闲聊我花近 5000 元，用 Claude、Codex、DeepSeek 搭了一套 A 股价格行为选股系统

先说一件事。

这篇文章会完整拆解我的 A 股价格行为的策略逻辑、代码架构和 AI 协作方法。大约 8000 字，因为我不打算藏着掖着。

关于 AI 交易系统，我想先说清楚一件事：我不推荐你轻易去跑这套模型。 AI 写不出圣杯。这套系统的核心逻辑——PA 框架、setup 判定、闸门设计——全都是人脑推演之后，用 AI 来工程化的。AI 替代不了你的交易思想。如果你的策略逻辑还没有经过手动验证，先别急着用 AI 跑。如果你觉得麻烦、没有那么多时间或预算，但又想用这套方法——进Qun是最低成本的方式。我每天在里面公开选股结果，大家可以一起跟、一起复盘、一起迭代。等你觉得这套方法确实有用，也形成了自己的交易逻辑，再考虑搭自己的 AI 系统。

这个策略写了一个月。从 5 月上旬到现在，43 个版本迭代，3419 行进度记录，花了差不多 5000 块。钱倒不算太多——用的都是中转站，比直接订阅便宜不少。真正贵的是时间：每天晚上搞到一两点，改代码、调参数、验证输出。最晚的一次修止损逻辑，搞到凌晨快两点，第二天早上九点还要看开盘。

最近群里有不少朋友问这套策略具体怎么设计的。后台留言也在问。那我不如直接写一篇完整的——把所有东西摊开。

另外，群里有朋友在研究题材、热点方向的量化，也有人在做其他市场。如果你有好的资料、策略笔记、或者觉得我哪里写得有问题——欢迎在评论区留言或进Q分享。我一个人搞不了所有方向，大家的交叉验证比一个人的迭代快得多。

A股价格行为选股系统架构图

一、为什么要用三个模型搭一套系统

先说钱。我用的中转站，不是 direct API。三个模型加起来，从立项到现在大概花了 4000-5000 元。

这 5000 块买的是什么？不是圣杯。是把人的决策框架变成可运行、可验证、可复制的代码流水线。

三个模型各有分工，缺一个都不行：

Claude 做策略。 PA 框架的落地、setup 分类、评分体系、闸门逻辑、迭代方向——所有"这东西能不能赚钱"的判断，由我和 Claude 反复推演。Claude 能扛住 Brooks 价格行为学书籍的阅读压力，在 3419 行的进度记录里保持语义一致性。单一个人做不到这个带宽。

Codex 做工程。 v2_pipeline.py（近三万行）、sector_index_model.py（131K）、并行调度脚本、数据拉取链路——这些部分是codex 写的。我没有写过一行 Python。Codex 把策略文档直接转成可运行代码，而且能在我反馈"这里不对，那个逻辑反了"之后精准修改。

DeepSeek 做外部校验。 这是关键——你不能用同一个模型去验证同一个模型产出的东西。每次大迭代之后，我把策略文件、评分逻辑、输出报告全部扔给 DeepSeek，让它挑刺。

三个模型互相不信任，互相校验。用 AI 做交易系统，单模型是死路。

二、底层支柱：Brooks PA 五层决策金字塔

在讲系统架构之前，必须先讲 PA 框架。没有框架前全是幻觉。

Al Brooks 的三卷本——《价格行为学之趋势》《价格行为学之区间》《价格行为学之反转》——加起来快 2000 页。Claude 读完之后的产出不是"这本书讲了什么"，而是一个五层决策金字塔：

<span leaf="">背景 Context &nbsp; &nbsp; &nbsp;→ &nbsp;周线趋势方向（HTF）</span><br><span leaf="">位置 Position &nbsp; &nbsp; → &nbsp;日线在趋势中的位置（MTF）</span><br><span leaf="">结构 Structure &nbsp; &nbsp;→ &nbsp;1H K 线组合形态 + 磁体/压力位（LTF）</span><br><span leaf="">K 线 Candlestick &nbsp;→ &nbsp;5Min 触发确认 + 入场信号</span><br><span leaf="">辅助 Auxiliary &nbsp; &nbsp;→ &nbsp;量能、板块、RSI 背离（不作为独立入场理由）</span><br>

含义很简单：上层决定能不能做，下层决定什么时候做。

很多人用 AI 做交易的问题是反过来的——先看 5 分钟 K 线，找到一个看起来很漂亮的 Pin Bar，然后往上找理由。Brooks 整本书的核心就一句话：背景决定一切。 周线在下跌趋势里，日线的阳线只配考虑做空；周线上涨，日线的阴线才是找买点的机会。

