在上一文章“量化交易模型建立初始研發方向”中已講解，一套程序化量化交易模型分為信號和交易兩大部分。建立交易模型的第一步首先要解決買賣信號。以做多為例，第一步就要解決買入信號，然後再到賣出信號。買入信號可以以特定K線，分時走勢等已有理論依據為基礎的標的物為研究對象。確立買入信號具體特征條件後，對個股歷史走勢出現買入信號特征和規律進行 統計研究。 人工建立量化交易模型同樣需要做大量的統計工作。工作量大很大，沒有軟件的幫助，尋找標的股票工作需要人工在個股中一一去翻查尋找。投資者如發現某些軟件的功能對幫忙自己尋找標的個股有用，那就可以利用軟件去幫忙做統計，否則就隻有人工進行翻查尋找。很難有不勞而獲輕松而得東西。 研究買入信號的規律從多方面入手： 1﹑標的信號的自身具體特征狀態 2﹑標的個股信號出現下午開盤第一波撥高幅度統計 3﹑標的個股信號出現後盤中價格表現特征以及細分 4﹑標的個股信號出現後收盤價格表現特征以及細分 統計進行分類歸納是必須的，分類歸納的目的是找出在每一分類中的規律特性。最終目的是通過統計確定每一類別中，那些買入信號的成功機率最高，價格後市表現最好。這些必須要進行大量的數據統計分析，僅僅看瞭幾個標的就認為那些好那些不好，這種主觀判斷到瞭實踐就不是那麼回事瞭。分類統計也可以利用1—10分打分制進行統計分析。 個股信號自身結構特征與細分： [以中午收盤價的漲跌情況與幅度作為基準參照] 一﹑綠盤下跌狀態下撥高 [跌幅超過—2%以上] 二﹑平盤狀態下撥高 [漲跌幅—1%至1%內] 三﹑小幅上升狀態下撥高 [漲幅2%以內] 四﹑大幅上升狀態下撥高 [漲幅2%以上]「 拾 荒 網| 10Huang.CN 」，你的炒股專傢。
