第41章 技术融合（2/2）

但这已经是一个革命性的开端。他第一次感受到，将投资思路“翻译”成机器语言后，所带来的高效与客观。

他并没有立刻将这个“选股器”用于实盘。他知道，任何一个策略，无论是手工还是量化，都需要经过严格的回测（Backtestg）验证。

他不可能编程进行自动化历史回测，但他可以采用“人工回溯验证”的土办法。他选择了一个过去的特定时间段，比如2012年年初，然后运行他这个简易选股公式，看看在当时选出的股票，在其后一段时间（例如20个交易日）内的表现如何。是上涨居多，还是下跌居多？平均收益率如何？最大回撤如何？

他花了几个晚上的时间，进行了多次这样的回溯测试。结果总体是令人鼓舞的：这个简易公式选出的股票组合，在震荡市和牛市初期，表现出明显的超额收益，胜率和平均盈亏比都相当不错；但在单边熊市中，依然无法避免亏损，只是亏损幅度相对于大盘可能略小。这印证了他“大盘环境过滤器”的重要性，量化选股也不能脱离大势。

接下来，他开始了漫长的“参数优化”和“条件迭代”过程。

创多少日新高最好？是30日，60日，还是120日？

成交量放大倍数设定为1.5倍是否最优？1.2倍会不会捕捉到更早的信号？2倍会不会过滤掉一些假信号？

RSI的区间设定在50-80是否合理？是否需要根据不同市况调整？

能否加入“股价位于年线（250日线）上方”的条件，来进一步确保趋势？

如何引入基本面的门槛？比如，加入“市盈率（PE）小于50且大于0”（排除亏损股和估值过高股），“净资产收益率（ROE）大于5%”等简单的财务指标条件？

他不断地调整参数，组合不同的条件，然后进行新的人工回溯测试，观察结果的稳定性。这个过程枯燥而繁琐，但他乐在其中。他感觉自己像一个在实验室里调配药剂的炼金术师，寻找着那个能点石成金的“最佳配方”。

最终，他形成了三个不同风险偏好的简易算法模型：

激进型：信号出现早，可能买在启动初期，但伴随的噪音和失败率也较高。

稳健型：条件更为严格，信号确认度高，出手次数少，但成功率相对更高，是他准备主要用于实盘的核心模型。

补充型：侧重于捕捉特定技术形态，如“MACD底背离后金叉”等，作为前两者的补充扫描。

他将这些公式保存在软件中，并设置了盘后自动选股任务。

当这一切初步完成，嘎田看着屏幕上那几行由他自己编写的、凝聚了他多年投资心血的代码条件，心中充满了创造者的喜悦。

这不再是简单的“技术分析”使用，而是迈向了“技术融合”的新阶段——将经验性的、主观的技术分析，与量化的、客观的筛选逻辑相结合。

他的决策流程也因此升级：

盘后：运行他的几个简易量化选股模型，快速得到一份高度浓缩的“候选股票池”（通常只有10-20只，甚至更少）。

盘后深度分析：对这份精简后的名单，进行他擅长的人工深度分析：仔细审视K线形态、量价配合的细节、研读最新财报和公告、分析行业逻辑和板块地位。这一步，是量化筛选无法替代的“质”的判断。

盘中决策：结合市场实时情绪和板块动向，在深度分析认可的标的中，寻找具体的买入时机。

这套“人机结合”的新流程，极大地提升了他的研究效率和决策的客观性。将繁琐的初选工作交给“算法”，他将宝贵的时间和精力专注于更深层次的思考和价值判断上。

他知道，这依然是一个非常初级的开端，距离真正的量化交易相去甚远。但这一步的迈出，意义重大。它标志着嘎田的投资体系，开始从纯手工的“工匠时代”，向着人机协作的“半工业化时代”演进。他的策略完善之路，因此打开了一扇通往更广阔天地的大门。

窗外，夜色已深。嘎田保存好他精心调试的选股公式，如同一位将军擦拭好了他的新式武器。他期待着，在接下来的市场战斗中，这套融合了技术与量化的新工具，将如何帮助他，在百万资金的基石上，构建起更为坚固和高效的财富堡垒。