運用SVM演算法「打板」
導讀：漲跌停板是A股市場特有的制度，其限制了當日股價的最高漲跌幅，縱觀A股二十年，市場可謂是年年有妖股，漲幅也更是連續創記錄，比例：84個交易日，個股東方通信翻10倍，上漲過程多為連續漲停，因此如果我們有足夠信息預測個股會持續上漲，那麼即使買在漲停價也有利可圖，通常意義上，當日股價觸及漲停價時下單買入即為「打板「。本文主要收集了A股近5年的漲停板數據，運用SVM演算法進行打板，試圖通過訓練出優質的」打板「模型。
1.漲停價與漲停板
當日漲停價計算方式：
先計算出昨日收盤價*1.1的值
再用四捨五入法對值保留兩位小數，即為當日漲停價
我們先來對漲停板進行分類：分為一字板，開闆闆，沖板。
A.一字板：當日開盤價、最高價、最低價、收盤價都是漲停價。一般一字板的成交量比較小，較難成交，因此我們不考慮打這種漲停板
B.開闆闆：開盤價為漲停價，最低價小於漲停價，收盤價為漲停價。開闆闆即開過板的板，帶有成交量，適合打板。往往發生於股價連續漲停過程中，本文主要研究開闆闆。
C.沖板：開盤價小於漲停價，收盤價為漲停價。沖板帶有較大成交量，適合打板，但不在本文研究範圍內。
我們再來看看失敗的案例，也就是說我們打板後，不代表股價會繼續保持漲停。如下圖，股價在早盤開板後繼續保持漲停，但是達到10點後再次開板並持續下跌
（ps：因為我們打板時是不知道後續走勢的，因此當日最大的虧損可能達到20%！）
（ps：當日尾盤未漲停不代表本次打板會虧損，因為次日可能會繼續上漲，存在獲利出局的可能性）
2.數據收集並簡易分析-開闆闆
我們對A股近5年的開闆闆數據進行收集，共計收集為502個數據。
其中共有10個開闆闆觸發後，次日股票停牌（我們默認為該打板虧損）
另外這502個數據中，包括了失敗案例，因為這些失敗的案例，在我們真實操作時會遇到，且會給賬戶帶來虧損。
我們對打板後三日的開盤收益進行匯總並分析，從均值看，次日開盤收益為-0.99%，第二日收益為-0.97%，第三日收益為-0.75%。（ps：次日停牌則不考慮收益）
我們對打板後三日的收盤收益進行匯總並分析，從均值看，次日收盤收益為-0.1%，第二日收盤收益為-0.18%，第三日收盤收益為-0.15%。（ps：次日停牌則不考慮收益）
我們對打板後三日的最大收益進行匯總並分析，從均值看，次日最大收益為3.9%，第二日最大收益為3.6%，第三日最大收益為3.4%。（ps：次日停牌則不考慮收益）
我們對打板後三日的最小收益進行匯總並分析，從均值看，次日最小收益為-4.5%，第二日最小收益為-4.3%，第三日最小收益為-3.9%。（ps：次日停牌則不考慮收益）
結論：從開闆闆後股價的三日均值表現看，處於寬幅震蕩。我們由此引入SVM（支持向量機）演算法，對後續上漲的數據標籤為1，下跌的數據標籤為2，進行模型訓練並用於測試。
我們將數據以時間軸的方式展示，發現2014年至今，其收益分佈較為均勻，未出現牛市優於熊市的情況，表明市場環境對開闆闆的後續走勢影響並不是特別大，展示如下圖：
3.SVM演算法訓練打板模型
首先我們來考慮哪些數據可能影響開闆闆的後續走勢？
本文討論開板的時間、開板過程的換手率、開板下跌幅度、未開板時的換手率這四個因素來進行模型訓練，展示如下：
我們完整的獲取到502個開闆闆的上述數據，展示如下：
從開板時間看，開闆闆的開板時間一般不超過50分鐘，而超過50分鐘的數據中，次日上漲的紅點與次日下跌的綠點相當。
從開板過程中產生的換手率看，大部分開闆闆的開板換手率一般不超過20%，而超過20%的數據中，次日上漲的紅點相對比次日下跌的綠點多。
從開板後下跌幅度看，開闆闆的開板下跌幅度一般不超過5%，而超過5%的數據中，次日上漲的紅點相對比次日下跌的綠點相當。
從未開板前的換手率看，開闆闆的未開板前的換手率一般不超過5%，而超過5%的數據中，次日上漲的紅點相對比次日下跌的綠點相當。
最後，我們將處理後的數據分成訓練集和測試集兩個部分，按時間週期分，前300個作為訓練，後200個作為測試，採用SVM模型進行訓練並測試。
訓練結果如下：
分析結果：SVM演算法訓練打板模型，其整體成功率並不是特別高，均值為59%，但是我們認為打板模型中，一旦能遇到連板行情，那麼一次性獲取的收益率是非常可觀的，因此在合理控制風險的前提下，採用超過60%的打板模型是可行的。模型對技術面的因素考慮充分後，在此基礎上，投資者只考慮個股基本面、消息面的影響因素。
ps：其中次日最低收益為正達到81%，是由於次日最低收益為負的數量較多，導致預測為正不代表真正能預測準
結束語：從研究結果看，演算法訓練打板模型的效果僅為59%，其主要原因可能是數據無法解釋後續的股價走勢，繼續添加使用個股輿情，監管力度以及龍虎榜的資金數據可能會提高打板模型的成功率，其次本次僅僅從開闆闆角度和SVM演算法出發，而市場上更多是的沖板情況，但是在研究「打板」的過程中，應注意對數據的收集與處理的細節問題，應當包括封板失敗的數據及避免打板後的未來數據。
MindGo量化研究所精選文章
-研究篇
資金流動強度與風格投資
股市中的時光法則（上）
「相似K線」技術在A股市場的三大應用
股市中的時光法則（中）
因子暴露的奪嫡之爭
-策略篇
從資金數據中挖掘市場超額收益【附策略】
-人工智慧篇
熊市中的搖錢「樹」
演算法PK | 人工智慧對指數漲跌預測
量化投資中的趣味數學
源代碼獲取及使用方法：
Step 1.轉發本文至朋友圈，並截圖保存
Step 2.添加「MindGo小助手」微信，將截圖發送給MindGo小助手，審核通過後，回復源碼提取地址和密碼（上述三個策略的完整源代碼）
示意圖如下：
Step 3.百度「MindGo」，登錄MindGo量化平臺官網(免費)，進入我的策略頁面（免費提供金融數據），即可使用~
關注我們，聯繫我們
推薦閱讀：
