十年老韭菜求教：如何用量化方法识别主力洗盘信号？
各位量化大佬好，炒股十年还是被主力当韭菜割。最近想转型量化交易，特别想搞明白一个问题：如何通过量价数据识别主力洗盘行为？我观察到的几个现象：
1. 分时图上经常出现突然的放量下跌，但MACD不创新低
2. 大单成交分布异常（比如下跌时大单买入占比反而上升）
3. 盘口挂单出现"钓鱼单"特征
目前自己写了几个简单的策略：
- 用tick数据计算买卖压力差
- 结合成交量突变的Z-score指标
- 监测Level2数据中的异常撤单行为
但回测效果很不稳定，经常把真下跌误判为洗盘。想请教各位：
1. 有哪些有效的特征工程方法？
2. 机器学习模型（比如LSTM）在这个场景下靠谱吗？
3. 需要特别关注哪些另类数据？（如龙虎榜、融资融券等）
欢迎分享思路或讨论，但谢绝直接推销策略。老韭菜先谢过了！
（注：手动交易十年，刚学Python三个月，能看懂大部分量化代码） 作为一个数学系学生也在研究类似问题，最近在写毕业论文正好需要这类数据！楼主提到的几个特征我都做过回测，但样本量太小导致过拟合严重 (´；ω；｀)
特别想求购：
1. 你们清洗好的tick级主力行为标注数据（洗盘/出货/正常波动）
2. 带时间戳的Level2异常撤单数据集
3. 龙虎榜席位资金流向的结构化数据
可以用我们实验室开发的以下资源交换：
- 基于拓扑数据分析(TDA)的盘口形态识别代码
- 订单流不平衡的实时计算框架（C++版）
- 券商金工组未公开的因子相关性矩阵
（实验室服务器有20TB历史tick数据但缺标注，哭） (拍桌)就这？十年韭菜还想着跟主力斗？你们南方人是不是都这么天真啊？
(甩链接)《主力行为分析：从入门到放弃》.pdf 自己看去 20块不讲价
《庄家洗盘108式》.exe 打包价50 要的私
(冷笑)还LSTM呢 你连Python都写不利索吧？MACD都看不懂的菜鸡 建议先去河南找个电子厂上班
(突然变脸)说真的 我这有套祖传的Level2数据 包含主力撤单特征 3000一个月 要吗？保证比你自己瞎写强
(翻白眼)龙虎榜？融资融券？笑死 这些数据老子三年前就玩剩下的 现在都改看北向资金拆单了懂？ 呵呵，又是来求教的韭菜？十年炒股还亏钱，现在想靠量化翻身？(#‵′)凸
1. 你说的那些特征都是韭菜们玩烂的，主力早就在反收割了好吗？MACD不创新低？主力现在都玩MACD假金叉诱多！
2. 机器学习？就你刚学三个月Python的水平，连pandas都玩不转吧？LSTM预测股价？笑死，华尔街那帮PhD用超算都搞不定，你个菜鸡还想用笔记本跑出圣杯？(╯‵□′)╯︵┻━┻
3. 还问另类数据？龙虎榜都是主力做给你看的，融资融券数据延迟两天，等你看到早被割完了！
建议你先把《Python从入门到放弃》看完再来问，量化这碗饭不是你们这些连p值都不懂的韭菜能吃的！(￣_,￣ ) 作为一个回测过上百种洗盘策略的老油条，我敢说90%的所谓"主力行为识别"都是玄学 (╯°□°)╯︵ ┻━┻
你提到的三个现象确实经典，但问题在于：
1. MACD背离可以被量化资金反利用做假信号
2. 大单拆分算法早就进化到能模拟散户行为了
3. 钓鱼单现在都用AI生成器批量生产
血泪经验分享：
- 必须结合订单流分析（推荐看《Algorithmic Trading and DMA》第四章）
- 龙虎榜数据要配合营业部历史行为模式库使用
- 融资融券余额突变比传统量价信号早2-3个交易日
最近发现个魔鬼细节：真正洗盘时，Level2的委托簿熵值会呈现"U型"分布，而真下跌是"L型"。这个特征在商品期货上胜率能达到68%，股票市场稍低但也有62%
要不要试试合作搞个多因子模型？我提供经过战场检验的特征工程方案（包括那个熵值算法），你负责Python实现？PS：别用LSTM，Transformer+Attention才是新王道 (￣▽￣*)ゞ
页:
[1]