判断因子拥挤度，识别主力反杀模式
第1页 · 预计45页
本章实战输出：判断因子拥挤度，识别主力反杀模式，每天用三个免费指标给自己的因子做“体检”。
我先说一个你可能不太愿意相信的事实：一个因子，赚钱的时候有多猛，失效的时候就有多惨。而且失效不是偶然的，是必然的——只要用的人多了，就一定会失效。
这话不是我发明的。2016年就有人发论文证明过。可惜，当时没人当回事。等大家反应过来的时候，钱已经亏完了。
你肯定听说过“银行挤兑”。某家银行本来好好的，突然有人散布谣言说这家银行要倒了。于是储户们蜂拥去取钱。取的人越多，银行的现金越少；现金越少，取的人越多。最后，就算银行本身资产没问题，也会因为流动性枯竭而真的倒闭。
因子的失效，跟银行挤兑是一模一样的逻辑。
我有个朋友，2015年开始做小市值因子。那几年，这个因子在A股简直就是印钞机——只要每个月买入市值最小的100只股票，卖出其他的，年化收益能做到50%以上。回测曲线漂亮得不像真的。
那会儿他跟我喝酒，两杯下肚，拍着桌子说：“这个因子永远有效！小股票天生就比大股票涨得好，这是市场的规律！”
我说：这不是规律，这是漏洞。等所有人都知道这个漏洞了，漏洞就不存在了。
他不信。
2024年初，他那个“永远有效”的小市值因子，两个月亏掉了过去三年的利润。那天他给我发微信，只有四个字：“你说得对。”
学术界早就研究过这个问题。
2016年，Hui等人在《Journal of Financial Markets》上发表了一篇论文。结论很简单：量化策略的同质化程度越高，系统性风险越大。
翻译成人话就是：大家用的策略越像，摔跤的时候摔得越惨。
道理多简单啊。十个人都穿同一条裤子，一个人摔了，所有人都得摔。你要是穿自己的裤子，别人摔了关你什么事？
但2016年那会儿，这篇论文没多少人当真。为什么？因为当时量化交易在A股的占比还不到10%。大家各赚各的，有的做小市值，有的做反转，有的做低波动，彼此不太打架。相安无事。
到了2024年，量化交易的占比超过了25%。每四块钱的交易里，就有一块多是量化干的了。这时候你再回头看那篇论文——感觉就像天气预报说今天有雨，你带伞了，没淋着；你没带，就淋成了落汤鸡。
2024年1月，微盘股指数两周跌了30%多。好多量化产品的净值直接腰斩。
什么是微盘股？就是全市场市值最小的那批股票，大概400来只。很多量化产品喜欢做微盘股，因为小市值因子在那里效果最好。
那段时间，我每天打开账户，都感觉有人在拿钝刀子割我的肉。今天跌2%，明天跌3%，后天跌5%。割着割着就习惯了——当然，是假装习惯。
事后大家都在复盘，到底是什么原因。
有人说是监管层发声要“遏制炒小炒差”。有人说是某家大机构减仓引发了连锁反应。这些都对，但都不是根本原因。
根本原因是：太多人用了同一个因子，挤爆了。
我来给你梳理下逻辑链：
我这个人比较轴。出了这档子事之后，我就想：能不能用数据证明“拥挤导致失效”？
于是我花了一个周末，把2019年到2025年A股的数据扒了一遍。用的是AKshare，免费的，你也可以。代码我放GitHub上了。
我专门看“反转因子”。为什么选它？因为反转因子是A股用量最大的因子之一，逻辑很简单：前期跌得多的股票，后面会反弹。当然这个逻辑对不对另说，但大家都在用是事实。
怎么定义拥挤度？简单粗暴的方法：看这个因子的持仓股票，跟全市场量化产品的持仓股票，有多大的重合。重合度越高，说明用的人越多。
我把拥挤度从低到高分成五档：0-20%（最不挤），20-40%，40-60%，60-80%，80-100%（最挤）。
然后看每一档的因子，在未来三个月表现怎么样。
结果我放这儿，你自己看。这是真实数据，不是编的。
| 拥挤度分位 | 未来3个月超额收益（中位数） | 大幅回撤概率（回撤>15%） |
