> 大多数个人投资者的自选股列表，不过是情绪化交易的垃圾场。本文将用工程化思维，教你从零搭建一个可迭代、可量化、可验证的股票观察池。 ## 为什么你的自选股总是越看越乱 打开很多人的自选股列表，会发现一个共同特征：**股票数量在50到300只之间无序膨胀，且没有任何分类逻辑**。今天看到一则新闻加一只，明天听朋友推荐加一只，后天追热点又加一只。结果就是——盘中根本看不过来，决策全靠临时翻找，情绪一上来就乱买。 问题的根源在于：**自选股列表被当成了“信息收藏夹”，而不是“决策过滤器”** 。一个合格的观察池，核心功能是缩小注意力范围，让你在每个交易日只聚焦少数几只真正值得动手的标的。 > 观察池的本质不是“我觉得它好”，而是“它在我的规则下通过了筛选”。 --- ## 第一步：定义你的观察池分层结构 不要把所有股票塞进一个列表。建议按**关注深度**分为三层： 1. **核心池（10-15只）** ：基本面+技术面双重达标，随时可触发交易信号，每周复盘一次。 2. **候选池（30-50只）** ：某一维度达标但尚有瑕疵，等待条件改善后升级，每两周扫描一次。 3. **种子池（不限）** ：从全市场初筛出的原始名单，每月批量更新一次。 **每只股票只应出现在一个层级中**，避免重复管理。核心池的股票如果逻辑破坏，直接降级或剔除，绝不恋战。 ## 第二步：用“硬规则”做初筛，而不是凭感觉 初筛阶段必须完全量化，**把主观判断推迟到第二轮**。以下是可落地的筛选维度示例： - **流动性门槛**：日均成交额 > 1亿元（剔除流动性枯竭的标的） - **趋势过滤**：收盘价 > 60日均线，且60日均线斜率向上 - **波动率控制**：20日ATR/收盘价 < 5%（避免日内振幅过大的妖股） - **基本面底线**：最近两个季度营收同比增速 > 0，且非ST 以A股为例，用上述四条规则跑一遍全市场，通常能从5000多只股票中筛出**200-400只**进入种子池。这个数量级才是可管理的起点。 > 硬规则的意义在于：**让市场告诉你哪些股票值得看，而不是你告诉市场你想看哪些股票**。 ## 第三步：用自然语言构建你的AI量化技能 传统筛选需要写代码或手动设置多个条件，对非程序员并不友好。现在有一种更高效的方式：用自然语言描述你的选股逻辑，让AI自动生成可执行的量化技能。 比如你可以直接输入：“帮我找出最近20天涨幅在5%到15%之间、换手率连续3天大于2%、且所属行业不是房地产的股票。” [股票搭子](https://jiademin2688.top) 就是这样一个平台，它允许你用日常语言创建AI量化技能，把上面提到的分层规则和筛选条件直接“说”出来，系统会自动完成数据拉取和条件匹配，省去手写公式的麻烦。**对于没有编程基础的个人投资者，这是把想法快速变成可执行策略的捷径**。 --- ## 第四步：动态维护比初次建立更重要 观察池不是建完就扔在那里的。**每周花15分钟做一次“体检”** ，按以下清单执行： 1. 核心池中是否有股票跌破了预设的止损逻辑？有则立即降级。 2. 候选池中是否有股票满足了升级条件？有则移入核心池。 3. 种子池中是否有股票连续3周未被任何规则触发？有则剔除。 4. 是否有新股进入初筛结果？有则加入种子池观察。 **保持观察池总数稳定，是防止注意力涣散的关键**。如果核心池超过20只，说明你的筛选标准太松了。 > 一个健康的观察池，应该是“进出有序”的——每周都有股票被踢出，也有股票被纳入，而不是只进不出。 ## 常见误区：别把观察池做成“股票收藏夹” - **误区一：把新闻热度当作筛选标准**。热点股票往往已经在高位，观察池需要的是“即将启动”而非“已经爆发”。 - **误区二：频繁更换筛选规则**。规则至少运行一个季度再评估效果，否则你只是在拟合最近的行情。 - **误区三：忽略行业分散**。核心池中如果5只都是AI概念股，本质上你只持有了一个风险敞口。 **用规则约束自己，而不是用情绪驱动操作**——这是观察池最大的价值。 --- 投资有风险，观察池只是缩小研究范围的工具，不构成任何买入建议，请根据自身风险承受能力独立决策。 --- > 🚀 **想用自然语言创建自己的 AI 量化技能？** > > 欢迎访问 **[股票搭子](https://jiademin2688.top)** —— 用一句话，让 AI 帮你搭建专属量化策略。