[竞价情绪模型第5周总结] 竞价情绪模型不是交易智能体，而是观察市场的窗口
展开
这是DataForge竞价情绪模型30个交易日公开验证计划的第五周总结。
也是公开验证计划中的第25次记录。
距离这次30个交易日的测试结束，只剩下最后5个交易日。
回头看这25个交易日，我越来越觉得，这次测试真正有价值的地方，并不是最终两个模拟账户到底赚了还是亏了。
因为如果只是看账户收益，目前的结果并不好看。
但这25天让我逐渐弄清楚了一件更重要的事情：
竞价模型到底应该扮演什么角色？
一开始，我把它当成了一个可以直接指导交易的“智能体”。
现在我越来越确定：
它不应该替我做交易。
它真正应该做的，是把每天9:25市场已经发生的变化整理出来，让我看到资金正在往哪里走、市场情绪处于什么位置，以及当前市场可能正在发生什么变化。
至于下一步怎么走，最终还是需要人来判断。
这可能是这25个交易日下来，我最大的收获。
一、第一周：我曾经完全相信模型
2026/8/3—8/7测试刚开始的时候，我对竞价模型的市场情绪输出基本没有使用。
我的想法很简单：
既然是模型，就让模型自己证明自己。
所以第一周，我几乎无条件相信个股竞价模型的输出，直接根据模型筛选出来的个股进行买卖。
结果并不理想。
当周：
随机模拟账户：-5.71%
择时模拟账户：-6.41%
第一周结束以后，我开始意识到一个问题：
个股模型本身可能没有问题，但它并不知道自己身处一个什么样的市场环境。
一只股票的竞价很强，并不意味着它在任何市场环境下都值得买。
所以第一周结束以后，我确立了第一个重要原则：
择时账户必须结合市场情绪进行交易。
也就是至少要等到G1达到“平衡”之后，再考虑交易。
而随机账户，则开始根据趋强样本的概率高低决定仓位，而不是所有样本一视同仁。
二、第二周：我开始试图提高模型的“成功率”
2026/8/10—8/14第二周，我开始围绕一个问题继续调整：
怎么让模型输出得更准？
因为测试过程中很快发现，1板趋强模型的成功率并不高。
与此同时，趋弱样本的成功率又非常低。
于是我尝试了一种比较直接的思路：
既然趋弱样本本身不容易成功，那么是不是可以根据趋弱样本所在的板块，反向寻找趋强方向？
事实证明：
这个思路失败了。
当周：
随机模拟账户亏损扩大至 -13.78%
择时模拟账户亏损扩大至 -10.48%
这一周让我第一次意识到，模型并不是输出越“干净”越好。
有时候，模型输出的一些看起来“不够准确”的信号，本身就是市场信息的一部分。
三、第三周：开始理解模型，而不是继续“修理”模型
2026/8/17—8/21第三周，我开始改变思路。
既然1板趋强样本成功率比较低，那么就先把1板输出屏蔽掉。
同时提高趋弱样本的输出阈值，尽量减少噪音。
调整以后，模型的确变得“干净”了很多。
但与此同时，我开始真正理解DataForge里面几个指标之间的关系：
竞价资金、G1、G2、G3，并不是几个孤立的数据。
它们实际上是在从不同角度描述市场资金的状态。
这让我开始思考一个更重要的问题：
是不是不应该让个股选股模型和市场情绪模型各自独立运行？
真正有价值的交易系统，可能应该是：
个股模型负责寻找机会，市场情绪模型负责告诉我，现在是不是应该寻找机会。
第三周结束时：
随机模拟账户：-14.63%
择时模拟账户：-15.09%
账户表现依然不好。
但我的认知开始发生变化。
四、第四周：我终于学会了等待，却又错过了机会
2026/8/24—8/28第四周，我开始更加严格地执行交易规则。
随机账户：
