A股三层选股模型

核心用法

A股三层选股模型是一套「量化筛选→定性分析→择时操作」的完整投研工作流。第一层通过市值、动量、换手、MACD、筹码位置5个等权维度进行机器初筛，满足≥3项进入下一轮；第二层对过关标的逐只进行基本面、行业政策、催化逻辑、筹码结构、龙头地位5维人工验证，满足≥4项进入最终池；第三层输出精确操作方案，包括买入区间、止损位、目标价、仓位建议及风险等级。

显著优点

• 系统性过滤：5000+股票经三层漏斗压缩至5只以内，聚焦能力圈
• 攻防兼备：量化层捕捉技术面动量，定性层规避基本面雷区，择时层明确风控
• 政策敏感：优先布局AI/半导体/军工/新能源/消费等政策主线
• 数据开源：基于AkShare免费接口，降低个人投资者使用门槛
• 纪律强制：无止损位标的直接排除，避免情绪化持亏

潜在缺点与局限性

• 数据延迟风险：AkShare为第三方聚合数据，行情刷新存在分钟级延迟，极端行情下信号滞后
• 过拟合可能：MA15/MA60等参数基于历史回测，结构性行情变化时可能失效
• 流动性盲区：50-500亿市值过滤虽规避极端风险，但可能错过小盘黑马或大盘白马
• 催化依赖：强制要求「实质利好」，对左侧布局或困境反转策略不友好
• 无回测验证：框架未提供历史业绩回测，策略夏普比率、最大回撤等关键指标未知

适合人群

• 有一定交易经验、愿花时间研究基本面的主动投资者
• 偏好中短线操作（持股周期1-4周）、追求风险收益比的波段交易者
• 熟悉Python/量化工具、能自主获取AkShare数据的技术型散户
• 不适合：纯被动定投者、长期价值投资信仰者、无止损纪律的风险厌恶型用户

常规风险

• 系统性风险：模型未嵌入大盘择时模块，单边下跌市中多层过滤仍可能批量失效（需人工判断MA60空头排列时主动降仓）
• 执行风险：精确价格买卖点对滑点敏感，流动性不足标的可能出现「看得到买不到」
• 信息不对称：散户获取「实质利好」时效性弱于机构，存在利好兑现后接盘可能
• 技术风险：AkShare接口变动或东方财富数据异常可能导致脚本中断

A股三层选股模型是一款面向主动投资者的量化选股工具，采用「量化筛选→定性分析→择时操作」的三层漏斗架构，从全市场5000余只A股中筛选出最优标的。

核心用法：用户触发「选股」「扫描市场」等指令后，Skill依次执行三层过滤。第一层量化筛选通过市值、动量、换手率、MACD及筹码位置五个技术指标进行机选，满足≥3项条件即进入第二层。第二层定性分析由人工维度验证基本面增速、行业政策、催化剂、筹码集中度及龙头地位，满足≥4项进入第三层。第三层输出具体操作方案，包括精确买入区间、止损位、目标价、仓位建议及风险等级。

显著优点：模型设计科学严谨，将技术面与基本面有机结合，避免纯量化或纯主观选股的局限；输出格式规范清晰，直接给出可执行的交易指令；聚焦策略明确限制输出不超过5只标的，防止过度分散；内置风控机制，市场趋势向下时主动提示降仓，且强制要求止损位。依赖AkShare等成熟数据源，数据覆盖度较好。

潜在缺点：依赖第三方API数据，存在数据延迟、接口变更或服务商故障风险；定性分析环节依赖预设政策主线（AI/半导体/军工/新能源/消费），可能错过其他行业机会；三层模型计算量较大，全市场扫描耗时较长；个人开发者维护（T3来源），长期更新稳定性存疑。

适合人群：适合具备基础投资知识的主动型投资者、短线交易者及希望系统化处理选股流程的中级股民。不适合完全依赖建议的被动投资者或缺乏风险识别能力的新手。

使用风险：①数据风险：新浪财经、腾讯财经API可能出现延迟或中断，需交叉验证；②模型局限：历史回测表现不代表未来收益，量化参数需定期优化；③执行风险：建议用户自行确认买卖时机，Skill不保证成交价格；④合规提示：输出仅为信息参考，不构成投资建议，用户需独立决策并承担投资风险。