平台突破选股模型：时序信号识别与策略构建

平台突破形态识别与算法框架

平台突破是技术分析中常见的趋势跟踪信号，表现为股价在特定价格区间内反复震荡，多次试探某一水平阻力位但未能有效突破，直至某一时点以放量形式脱离该区域并开启新趋势。从行为金融学视角看，阻力位的形成与投资者的锚定效应密切相关，前期局部高点作为定价参考锚，当股价再次逼近时，解套或获利了结动机引发集中抛压，使得经历多次试探后的有效突破更具市场关注度。

本报告构建了一套涵盖形态识别、信号触发和策略构建三个层面的平台突破选股框架。模型利用转折点识别算法（Critical Point Algorithm）和HSAR（Horizontal Support and Resistance）算法，对全市场个股的平台突破信号进行系统性捕捉。转折点识别算法通过布林带过滤和局部趋势迭代，将原始价格序列约减为一组局部高低点，实现去噪、维度约减及动态价格分段。HSAR算法则基于局部高点序列，通过价格分箱和密度聚集定位水平阻力位，将阻力位定义为包含特定数量高点且处于较高位置的价格区间上界。

持有周期评估与价量信息增强

突破信号的有效性需结合持有周期进行考量。实证比较显示，不同持有周期下的风险收益特征存在差异。5日持有期交易频繁，胜率和盈亏比均不占优势；20日持有期胜率较高；而45日持有期在平均收益和盈亏比上表现最优，体现了较长持有期对趋势延续行情的更好捕捉能力。基于此，模型选择45日作为后续策略的持有周期，并采用滚动回撤止盈机制来衡量突破有效性，以应对市场中的“假突破”风险。

为提升信号质量，模型引入涵盖换手率、成交额、动量、波动率、市值和均线偏离度六大类共26个变量的技术信息增强模型。通过多元线性回归分析，筛选出与突破后收益率显著相关的变量。实证结果表明，引入技术信息因子后，有效突破样本的胜率由41.18%提升至45.65%，盈亏比由1.46提升至1.58。策略年化收益由17.17%提升至21.47%，最大回撤由26.35%降至20.85%。此外，利用回归系数为正的正向因子（如动量类因子）对持仓股票进行赋权，可进一步将年化收益率提升至26%以上，表明动量因子对突破后趋势延续性较强的个股具有区分度。

多场景策略应用与适应性验证

平台突破模型在不同市场风格和指数增强场景中均展现出良好的适应能力。在绝对收益策略方面，模型应用于红利池和红利低波池，均能贡献选股增量。红利池策略年化收益率为22.39%，红利低波池策略年化收益率为21.37%，均跑赢同期基准指数。同时，模型还构建了基于全市场月度突破信号占比的股债动态仓位配置机制，该机制将突破百分比作为权益市场情绪参考指标，在维持回撤水平不变的前提下，年化收益较固定仓位配置有所增强。

在指数增强策略方面，模型分别应用于沪深300、中证500和中证1000三大指数成分股。回测结果显示，三大指数增强策略均获得正向超额收益，其中沪深300增强年化超额16.11%，中证500增强年化超额17.33%，中证1000增强年化超额16.83%。从信息比率来看，中证500和中证1000优于沪深300，这可能与中小市值股票定价效率相对较低、形态信号有效性保留较好有关。分年度观察，除个别年份外，各指数增强策略在多数年份均录得正向超额，表明该策略对不同市值风格的选股池具有一定的适应性。