G2达到平衡才能交易。
择时账户：
G1达到平衡才能交易。
目的很明确：
先把风险挡在门外。
于是这一周，两个账户基本没有进行交易。
账户亏损也终于停止扩大：
随机模拟账户：-14.63%
择时模拟账户：-15.09%
从控制风险的角度看，这似乎是一个不错的结果。
但问题也随之出现。
这一周，市场情绪恰好从低点开始修复。
而模型此前筛选出来的 $海鸥住工(sz002084)$ 、 $捷荣技术(sz002855)$ 、 $万向德农(sh600371)$ 等个股，实际上都出现了不错的机会。
我因为过于严格地执行规则，把这些机会全部错过了。
这件事情对我的刺激其实很大。
因为我第一次发现：
如果一个交易规则能够让我避免亏损，但同时也能够让我在情绪拐点的时候完全不敢交易，那么它真的就是一个好规则吗？
也就是从这一周开始，我开始重新思考：
竞价模型究竟应该怎么用？
五、第五周：我不再要求模型替我做决定
2026/8/31—9/4第五周，市场开始持续降温。
但和前几周不同的是，这一次我并没有特别焦虑。
原因很简单。
经过前面几周的反复测试，我对市场情绪模型和竞价资金的理解已经比刚开始深入了很多。
我开始慢慢意识到：
模型告诉我的，是市场已经发生了什么。
而市场未来会怎么走，并不能简单地交给模型决定。
模型可以告诉我：
G1正在下降；
G2正在下降；
竞价资金正在流出；
市场正在退潮；
当前处于极冷状态。
这些都是非常有价值的信息。
但当这些信息摆在我面前以后，下一步怎么判断，仍然需要我自己完成。
所以现在我更愿意把DataForge理解成：
一个观察市场的工具。
更准确一点说：
它是我的情绪仪表盘，也是我判断市场未来走向的一扇窗口。
而不是一个告诉我：
“9:25买这只股票，9:35卖那只股票。”
的智能交易机器人。
这其实是一个非常大的变化。
本周由于我不断逢低买入 $冀衡医药(sz002742)$ ，随机模拟账户的亏损进一步扩大到：
-20.57%
如果只看账户结果，这显然很难说是成功的一周。
但奇怪的是，我反而没有之前那么焦虑。
因为我现在看到的不只是账户的亏损数字。
我看到的是：
市场情绪在短时间内从高位快速坠入冰点。
这种状态不可能无限持续。
而稳健风格的择时账户，本周反而从：
-15.09% 回升到：-13.57%
这至少说明了一件事情：
结合市场情绪进行择时，本身的思路并没有错。
真正需要调整的，是我们应该如何使用模型输出。
六、所以，我决定重新定义DataForge
经过25个交易日，我现在对竞价模型的定位已经发生了变化。
最开始：我希望它成为一个交易智能体。
后来：我希望它成为一个高成功率的选股模型。
而现在，我更愿意把它定义成：
一个市场情绪分析工具，一个帮助我观察资金和判断市场状态的窗口。
这三种定位，看起来只是说法不同。
实际上背后的逻辑完全不一样。
如果把它当成交易智能体，我自然会要求：
成功率越高越好。
趋强样本最好全部涨停。
趋弱样本最好全部下跌。
1板噪音最好全部消失。
模型最好只告诉我“应该买什么”。
但这恰恰会让模型失去一部分真正有价值的信息。
所以这周末，我重新调整了模型。
七、第一个调整：不再过度追求“高成功率”
之前为了提高模型成功率，我不断压缩趋强和趋弱样本的输出。
现在看来，这个方向本身就有问题。
例如此前趋强样本经常出现一字板。
从模型统计角度来看，这些股票非常强。
但从实际交易角度来看呢？
很多一字板根本买不到。
这种信号即使成功率非常高，对实际交易又有多少意义？
所以接下来，我会适当放宽趋强样本的筛选。
