📅 每日竞价优选 · 历史数据公开版
已归档 10 个交易日 最新 2026-10-30
加载中…

📊 竞价总评分 · 当日涨停概率

竞价总分全样本笔数当日涨停率样本外笔数样本外涨停率
290 分以下(对照)5,40839.5%1,03523.5%
290 – 300 分2236.4%1421.4%
300 – 350 分63778.6%11660.3%
350 – 400 分7100%——
400 分以上13098.5%23100%

统计区间 2026-06-09 ~ 2026-10-30,共 6,204 例;涨停 = 当日涨幅 > 9.4%;样本外 = 2026-09-23 之后 24 个交易日。
⚠ 290–300 分与 350–400 分样本极少,参考意义有限;总分 300–400 是主要高概率区。历史统计不代表未来,仅供研究参考。

🧠 方法论 · 数学原理骨架

  1. 横截面标准化与稳健变换
    Z-score 标准化 + 分位数映射(quantile transform),抑制极端值、统一量纲,使因子在当日候选池内可比
  2. 极大似然估计的逻辑斯蒂模型
    伯努利似然 → 迭代重加权最小二乘(IRLS / 牛顿–拉夫森)求解 Logistic Regression,L2 岭正则(Ridge / Tikhonov)控制方差
  3. 时间序列外推验证
    Walk-Forward 严格按时间切分训练/验证,杜绝 look-ahead bias;ROC-AUC、Precision@K、Brier 分数联合评估
  4. 概率校准层
    Platt Scaling 把原始分数映射为校准后概率,使"80%"对应经验频次约 80%
  5. 多模型集成
    Ensemble / Stacking:涨停、续涨、诱多、下跌四目标并行建模,按样本外表现定权线性融合
  6. 混合决策
    Expert Rule + Learning:概率之上叠加风险闸门(连板高度、竞价异动、流动性约束),期望效用阈值分档

概率 ≠ 结果;历史统计不代表未来收益。

🕘 智能流程(09:15 → 09:27)

  1. 09:15 感知层数据接入 · 异常识别
    多源竞价数据自动结构化,鲁棒统计(中位数 / MAD)识别缺失与异常
  2. 09:25 表征层特征工程
    因子自动计算、横截面标准化、分位映射、交互特征生成
  3. 09:25 推断层概率校准
    多目标模型并行推断 + 概率校准 + 加权集成,输出校准概率
  4. 09:26 决策层规则闸门
    风险闸门过滤 + 期望效用阈值 → 重仓 / 轻仓 / 观望 / 规避
  5. 09:26 执行层板块写入 · 归档
    Top3 写入通达信自定义板块,结果归档并生成本地历史页
  6. 09:27 闭环层自动发布 · 复盘
    公网版自动发布;次日用真实行情回算验证,滚动重估参数

每个交易日只发布一次;周末 / 节假日无新数据时不更新。