆发）
• 半导体：2024-10/2025-04/2026-04；电动乘用车：2025-02
• 新闻升温(heat_ratio>1.5) fwd3m +3.0% vs 不升温+1.2%；2025/2026年叙事识别在变有效(+2.1pp/+9.0pp)
• 但月度命中率20.8%≈随机——热度爆发时已涨（是结果非原因）

10.3 叙事+龙头持有（牛市策略，经得起路径模拟）✅

• 买入：新闻升温行业 + 行业内市值Top25%龙头（月频）
• 出场：止损-15%/bias60>0.35/40日
• 可靠资金模拟（1.4万笔）：年化23.1%、胜率47%、盈亏比1.66
• 分年：2019 +79.7%、2024 +52.1%、2025 +119.3%、2026 +48.8%（当前生态极强）
• 生态：2020+每笔+3.5% vs 2016-2019 +1.6%

10.4 🔴 路径模拟关键教训（最重要）

• 超跌精选组合（15万信号）路径模拟：均值-5.6%、胜率14%、止损触发85%
• 面板 fwd40（+24.9%）只看40日后点收益，路径模拟先触-15%止损——超跌信号后经常先深跌15%再反弹，路径模拟在反弹前割肉
• 印证老莫："深回撤/浅回调是未来数据，T日无法判断"
• 修正：之前所有"面板fwd40正收益"结论（超跌+4.5%、精选+24.9%）经不起路径模拟检验
• v4 为什么可靠：它验证时就用真实路径+止损（胜率79%是真实交易胜率）
• 方法论新铁律：任何策略必须用路径模拟（止损+bias60+时间退出）验证，面板fwd40正收益不可作为可交易证据

10.5 结论

• 唯一经得起路径模拟的：叙事龙头（年化23.1%）+ v4（年化13.5%）
• 牛市策略 = 叙事龙头持有（新闻升温行业+基本面龙头），当前生态极强
• 超跌精选的面板高收益是假象（止损85%）——需深挖如何降低止损率
• 待做：叙事龙头入场时机优化（降低止损率）