平臺突破選股模型：時序信號識別與策略構建

平臺突破形態識別與算法框架

平臺突破是技術分析中常見的趨勢跟蹤信號，表現為股價在特定價格區間內反復震蕩，多次試探某一水平阻力位但未能有效突破，直至某一時點以放量形式脫離該區域并開啟新趨勢。從行為金融學視角看，阻力位的形成與投資者的錨定效應密切相關，前期局部高點作為定價參考錨，當股價再次逼近時，解套或獲利了結動機引發集中拋壓，使得經歷多次試探后的有效突破更具市場關注度。

本報告構建了一套涵蓋形態識別、信號觸發和策略構建三個層面的平臺突破選股框架。模型利用轉折點識別算法（Critical Point Algorithm）和HSAR（Horizontal Support and Resistance）算法，對全市場個股的平臺突破信號進行系統性捕捉。轉折點識別算法通過布林帶過濾和局部趨勢迭代，將原始價格序列約減為一組局部高低點，實現去噪、維度約減及動態價格分段。HSAR算法則基于局部高點序列，通過價格分箱和密度聚集定位水平阻力位，將阻力位定義為包含特定數量高點且處于較高位置的價格區間上界。

持有周期評估與價量信息增強

突破信號的有效性需結合持有周期進行考量。實證比較顯示，不同持有周期下的風險收益特征存在差異。5日持有期交易頻繁，勝率和盈虧比均不占優勢；20日持有期勝率較高；而45日持有期在平均收益和盈虧比上表現最優，體現了較長持有期對趨勢延續行情的更好捕捉能力?；诖?，模型選擇45日作為后續策略的持有周期，并采用滾動回撤止盈機制來衡量突破有效性，以應對市場中的“假突破”風險。

為提升信號質量，模型引入涵蓋換手率、成交額、動量、波動率、市值和均線偏離度六大類共26個變量的技術信息增強模型。通過多元線性回歸分析，篩選出與突破后收益率顯著相關的變量。實證結果表明，引入技術信息因子后，有效突破樣本的勝率由41.18%提升至45.65%，盈虧比由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，利用回歸系數為正的正向因子（如動量類因子）對持倉股票進行賦權，可進一步將年化收益率提升至26%以上，表明動量因子對突破后趨勢延續性較強的個股具有區分度。

多場景策略應用與適應性驗證

平臺突破模型在不同市場風格和指數增強場景中均展現出良好的適應能力。在絕對收益策略方面，模型應用于紅利池和紅利低波池，均能貢獻選股增量。紅利池策略年化收益率為22.39%，紅利低波池策略年化收益率為21.37%，均跑贏同期基準指數。同時，模型還構建了基于全市場月度突破信號占比的股債動態倉位配置機制，該機制將突破百分比作為權益市場情緒參考指標，在維持回撤水平不變的前提下，年化收益較固定倉位配置有所增強。

在指數增強策略方面，模型分別應用于滬深300、中證500和中證1000三大指數成分股?；販y結果顯示，三大指數增強策略均獲得正向超額收益，其中滬深300增強年化超額16.11%，中證500增強年化超額17.33%，中證1000增強年化超額16.83%。從信息比率來看，中證500和中證1000優于滬深300，這可能與中小市值股票定價效率相對較低、形態信號有效性保留較好有關。分年度觀察，除個別年份外，各指數增強策略在多數年份均錄得正向超額，表明該策略對不同市值風格的選股池具有一定的適應性。