第302章 数据挖掘 (3/6)

”对2017年3月A股2000只有效样本进行筛选，还原“从数据矿到候选弹”的全过程：

    （1）一阶清洗：剔除1200只无效样本

    • ST股剔除：ST新亿、ST众和等150只ST股因“监管**险”被排除；

    • 流动性剔除：日均成交额＜5000万的“僵尸股”（如*ST宏盛）300只被排除；

    • 基本面扰动剔除：近3个月有重组公告的“洛阳钼业”、业绩预增的“赣锋锂业”等750只标的被排除；

    • 剩余样本：2000-150-300-750=800只？不对，前面说初始3000只压缩至2000只有效样本，这里应该是从2000只有效样本中清洗掉噪音，最终剩下2000-（ST150+流动性300+基本面750）=800只？哦，原文说“将初始3000只股票压缩至2000只有效样本”，然后一阶清洗是从2000只有效样本中剔除噪音，所以应该是2000只有效样本中，再剔除“ST股150只、流动性不足300只、基本面扰动750只”，剩下2000-150-300-750=800只进入二阶匹配？可能前面的“初始3000只压缩至2000只有效样本”是一阶清洗的一部分，这里需要理顺：初始3000只→一阶清洗（剔除ST、流动性不足、基本面扰动）→剩余2000只有效样本→二阶匹配五维特征→筛选出87只候选股。对，这样更准确。

    （2）二阶匹配：87只候选股脱颖而出

    • 流通盘匹配：2000只样本中，流通盘5-20亿的标的共1200只（占比60%）；

    • 股东结构匹配：股东户数降幅＞20%的标的共450只（占比22.5%）；

    • 量能脉冲匹配：存在“脉冲成交量＞5倍”的标的共300只（占比15%）；

    • 盘口语言匹配：挂单撤单率＞40%的标的共200只（占比10%）；

    • 筹码分布匹配：筹码集中度（90%）＜15%的标的共150只（占比7.5%）；

    • 交集筛选：五维特征全部匹配的标的共87只（占比4.35%），如“凤竹纺织”（8亿流通盘、户数降22%、脉冲换手率25%、撤单率42%、筹码集中度12%）、“柘中股份”（6亿流通盘、户数降25%、脉冲换手率20%、撤单率38%、筹码集中度13%）、“慧球科技”（10亿流通盘、户数降18%、脉冲换手率18%、撤单率45%、筹码集中度14%）。

    （3）三阶排伪：剔除23只伪庄股

    • 游资短炒排除：87只候选股中，“天山股份”（近1个月涨停8次）、“张家港行”（涨停次日换手率25%）等15只被判定为“游资短炒”；

    • 消息驱动排除：“西部建设”（一带一路利好）、“北新路桥”（新疆基建政策）等8只被判定为“消息驱动”；

    • 剩余候选：87-15-8=64只？不对，原文说“筛选出87只候选庄股”，可能三阶排伪后是87只，前面是分步筛选，最终交集是87只，然后三阶排伪剔除伪庄股后剩下87只？可能我理解错了，再看原文：“将初始3000只股票压缩至2000只有效样本”，“二阶：五维特征‘匹配引擎’”后“筛选出87只候选庄股”，“三阶：关联规则‘排伪滤网’”是识别“伪庄股”，但最终结果是“筛选出87只候选庄股”，可能三阶排伪是在87只中剔除伪庄股，剩下真正的候选股，比如87只中剔除23只伪庄股，剩下64只进入四阶复核？不过原文后面说“87只候选股中，15只符合‘温州帮风格’，12只符合‘山东帮风格’”，所以应该是二

本章未完，请点击下一页继续阅读