在上一文章“量化交易模型建立初始研发方向”中已讲解，一套程序化量化交易模型分为信号和交易两大部分。建立交易模型的第一步首先要解决买卖信号。以做多为例，第一步就要解决买入信号 ，然后再到卖出信号。买入信号可以以特定K线，分时走势等已有理论依据为基础的标的物为研究对象。确立买入信号具体特征条件后，对个股历史走势出现买入信号特征和规律进行统计研究。

人工建立量化交易模型同样需要做大量的统计工作。工作量大很大，没有软件的帮助，寻找标的股票工作需要人工在个股中一一去翻查寻找。投资者如发现某些软件的功能对帮忙自己寻找标的个股有用，那就可以利用软件去帮忙做统计，否则就只有人工进行翻查寻找。很难有不劳而获轻松而得东西。

研究买入信号的规律从多方面入手：

1﹑标的信号的自身具体特征状态

2﹑标的个股信号出现下午开盘第一波拨高幅度统计

3﹑标的个股信号出现后盘中价格表现特征以及细分

4﹑标的个股信号出现后收盘价格表现特征以及细分

统计进行分类归纳是必须的，分类归纳的目的是找出在每一分类中的规律特性。最终目的是通过统计确定每一类别中，那些买入信号的成功机率最高，价格后市表现最好。这些必须要进行大量的数据统计分析，仅仅看了几个标的就认为那些好那些不好，这种主观判断到了实践就不是那么回事了。分类统计也可以利用1—10分打分制进行统计分析。

个股信号自身结构特征与细分：

[以中午收盘价的涨跌情况与幅度作为基准参照]

一﹑绿盘下跌状态下拨高  [跌幅超过—2%以上]

二﹑平盘状态下拨高      [涨跌幅—１％至1%内]

三﹑小幅上升状态下拨高  [涨幅2%以内]

四﹑大幅上升状态下拨高  [涨幅2%以上] 

转载请注明：金印投资 » 量化交易模型建立初始研发方向＜二＞