YTC 的时间框架映射跟 Brooks 完全对齐：

| 框架层

Brooks 层级

YTC 映射

作用

周线

Context 背景

HTF 高阶

定趋势，不许逆势开仓

| |

日线

Position 位置

MTF 中阶

定结构位置，磁体/压力在哪

| |

1H + 5Min

Structure+K线+辅助

LTF 低阶

定入场，精确到 tick

四周期缺一不可。CLAUDE.md 写死了拉取顺序：周线→日线→1H→5Min。顺序反了，判断就不可靠。

三、双模型架构：为什么要拆成两套独立系统

现在的系统由两个完全独立的模型组成——V2 涨停股池和 Sector 板块下钻。独立到什么程度？共用的只有两样东西：数据拉取链路，和最终的合并呈现报告。中间的选股逻辑、评分权重、出入池标准，完全不相干。

V2 涨停股池的逻辑是"龙回头"——历史上涨停过的股票，回调之后找二次入场机会。数据源是历史涨停股池，选股用 PA 形态识别 + earn_score 排序。2026 年 6 月 5 日实跑，V2 没有出票——不是系统坏了，是当天没有符合条件的龙回头。零输出本身就是信息。

Sector 板块下钻的逻辑完全不同。先扫描全市场 90 个行业板块指数，对每个板块指数做 PA 检测，按赚钱分排序取前 5，然后对这 5 个板块的成分股逐一做个股 PA 检测。6 月 5 日：90 个板块→68 个被周线闸门挡掉→16 个通过→5 个下了钻→245 只成分股筛出 50 个机会→Top 3 盯盘票：冰山冷热、广安爱众、电投产融，全来自电力/通用设备。

两种逻辑覆盖完全不同的机会空间。V2 抓"活跃过的票又回来了"，Sector 抓"板块共振的票刚开始启动"。如果混在一起评分，涨停股的历史波动率会把板块股的评分拉歪。

我当时想做一个统一模型加两个数据源。Claude 直接反对：“两个数据源的本质差异太大，涨停股是事件驱动的滞后池，板块股是结构驱动的先行池。强行合并会让评分权重变成一坨浆糊。”

Codex 的工程实现很干净。run_parallel_selection.py 并行调度两个模型，各自跑各自的产出，然后 trade_plan_format.py 统一生成合并报告。两个模型的 buy/watch/missed 表在报告里各自独立呈现，前面硬标注一句：“本模块所有票均来自涨停股池，不掺杂板块下钻成份股”。

四、赚钱分 & 信号分：两个数字怎么算的

这是系统最核心的产出。每只票两个分：赚钱分（earn_score） 和 信号分（signal_score，0-10）。

赚钱分

赚钱分的本质是 Brooks 期望价值公式。系统内部的实际计算（v2_pipeline.py:28237）：

<span leaf="">E_R = WR × avg_reward - (1 - WR)</span><br><span leaf="">avg_reward = α × RR_T1 + (1-α) × β × RR_T2</span><br>

参数（Code 硬编码，Brooks 高级波段:1666/1676 锚定）：

α = 0.5

：T1 出 50% 仓位（朗西冻结：1R 保本→2R 减半→3R+ 移动止损）
β = 0.5

：T2 条件概率折扣。Brooks 原文：“当上行通道完成等距上涨的约一半时，等距行情的方向概率降至约 50%-55%”
WR

：该 setup × 市场状态下的胜率，经 R43 正面/负面因子加成后（严格不超过该 setup 的 cap）
RR_T1 / RR_T2

：(目标价 - 入场价) / (入场价 - 止损)

赚钱分 = E_R 数值本身，>0 才进池，越高越优先。

举个简化例子。假设一只票：入场 10 元，止损 9.80 元，T1 11.20 元，T2 12.40 元，WR 55%：

<span leaf="">RR_T1 = (11.20 - 10.00) / 0.20 = 6.00</span><br><span leaf="">RR_T2 = (12.40 - 10.00) / 0.20 = 12.00</span><br><span leaf="">avg_reward = 0.5 × 6.00 + 0.25 × 12.00 = 3.00 + 3.00 = 6.00</span><br><span leaf="">E_R = 0.55 × 6.00 - 0.45 = 3.30 - 0.45 = 2.85</span><br>