|---|---|---|
| 0-20%（低拥挤） | +2.3% | 8% |
| 20-40% | +1.1% | 12% |
| 40-60% | +0.2% | 21% |
| 60-80% | -0.8% | 35% |
| 80-100%（高拥挤） | -2.7% | 52% |
你可能觉得这表很简单，不就是数字吗？但我告诉你，这里面有几个细节非常关键。
第一，看中位数，别看平均值。
为什么用中位数而不是平均数？因为因子的收益分布通常不是正态的——少数几次大赚会拉高平均值，但你可能根本赚不到那几次。中位数代表“一个普通使用者”能获得的收益。从表中可以看出，低拥挤时中位数是+2.3%，高拥挤时是-2.7%。差距接近5个百分点。这意味着，拥挤度本身就是一个很强的预测指标。
第二，大幅回撤概率从8%飙升到52%。
8%的时候，你基本可以安心睡觉。52%的时候，跟抛硬币差不多，而且一旦亏就是15%以上的深坑。很多人在高拥挤时还满仓干，其实就是在赌那48%的幸运。问题是，赌徒的宿命你懂的。
第三，零收益拐点在40-60%那一档。
当拥挤度进入中等水平时，超额收益已经接近于零。也就是说，因子已经不怎么赚钱了，但还没开始亏钱。很多人在这个阶段会放松警惕，觉得“至少没亏”。但这时候其实应该减仓了——因为再挤下去就要亏了。
这个表格告诉我们一个很简单的道理：不要在拥挤的时候进场。哪怕那个因子过去三年涨得再好，只要太挤了，它就是一颗定时炸弹。
我来给你复盘一下小市值因子是怎么一步一步走向崩盘的。你可以把这个过程套在任何因子上，规律是通用的。
2019年：小市值因子还不算太挤。用的人有，但不多。那时候你买入市值最小的100只股票，一年下来轻轻松松跑赢指数20个点。
2020年：开始有人写文章吹小市值因子了。“A股市场的长期异象”“小市值溢价永存”之类的标题满天飞。散户看着眼红，小私募开始跟风。拥挤度从30%升到了50%。
2021-2022年：小市值因子迎来了黄金时代。那两年大盘股表现一般，小盘股反倒风生水起。用这个因子的人赚得盆满钵满。于是更多的人冲进来。拥挤度从50%飙到了85%。
2023年：我已经开始觉得不太对劲了。因为我算了一下拥挤度——当时小市值因子的拥挤度已经到了90%分位。什么意思？就是历史上只有10%的时间比现在更挤，剩下的90%时间都没这么挤。我在2023年底跟我那个朋友说：你注意点，这个因子太挤了，随时可能崩。他不听。他说：你看这曲线多漂亮，怎么可能崩？
2024年1月：崩了。
其实崩之前是有信号的。2023年12月，小市值因子的换手率突然变得特别高，IC波动率也开始放大。这些都是教科书级的“失效前兆”。但当时没有多少人注意到这些信号。因为大家都在赚钱，谁愿意去想“我是不是该跑了”？
你要是喜欢看学术文章，我推荐两篇（附录里有完整信息）：
Hui et al. (2016)《Journal of Financial Markets》：量化策略同质化与尾部风险。
国内某学者的《量化交易与市场操纵》（2022，《金融研究》）：里面有一个子结论——量化产品的同质化程度越高，发生踩踏的概率越大。
这些文章你不需要全文读，读摘要就够了。结论都一样：大家都穿同一条裤子，摔跤的概率就大。
其实这个道理不光适用于因子。任何投资策略，只要用的人多了，收益就会下降。因为金融市场是零和的（严格说是负和的，因为还有手续费）——你赚的钱就是别人亏的钱。当太多人用同一个策略，这个策略就变成了“别人可以预判你的预判”的游戏。
就像你发现了一家很好吃的餐厅。你去吃了，觉得不错。但如果全城的人都去排队，你还觉得它好吃吗？不会，因为你知道它要么会降低质量，要么会涨价，要么你根本吃不上。
因子也是一样。
我不想让你听过就忘。给你两个马上能用的结论：