我宁愿看到更多：
不同强度、不同概率、不同状态的趋强样本。
然后由我自己结合：
市场情绪 + 9:25竞价资金 + 个股竞价表现
去判断当天真正值得参与的股票。
这样做以后，模型的统计成功率可能下降。
但模型的可操作性反而会提高。
这对我来说更加重要。
八、第二个调整：趋弱样本也不应该被“消灭”
之前我对趋弱样本的要求同样有问题。
因为我一直在追求它的成功率。
但现在我越来越认为：
趋弱样本本来就是市场信息。
趋强和趋弱，本身就是市场多空的两个方向。
趋弱样本出现在哪里、数量有多少、集中在哪些板块，本身就在告诉我：
资金正在从哪里撤退。
如果为了提高模型成功率，过度压制趋弱样本的输出，就等于主动把市场的一部分信息屏蔽掉。
这相当于：
为了让模型看起来更准，却让自己看到的市场变得更不完整。
所以接下来，趋弱样本也会恢复更加正常的输出。
我不再要求它必须“预测正确”。
我需要的是：
它能够让我更完整地看到市场正在发生什么。
九、第三个调整：重新打开10CM和20CM的1板
这一点也是类似的逻辑。
此前我认为1板模型噪音太多，会影响趋强样本的成功率，所以直接把1板筛选屏蔽掉了。
现在看来，这同样是为了追求“漂亮的数据”而牺牲了市场信息。
因为1板虽然容易产生噪音，但它也有一个非常重要的价值：
它可能是市场风格开始发生变化的最早窗口。
比如高位连板开始退潮以后，如果低位1板趋强样本开始明显增加，那么就意味着资金可能正在从高位向低位转移。
所以接下来：
10CM和20CM的1板筛选规则都会重新打开。
我接受它带来的噪音。
因为相比于“模型看起来更准确”，我现在更需要知道：
市场到底正在往哪里走。
经过以上的重整，以及DataForge竞价模型的重新定位，我把这个版本的DataForge竞价模型由原来的V1.1升级为V1.5，用来纪念这个对我来说意义重大的转变。
十、9月4日市场回顾：市场真的已经跌到冰点了吗？
最后再回到今天的市场。
经过连续的情绪回落之后，上证指数今天早盘确实出现了反弹。
但这个反弹并没有得到竞价资金的充分支持。
10点以后，指数再次全面回落，最终几乎以全天最低点收盘。
涨跌停数据同样偏弱：
10CM涨停：38只
创8月24日以来新低。
10CM跌停：9只
相比昨天有所下降。
20CM涨停：0只
市场依然非常冷。
再看今天模型筛选结果：
趋强样本：0只。
昨天涨停的个股，在今天竞价阶段并没有出现足够符合模型要求的量价表现。
所以今天没有任何趋强样本输出。
十一、但有一个变化值得注意
收盘以后，G1、G2、G3的数据反而出现了一些有意思的变化：
G1 连板生态：10.9 → 14.7，仍为极冷
G2 接力梯队：11.7 → 14.0，仍为极冷
G3 市场扩散：25.4 → 25.0，仍为极冷
G2未来4日下降趋势概率：75.0%
表面上看，这些数据依然非常悲观。
但如果把今天的指数表现和G1、G2的变化放在一起看，会发现一个比较少见的现象：
市场的涨跌停表现比昨天更差，但G1和G2反而出现了回升。
这是一种比较明显的背离。
现在还不能确定这是不是意味着市场已经度过最冰冷的阶段。
但至少值得观察。
因为市场情绪在短短两个交易日内从高位快速坠落，本身就需要一个修复过程。
而今天零售、农业等偏防御方向已经出现批量涨停，也说明短线资金并没有完全离开市场。
只是资金开始寻找新的方向。
所以现在我依然不会因为“冰点”两个字就贸然看多。
但我也不会再简单地把极冷理解成“不能交易”。
这也是我这周最大的变化。