每承担 1 块钱风险，预期赚 2.85 块钱。

以 6 月 5 日的实盘候选冰山冷热（000530）为例：触发价 6.21 / 止损 6.09 / T1 7.64 / T2 8.30，WR 57%，系统输出赚钱分 6.019。

信号分

信号分是纯入场时机评分，R41（2026-06-03 朗西）重构后满分 10 分，四维组成（v2_pipeline.py:11359）：

| 分值

来源

内容

0-5

1H BP 评分

在 1H 级别重跑 PA 检测器子集：背景结构 + 入场信号棒质量

| |

0-2

1H 入场区位置

现价距 entry_mid 的 ATR 标准差：≤0.2 ATR→2 分，0.2-0.5→1 分，>0.5→0 分

| |

0-2

5M 入场结构

96 根 5min K 线：阳线占比 + 收盘强位 + 连续阳线

| |

0-1

5M 触发确认

现价在入场区内 + K 线收阳 + 量比 > 1.2

信号分不参与排序——排序只看赚钱分（R37d）。信号分的作用是给手动交易员一个入场时机参考：赚钱分告诉你这票值不值得买，信号分告诉你今天适不适合下单。

6 月 5 日三只盯盘票信号分都在 1.9-3.0 之间——偏低，因为它们全是 🟠 二次入场状态，现价已突破 trigger 又回来，1H 入场区位置那项自然扣分。系统不为了好看去动数字。

五、四态入场：为什么不是简单的"买/不买"

传统选股输出是二元的：推荐/不推荐。实际交易不是这样。

R36（2026-05-31）朗西拍板了四态分类：

| 状态

判定条件

入场指令

🟢 直接买

现价在入场区内（trigger ± 0.2×ATR）

挂单 + 等 1H 收阳确认 / 5Min 突破前高

| |

🟡 等回踩

现价低于入场区

等回到 trigger 附近 + 1H 收阳 + 量比 > 1.2

| |

🟠 二次入场

现价已突破 trigger 但 R29 七衰竭 < 2

等回踩 trigger + 反转 K（锤子/吞没）+ 量能放大

| |

🔴 已错过

现价已突破 trigger 且 R29 七衰竭 ≥ 2

不建议追，等新 setup，仍进池供复盘

R29 七衰竭判定（DeepSeek 校验后改进），三个维度：

D2 TL Break

：趋势线被跌破
D3 Slope Decay

：K 线斜率衰减（连续 3 根 K 线实体递减）
D4 Truncation

：主推浪截断，后续 K 线不能创新高/新低

≥2 个触发 → 趋势衰竭确认 → 🔴 已错过。

这解决了最常见的困境：“已经涨上去了，追不追？” 系统告诉你：如果衰竭 ≥ 2，不要追。如果没有，可以等回踩。

已错过的票不删——单独分段供复盘。如果系统直接剔除，你就不知道系统看到了什么但放弃了什么。透明性是改进的基础。

六、9 种 Setup 类型 & 胜率天花板

PA 形态识别是整个系统的前端。目前支持 9 种做多 setup，每种都有独立的默认胜率和天花板——直接硬编码在 v2_pipeline.py 里。

| Setup

中文

默认胜率

胜率上限

来源锚定

A_VCP

波动收缩蓄势

50%

70%

Minervini + 简一 VCP 笔记，v2_pipeline.py:224

| |

H2_long

二次回踩做多

55%

75%

Brooks 百科:1676，v2_pipeline.py:243

| |

BPB_long

突破回踩做多

55%

72%

Brooks 百科:2218，v2_pipeline.py:234

| |

D_TrendContinuation

趋势延续回踩

55%

72%

Brooks 百科:1455，v2_pipeline.py:269

| |

H1_long

首次回踩做多

50%

72%

Brooks 百科:1650，v2_pipeline.py:252

| |

H3_wedge_flag

三推楔形牛旗

45%

62%

Brooks 百科:1768，v2_pipeline.py:261

| |

C_DoubleBottom

双底反转

40%

45%

Brooks 百科延伸，v2_pipeline.py:287

| |

BOF_long_reversal

假跌破反转做多

35%

45%

Brooks 百科延伸，v2_pipeline.py:296

| |

B_RangeBottom

区间底部反转

35%

45%

Brooks 百科:2350，v2_pipeline.py:278

上限是硬编码的（v2_pipeline.py:443-458），R43 正面因子只能在"上限 - 默认"的预算里加分。

这个设计源于一个对 PA 的深刻理解：没有任何 setup 能突破其内在的统计上限。 你发现的再多利好因素，H2 回调做多的胜率也不可能超过 75%。如果评分系统把 WR 加到了 80%，要么是加了冗余因子，要么是 overfitting。

