涨停复盘回放
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,将 @user_8ee65e73/limit-up-replay-en 安装到 AI 助手中。
技能介绍
这个技能要解决什么
涨停是一个离散且信息密集的事件。同一交易日可能有几十只个股封板,次日有的连板、有的中途开板、有的直接闷杀。手动复盘时,人的精力往往只覆盖自选的几只票,其余涨停股的后续走势、板块内的先后顺序、资金轮动节奏很容易被忽略。结果就是复盘结论依赖样本偏差,“昨天那只感觉很强”的记忆并不可靠。
limit-up-replay 的思路是把涨停当作一串可回放的事件流,而不是一堆静态表格。模型拿着结构化的历史涨停数据,按交易日逐条重放,把“哪些票先封、哪些中途开板、次日有没有溢价”这些事实重新摆出来,再基于完整样本给出统计结论。
它如何工作
核心流程分三步:
- 数据接收与校验:接收涨停历史数据(行情快照或逐日明细),先检查字段完整性和日期范围,识别重复记录与明显异常值。
- 逐日重放:按交易日推进,还原封板时间、开板情况、次日表现等关键节点,让模型看到完整时间线而不是切片。
- 回放式分析:在完整时间线上做归纳,输出连板高度分布、板块轮动顺序、炸板率这类基于全样本的结论,而不是凭印象挑票。
适用边界
- 输入质量决定输出质量:标的代码、日期、封板时间等字段缺失时,重放结果会不完整,建议先补齐数据再使用。
- 它回答的是“历史上发生了什么、以什么节奏发生”,不构成对未来走势的预测,也不替代人工对具体个股的判断。
- 统计结论的代表性取决于样本:区间过短或覆盖标的不全时,结论要谨慎对待。
使用场景
- 复盘某交易日涨停梯队时,需要按封板先后还原完整时间线,判断连板梯队结构
- 统计一段时间内板块轮动顺序,理清涨停股之间的资金切换节奏
- 核对炸板率与次日溢价数据,验证“封板越早溢价越高”的假设是否成立
- 补充自选股之外的涨停样本,降低复盘结论依赖少数个股的样本偏差
适合人员
- 量化研究员:需要基于全样本涨停数据验证交易假设,而不是依赖人工跟踪的少数几只票
- 短线交易员:每日复盘涨停梯队,为次日操作梳理连板高度、炸板情况和板块轮动
- 数据分析师:负责清洗涨停行情明细,入库前需要校验字段完整性与异常记录
- 投研实习生:要把涨停数据整理成可复述的复盘报告,需要完整时间线支撑结论