选股就像挑对象 — 第塞斯科技

用AI 3天，搭模型、跑回测、调参数、换股、再回测——最后证明了选股确实重要。
但因为证明了它重要，才发现了真正重要的不是它。

一、选股就像挑对象

你花大量时间研究基本面，看K线，筛形态。

就像挑对象之前先查户口、看星座、对三观——你认为准备做得越足，结果就越好。

但现实是什么？

大环境不对，你再合适也是白搭。

2008年你选一万遍也选不出牛市。2015年你闭着眼睛买都能赚钱。

选股和挑对象的共同悲剧：你以为你在选，其实是大环境在选你。

我不是写论文，我是拿真金白银在市场里躺着，所以搞了一套实打实的量化流程。

VCP（波动收缩）策略，Mark Minervini那套。逻辑简单：找波动收缩到极致的股票，放量突破时买入。

先写了全市场扫描脚本，把A股5000多只股票跑了一遍，筛出形态符合条件的。然后拉散点图——波动率、成交量、价格变化全打上去，想一眼看出哪些"长得漂亮"。

跑完了，图出来了，五颜六色一片。

啥也看不出来。

不是工具不行，是参数不对。我把波动收缩的窗口从10天换到20天再到30天，放量倍数的阈值从1.5改到2.0再到3.0，RS排名的周期从1个月换到3个月再到6个月。

每一次调完都觉得"这次应该对了"。

每一次回测回来，脸都肿了一圈。

但我发现一个规律：市场好的时候怎么选怎么对，市场差的时候怎么选怎么死。 你换再多股都没用。

前面两天的手工调参太慢了。我把整个流程交给AI：搭好框架，让AI自动调整参数组合、自动换股回测、自动记录结果。

3天跑完的量化回测，如果手工来做，大概要一个月。

数据不会骗人。

跑完一轮完整的回测之后，结论很清楚：选股是有用的。

特定的形态组合 + 特定的参数配置，在同等市场条件下，确实比随机选股涨得好。

选股不是玄学，是有统计学意义的。

那一瞬间我甚至有点得意——努力没有白费。

然后我把平均股价（800005）拉进来。

这是一个最容易被忽视的指标：它把全市场所有股票的价格拉平，反映的是真正的市场水位。不被权重股绑架，不被茅台扭曲。

拉进来之后，所有选股信号的规律性瞬间被"环境"这两个字打散了：

选股的有效性，100%被框死在环境这个天花板里。

这就像你研究了三年怎么追到女神，结果发现女神喜不喜欢你完全取决于她今天心情好不好。你的努力是真的，但环境才是决定因素也是真的。

既然问题出在流程上，那就把流程重画一遍：

第一步：看环境（平均股价 + 涨跌比 + 市场宽度）
    ↓ 环境好
第二步：选赛道（资金流入最多的3-5个板块）
    ↓
第三步：选个股（VCP形态 + RS排名 + 成交量确认）
    ↓
第四步：执行（买点 / 止损 / 止盈）

如果环境不好 → 空仓。

选股在这套流程里只占第三步。而且只有在第一步确认之后，第三步才有意义。

选股还是很重要，但它的重要性只在合适的环境里生效。

这套回测跑在我家 Mac mini 上。代码自己写，服务器自己管，AI辅助搭模型。

3天能跑完一个完整的量化回测流程，放在五年前你根本不敢想。但AI能做到的不只是快——它让我用更短的时间撞到那面真正的墙：

选股有用，但环境是天花板。

回到开头那个比喻：选股就像挑对象。你当然可以继续努力提高自己，但别忘了一件事——

天气预报说要下雨的时候，你穿再好看也白搭。