R43 正面因子体系分四个质量等级（v2_pipeline.py:525-552），22 个因子共享 budget：

★★★★（权重 10，7 项）

：周线与日线趋势一致、强趋势激活、跟随确认强信号、信号棒收盘位置 ≥ 75%、长下影线 Pin Bar、AI 顺势方向、趋势强度升级
★★★（权重 7，5 项）

：跟随确认中等信号、信号棒收盘 ≥ 55%、跳空突破强跟随、强反转棒、连续 ≥ 5 阳线
★★（权重 4，5 项）

：量比阳阴比、D4 低截断、阳量增长、阴量衰退、连续 3-4 阳线
★（权重 2，5 项）

：D3 斜率反转、B2 分段高位、连续阳实体、阳线渐进增长、EMA20 占比 ≥ 14/20

同时还有 5 个负面因子（权重 7-15），包括末端衰竭、末端旗形、Brooks 80% 法则、AI 反向等。

数学保证：全部正权触发 → adjusted_wr = cap（精准撞顶）。全部负权触发 → adjusted_wr ≈ base - budget。部分触发 → 按权重比例。

七、十道闸门：为什么大部分票到不了你眼前

从全市场 5000 多只票到最终输出的 0-5 只，中间过了十几道闸门。每一道闸门解决一个具体问题。

| 闸门

作用

6/5 实测

L1 基本面否决

ST/*ST/次新/市值<30亿→直接踢

~20%

| |

周线趋势闸门

周线下跌趋势→不做多

Sector: 68/90 板块挡掉

| |

PA 形态识别

无 9 种可识别 setup→不进后续

~70%

| |

R38b 距离闸门

|现价 - trigger|/trigger > 3%→排除

~30%

| |

赚钱分闸门

earn_score ≤ 0→负期望→不进池

~50%

| |

R29 衰竭闸门

七衰竭 ≥ 2→🔴 已错过

~20%

| |

板块共振闸门

板块内 < 2 只共振→降优先级

—

| |

板块集中度闸门

同板块 > 1 票→Kelly × 70%

广安爱众/电投产融触发

| |

四态分类

现价 vs trigger 关系→四态判定

—

R38b 距离闸门是个典型设计。有的票 PA 形态完美，但现价距入场区太远——触发价 10 块，现价 10.50，差距 5%。追进去，RR 已被压缩得不值得。3% 阈值迭代两轮定下来的：太宽（5%）放进低 RR 票，太窄（1.5%）把正常入场区波动也排掉。

Sector 周线闸门是最猛的一刀。 6 月 5 日跑了 90 个行业板块，只有 16 个过了。Brooks 的 Context 层在周线这一步就已经做完了大部分筛选——不是后面评分多聪明，是前面挡得够果断。

八、止损 / 止盈 / 仓位：不留模糊空间

量化系统最怕的不是错——是模糊。模糊意味着不可复盘，不可复盘意味着无法改进。

止损

每种 setup 止损都有精确规则：

趋势类（H2/BPB/A_VCP/H3/D）

：起涨点 - 1tick（Brooks 高级波段:776 急速拉升最低 K）
回调特化（H1/H2/BPB）

：入场理由是回调→止损用回调 swing low - 1tick（Brooks 百科:990/1198）。R37e 实测：皖能电力通用规则止损 9.31，回调 swing low 止损 9.20——多出 0.09 是精确性给的安全垫
反转类

：反转点低 - 1tick
区间类

：入场区低 - 1tick

止盈

T1

：Brooks MM 标准版 = Spike_FirstOpen + (Spike_LastClose - Spike_FirstOpen)（Brooks 高级波段:1664 主推）
T2

：下一 prior swing high 磁体；无更高磁体则 T1 + 0.5×MM_length（Brooks 高级波段:1668）
出场节奏

：1R 保本 → 2R 减 50% → 3R+ 移动止损（朗西冻结标准）

T2 的条件概率折扣（β=0.5）为什么必要：T1 是数学外推，T2 在赌趋势延续到下一个磁体。Brooks 写得很清楚：趋势通道走到一半时，继续走完的概率降到 50%-55%。按 T2 满算配仓位，就是在 55% 概率上下 100% 的注——这个错误复利下来会吃掉所有 T1 利润。