十二、现在的DataForge，对我来说究竟是什么？
25个交易日之后，如果让我重新回答这个问题，我现在会这样定义：
DataForge不是一个告诉我明天应该买哪只股票的智能体。
它更像是一块仪表盘。
它告诉我：
市场现在有多热；
资金正在进入还是离开；
连板生态是在扩张还是收缩；
接力梯队是在加强还是瓦解；
市场情绪有没有进入极端；
哪些方向正在变强；
哪些方向正在失去资金。
然后：
由我根据这些信息，判断下一步应该做什么。
这和一开始的想法完全不同。
以前我希望：
模型替我做决定。
现在我更希望：
模型把市场讲清楚，然后我自己做决定。
我认为这可能才是量化模型真正适合普通交易者的位置。
十三、最后5个交易日，我想验证的已经不是“模型能不能赚钱”
距离30个交易日结束，只剩最后5个交易日。
到了这个阶段，我已经不太想再单纯追求：
模型选中了多少只涨停股。
我更想验证的是另一件事情：
当DataForge告诉我市场处于某种情绪状态时，我能不能利用这些信息，做出比单纯依赖个股信号更好的交易决策？
如果可以，那么即使模型不能每天准确预测涨停，它依然有价值。
因为市场本来就不是一个可以被简单预测的东西。
真正重要的可能不是：
“明天哪只股票一定会涨？”
而是：
“现在市场到底处于什么位置？资金正在发生什么变化？风险释放到什么程度了？下一次机会可能从哪里出现？”
而这，恰恰是我现在认为DataForge最有价值的地方。
它不是我的交易智能体。
它是我观察市场的窗口。
十四、风险提示
1. 本模型基于公开市场数据进行统计分析，不保证未来收益；
2. 历史统计规律不代表未来市场必然重复；
3. 市场环境变化可能导致模型有效性下降；
4. 本测试仅用于验证数据模型和统计规律；
5. 不构成任何投资建议或交易指导。
也是公开验证计划中的第25次记录。
距离这次30个交易日的测试结束，只剩下最后5个交易日。
回头看这25个交易日，我越来越觉得，这次测试真正有价值的地方，并不是最终两个模拟账户到底赚了还是亏了。
因为如果只是看账户收益，目前的结果并不好看。
但这25天让我逐渐弄清楚了一件更重要的事情：
竞价模型到底应该扮演什么角色？
一开始，我把它当成了一个可以直接指导交易的“智能体”。
现在我越来越确定：
它不应该替我做交易。
它真正应该做的，是把每天9:25市场已经发生的变化整理出来，让我看到资金正在往哪里走、市场情绪处于什么位置，以及当前市场可能正在发生什么变化。
至于下一步怎么走，最终还是需要人来判断。
这可能是这25个交易日下来，我最大的收获。
一、第一周：我曾经完全相信模型
2026/8/3—8/7测试刚开始的时候，我对竞价模型的市场情绪输出基本没有使用。
我的想法很简单：
既然是模型，就让模型自己证明自己。
所以第一周，我几乎无条件相信个股竞价模型的输出，直接根据模型筛选出来的个股进行买卖。
结果并不理想。
当周：
随机模拟账户：-5.71%
择时模拟账户：-6.41%
第一周结束以后，我开始意识到一个问题：
个股模型本身可能没有问题，但它并不知道自己身处一个什么样的市场环境。
一只股票的竞价很强，并不意味着它在任何市场环境下都值得买。
所以第一周结束以后，我确立了第一个重要原则：
择时账户必须结合市场情绪进行交易。
也就是至少要等到G1达到“平衡”之后，再考虑交易。
而随机账户，则开始根据趋强样本的概率高低决定仓位，而不是所有样本一视同仁。
二、第二周：我开始试图提高模型的“成功率”
2026/8/10—8/14第二周，我开始围绕一个问题继续调整：
怎么让模型输出得更准？
因为测试过程中很快发现，1板趋强模型的成功率并不高。
与此同时，趋弱样本的成功率又非常低。
于是我尝试了一种比较直接的思路：
既然趋弱样本本身不容易成功，那么是不是可以根据趋弱样本所在的板块，反向寻找趋强方向？
事实证明：
这个思路失败了。
当周：
随机模拟账户亏损扩大至 -13.78%
择时模拟账户亏损扩大至 -10.48%
这一周让我第一次意识到，模型并不是输出越“干净”越好。
有时候，模型输出的一些看起来“不够准确”的信号，本身就是市场信息的一部分。
三、第三周：开始理解模型，而不是继续“修理”模型
2026/8/17—8/21第三周，我开始改变思路。
既然1板趋强样本成功率比较低，那么就先把1板输出屏蔽掉。
同时提高趋弱样本的输出阈值，尽量减少噪音。
调整以后，模型的确变得“干净”了很多。
但与此同时，我开始真正理解DataForge里面几个指标之间的关系：
竞价资金、G1、G2、G3，并不是几个孤立的数据。
它们实际上是在从不同角度描述市场资金的状态。
这让我开始思考一个更重要的问题：
是不是不应该让个股选股模型和市场情绪模型各自独立运行？
真正有价值的交易系统，可能应该是：
个股模型负责寻找机会，市场情绪模型负责告诉我，现在是不是应该寻找机会。
第三周结束时：
随机模拟账户：-14.63%
择时模拟账户：-15.09%
账户表现依然不好。
但我的认知开始发生变化。
四、第四周：我终于学会了等待，却又错过了机会
2026/8/24—8/28第四周，我开始更加严格地执行交易规则。
随机账户：
G2达到平衡才能交易。
择时账户：
G1达到平衡才能交易。
目的很明确：
先把风险挡在门外。
于是这一周，两个账户基本没有进行交易。
账户亏损也终于停止扩大：
随机模拟账户：-14.63%
择时模拟账户：-15.09%
从控制风险的角度看，这似乎是一个不错的结果。
但问题也随之出现。
这一周，市场情绪恰好从低点开始修复。
而模型此前筛选出来的 $海鸥住工(sz002084)$ 、 $捷荣技术(sz002855)$ 、 $万向德农(sh600371)$ 等个股，实际上都出现了不错的机会。
我因为过于严格地执行规则，把这些机会全部错过了。
这件事情对我的刺激其实很大。
因为我第一次发现：
如果一个交易规则能够让我避免亏损，但同时也能够让我在情绪拐点的时候完全不敢交易，那么它真的就是一个好规则吗？
也就是从这一周开始，我开始重新思考：
竞价模型究竟应该怎么用？
五、第五周：我不再要求模型替我做决定
2026/8/31—9/4第五周，市场开始持续降温。
但和前几周不同的是，这一次我并没有特别焦虑。
原因很简单。
经过前面几周的反复测试，我对市场情绪模型和竞价资金的理解已经比刚开始深入了很多。
我开始慢慢意识到：
模型告诉我的，是市场已经发生了什么。
而市场未来会怎么走，并不能简单地交给模型决定。
模型可以告诉我：
G1正在下降；
G2正在下降；
竞价资金正在流出；
市场正在退潮；
当前处于极冷状态。
这些都是非常有价值的信息。
但当这些信息摆在我面前以后，下一步怎么判断，仍然需要我自己完成。
所以现在我更愿意把DataForge理解成：
一个观察市场的工具。
更准确一点说：
它是我的情绪仪表盘，也是我判断市场未来走向的一扇窗口。
而不是一个告诉我：
“9:25买这只股票，9:35卖那只股票。”
的智能交易机器人。
这其实是一个非常大的变化。
本周由于我不断逢低买入 $冀衡医药(sz002742)$ ，随机模拟账户的亏损进一步扩大到：