Kelly 仓位

<span leaf="">f* = E_R / RR_avg</span><br><span leaf="">实际仓位 = f* × (1 - ρ̄ × 0.4) &nbsp;← 板块相关性折减</span><br><span leaf="">同板块多票 → Kelly × 70%（自动触发）</span><br>

R35++ 五层仓位框架：

<span leaf="">L1: 账户总风险 = 净值 × 2%</span><br><span leaf="">L2: 单笔风险 = L1 × 50%</span><br><span leaf="">L3: 初始仓位 = L2 / (entry - stop) × entry</span><br><span leaf="">L4: 折减后仓位 = L3 × (1 - ρ̄ × 0.4)</span><br><span leaf="">L5: 实际下单 = L4 / entry，取整到 100 股</span><br>

每一步可追溯。赚了为什么赚，亏了为什么亏，仓位有没有下错——全有数字答案。

九、为什么不能让同一个模型既写策略又写代码

回到三个模型的协作，我想展开讲一件真事。

R28 迭代时，Claude 在评分逻辑里加了一条：“板块内有 3 只以上涨停，自动加分”。逻辑上没毛病，板块共振是利好。

Codex 把这个规则精确地翻译成了 Python，写进了 compute_master_score() 函数。代码没有 bug，语法完美，跟文档一字不差。

DeepSeek 校验时提了一个问题：“这个板块共振加分跟 R43 正面因子体系里的 ★★★ 板块共振因子，是同一件事吧？你加了两遍。”

一查，确实。Claude 在设计时把"板块共振"放进了两个不同层级——一次在 PA 检测后的 earn_score 计算里，一次在 R43 胜率加成里。两层单独看都对，叠在一起重复计分了。

这是单模型永远查不出来的 bug。 Claude 不会质疑自己的设计。Codex 不会质疑 Claude 的策略文档——它的任务是"按文档实现"，不是"检查文档逻辑"。但 DeepSeek 可以——它没有"这个设计是我做的"这种所有权偏见。

用 AI 做交易系统，最少用两个不同厂商的模型。一个写，一个审。这不是功能需求，是认知偏差上的需求。

十、这套系统能干什么，不能干什么

说到实处。

能干什么：

盘中盘后给你一份不超过 5 只票的盯盘清单，每只票带精确到 tick 的入场价和止损价
帮你避免逆势操作——周线闸门就是干这个的
帮你避免追高——R29 七衰竭 + 四态分类就是干这个的
帮你算清每笔交易的数学期望——不靠"感觉这股要涨"
帮你控仓——Kelly 公式 + 板块相关性折减 + 五层仓位框架
最关键：把盘中直觉变成盘前计划

不能干什么：

不能预测市场
不能在没有机会的时候硬造机会（6 月 5 日 V2 出 0 票就是 0 票）
不能替代你的执行纪律——信号给了你不执行，或者盘中乱改，系统管不了
不能保证赚钱——胜率 50%-60% 的票，10 笔里 4-5 笔是亏的，这是 PA 的数学本质，不是系统的错

PA 体系的根本逻辑不是"高胜率"，而是低时间成本 + 正期望值 + 可复制。Brooks 本人在书里也说他胜率就在 50%-60%，但 RR 做得好、仓位控得住，长期是正的。

写在最后

5000 块，43 个迭代，3419 行进度记录，近三万行主策略代码，131K 板块模型代码，90 个行业板块每周扫描。

这篇文章如果你读到了这里，说明你不是随便划过的。我再说一次：这套系统还在持续迭代中，远没有"完成"。 目前还有很多问题在修——闸门参数要校准、WR 表要跑更长的回测、Sector 模型的板块联动判定要改进。搞好了之后，我会上线一个网站，把每日选股结果公开出来，敬请期待。

如果你也在做类似的事——或者准备开始——我想说的不是"这套系统多厉害"，而是这条路走得通。AI 可以帮你把一整套交易方法论从书里的文字变成每天跑一遍的代码。它需要你投入大量迭代时间、大量校验精力、以及持续质疑自己的勇气——但它值得。

如果你对这套方法感兴趣，又不想自己搭系统——进群是最低成本的参与方式。 每天的选股结果、策略迭代讨论、PA 框架的落地细节。点这里进去赞赏 ¥8.8 。这个门槛不是为了赚钱——是为了让进来的每个人都在认真做这件事。

另外，系统网站上线后会在Q里第一时间通知。期待在Q里见到你。

文章目录