-20.57%
如果只看账户结果，这显然很难说是成功的一周。
但奇怪的是，我反而没有之前那么焦虑。
因为我现在看到的不只是账户的亏损数字。
我看到的是：
市场情绪在短时间内从高位快速坠入冰点。
这种状态不可能无限持续。
而稳健风格的择时账户，本周反而从：
-15.09% 回升到：-13.57%
这至少说明了一件事情：
结合市场情绪进行择时，本身的思路并没有错。
真正需要调整的，是我们应该如何使用模型输出。
六、所以，我决定重新定义DataForge
经过25个交易日，我现在对竞价模型的定位已经发生了变化。
最开始：我希望它成为一个交易智能体。
后来：我希望它成为一个高成功率的选股模型。
而现在，我更愿意把它定义成：
一个市场情绪分析工具，一个帮助我观察资金和判断市场状态的窗口。
这三种定位，看起来只是说法不同。
实际上背后的逻辑完全不一样。
如果把它当成交易智能体，我自然会要求：
成功率越高越好。
趋强样本最好全部涨停。
趋弱样本最好全部下跌。
1板噪音最好全部消失。
模型最好只告诉我“应该买什么”。
但这恰恰会让模型失去一部分真正有价值的信息。
所以这周末，我重新调整了模型。
七、第一个调整：不再过度追求“高成功率”
之前为了提高模型成功率，我不断压缩趋强和趋弱样本的输出。
现在看来，这个方向本身就有问题。
例如此前趋强样本经常出现一字板。
从模型统计角度来看，这些股票非常强。
但从实际交易角度来看呢？
很多一字板根本买不到。
这种信号即使成功率非常高，对实际交易又有多少意义？
所以接下来，我会适当放宽趋强样本的筛选。
我宁愿看到更多：
不同强度、不同概率、不同状态的趋强样本。
然后由我自己结合：
市场情绪 + 9:25竞价资金 + 个股竞价表现
去判断当天真正值得参与的股票。
这样做以后，模型的统计成功率可能下降。
但模型的可操作性反而会提高。
这对我来说更加重要。
八、第二个调整：趋弱样本也不应该被“消灭”
之前我对趋弱样本的要求同样有问题。
因为我一直在追求它的成功率。
但现在我越来越认为：
趋弱样本本来就是市场信息。
趋强和趋弱，本身就是市场多空的两个方向。
趋弱样本出现在哪里、数量有多少、集中在哪些板块，本身就在告诉我：
资金正在从哪里撤退。
如果为了提高模型成功率，过度压制趋弱样本的输出，就等于主动把市场的一部分信息屏蔽掉。
这相当于：
为了让模型看起来更准，却让自己看到的市场变得更不完整。
所以接下来，趋弱样本也会恢复更加正常的输出。
我不再要求它必须“预测正确”。
我需要的是：
它能够让我更完整地看到市场正在发生什么。
九、第三个调整：重新打开10CM和20CM的1板
这一点也是类似的逻辑。
此前我认为1板模型噪音太多，会影响趋强样本的成功率，所以直接把1板筛选屏蔽掉了。
现在看来，这同样是为了追求“漂亮的数据”而牺牲了市场信息。
因为1板虽然容易产生噪音，但它也有一个非常重要的价值：
它可能是市场风格开始发生变化的最早窗口。
比如高位连板开始退潮以后，如果低位1板趋强样本开始明显增加，那么就意味着资金可能正在从高位向低位转移。
所以接下来：
10CM和20CM的1板筛选规则都会重新打开。
我接受它带来的噪音。
因为相比于“模型看起来更准确”，我现在更需要知道：
市场到底正在往哪里走。
经过以上的重整，以及DataForge竞价模型的重新定位，我把这个版本的DataForge竞价模型由原来的V1.1升级为V1.5，用来纪念这个对我来说意义重大的转变。
十、9月4日市场回顾：市场真的已经跌到冰点了吗？
最后再回到今天的市场。
经过连续的情绪回落之后，上证指数今天早盘确实出现了反弹。
但这个反弹并没有得到竞价资金的充分支持。
10点以后，指数再次全面回落，最终几乎以全天最低点收盘。
涨跌停数据同样偏弱：
10CM涨停：38只
创8月24日以来新低。
10CM跌停：9只
相比昨天有所下降。
20CM涨停：0只
市场依然非常冷。
再看今天模型筛选结果：
趋强样本：0只。
昨天涨停的个股，在今天竞价阶段并没有出现足够符合模型要求的量价表现。
所以今天没有任何趋强样本输出。
十一、但有一个变化值得注意
收盘以后，G1、G2、G3的数据反而出现了一些有意思的变化：
G1 连板生态：10.9 → 14.7，仍为极冷
G2 接力梯队：11.7 → 14.0，仍为极冷
G3 市场扩散：25.4 → 25.0，仍为极冷
G2未来4日下降趋势概率：75.0%
表面上看，这些数据依然非常悲观。
但如果把今天的指数表现和G1、G2的变化放在一起看，会发现一个比较少见的现象：
市场的涨跌停表现比昨天更差，但G1和G2反而出现了回升。
这是一种比较明显的背离。
现在还不能确定这是不是意味着市场已经度过最冰冷的阶段。
但至少值得观察。
因为市场情绪在短短两个交易日内从高位快速坠落，本身就需要一个修复过程。
而今天零售、农业等偏防御方向已经出现批量涨停，也说明短线资金并没有完全离开市场。
只是资金开始寻找新的方向。
所以现在我依然不会因为“冰点”两个字就贸然看多。
但我也不会再简单地把极冷理解成“不能交易”。
这也是我这周最大的变化。
十二、现在的DataForge，对我来说究竟是什么？
25个交易日之后，如果让我重新回答这个问题，我现在会这样定义：
DataForge不是一个告诉我明天应该买哪只股票的智能体。
它更像是一块仪表盘。
它告诉我：
市场现在有多热；
资金正在进入还是离开；
连板生态是在扩张还是收缩；
接力梯队是在加强还是瓦解；
市场情绪有没有进入极端；
哪些方向正在变强；
哪些方向正在失去资金。
然后：
由我根据这些信息，判断下一步应该做什么。
这和一开始的想法完全不同。
以前我希望：
模型替我做决定。
现在我更希望：
模型把市场讲清楚，然后我自己做决定。
我认为这可能才是量化模型真正适合普通交易者的位置。
十三、最后5个交易日，我想验证的已经不是“模型能不能赚钱”
距离30个交易日结束，只剩最后5个交易日。
到了这个阶段，我已经不太想再单纯追求：
模型选中了多少只涨停股。
我更想验证的是另一件事情：
当DataForge告诉我市场处于某种情绪状态时，我能不能利用这些信息，做出比单纯依赖个股信号更好的交易决策？
如果可以，那么即使模型不能每天准确预测涨停，它依然有价值。
因为市场本来就不是一个可以被简单预测的东西。
真正重要的可能不是：
“明天哪只股票一定会涨？”
而是：
“现在市场到底处于什么位置？资金正在发生什么变化？风险释放到什么程度了？下一次机会可能从哪里出现？”
而这，恰恰是我现在认为DataForge最有价值的地方。
它不是我的交易智能体。
它是我观察市场的窗口。
十四、风险提示
1. 本模型基于公开市场数据进行统计分析，不保证未来收益；
2. 历史统计规律不代表未来市场必然重复；
3. 市场环境变化可能导致模型有效性下降；
4. 本测试仅用于验证数据模型和统计规律；
5. 不构成任何投资建议或交易指导。
主题股票：
主题概念：
声明：遵守相关法律法规，所发内容承担法律责任，倡导理性交流，远离非法证券活动，共建和谐交流环境！