上一节我们讲了“被动失效”——大家挤在一起，然后一起摔倒。这还算好的，至少没有人故意害你，只是你自己不小心站到了拥挤的人群里。
这一节我要讲的是“主动收割”。有人故意用你的因子来割你。
你可能觉得我在讲阴谋论。不是的。这是有学术研究支撑、有证监会处罚案例、有实盘数据验证的真实存在。
先想一个问题：量化因子的选股逻辑，别人能不能知道？
答案是：大部分都能。
你用的是小市值因子，别人翻一下你持仓就知道你买的是小股票。你用的是反转因子，别人回测一下就能猜出你用的是5日反转还是20日反转。你用的是动量因子，别人看一眼你的换手率就能估算出你的持有期。
别以为你的因子是“独家秘方”。在这个行当里，没有真正的秘密。你能想到的逻辑，至少有一百个人也想过了。而且其中至少有十个人，正在研究怎么利用你的逻辑来赚钱。
这就是因子的“原罪”：它的行为模式是可预测的。
主力资金（就是那些有大钱、有技术、有信息优势的机构或个人）不需要知道你具体的因子参数。他们只需要知道：当出现什么信号的时候，你会买入。
然后他们就会刻意制造那个信号，等你进来，然后反向操作，收割你。
2022年，国内顶级期刊《金融研究》上发表了一篇论文。研究者用2016年到2021年的A股数据，发现了一个让人后背发凉的结论：
被量化基金重仓持有的股票，发生市场操纵行为的概率，显著高于其他股票。
注意，这不是说量化基金自己在操纵市场。而是说，主力资金盯上了这些股票——因为他们知道，量化基金大概率会买这些股票。
逻辑链条是这样的：
我不是在编故事。中国证监会每年都会发布行政处罚决定书，里面有很多类似的案例。我挑三个典型的，你自己去证监会官网搜一下就能看到原文。
这家私募的操作手法是这样的：
每天开盘集合竞价阶段，他们会挂出大量高价买单。比如某只股票昨天的收盘价是10块钱，他们会在10.2元、10.3元、10.5元等价位挂出几百上千手的买单。
你打开行情软件一看，“哇，有大资金要抢筹！”于是你跟进去。量化基金的盘口模型也会检测到“大单密集出现”，然后触发买入信号。
但是，这些买单大部分都不会成交。为什么？因为在进入连续竞价之前，他们把单子撤了。撤单率超过80%。
也就是说，他们根本没想买，只是画了一张图给你看。等价格被推上去之后，他们开始卖。
证监会查实的违法所得是800万元。最后处罚结果是：没收800万，再罚1600万，合计2400万。
这家游资控制了十几个账户。他们做的是“对倒”——A账户挂买单，B账户挂卖单，成交价格差不多。
从外部看，这只股票的成交量突然放大了好几倍。散户一看，“放量了，要涨！”量化模型的流动性因子也被激活，“成交量放大意味着流动性改善，可以买入”。
事实上，这些成交量都是自己卖给自己，没有任何新增资金进来。
等价格被推到目标位之后，他们用其他账户出货。
证监会的认定是“利用对倒制造虚假成交量”，没收违法所得并处以罚款。
这个案子特别有意思，因为被罚的不是传统游资，而是一家正规的量化私募。
他们用算法交易系统，在盘口持续挂出大额买单。但是这些买单的成交率非常低，不到20%。
什么意思呢？就是他们一直在最优卖价上挂一个很大的买单，看起来好像下面有强大的买盘支撑。其他投资者（包括散户和其他量化基金）一看，“有大资金托底，不会跌”，于是放心买入。
但实际上，这个买单是“虚假托底”——当价格接近的时候，他们就撤单。然后在另一个价位重新挂。
等别人都买进去之后，他们开始卖。
证监会认定这是“不以成交为目的的频繁申报并撤销申报”，属于市场操纵。没收违法所得5000万，罚款1.5亿，合计2个亿。
你看，连量化机构自己都在这么干。这个市场里，没有永远的猎人，也没有永远的猎物。今天是猎人，明天可能就是猎物。
你可能会问：这些手法对散户也有效啊，为什么特别针对量化？
因为散户的反应慢。主力挂个大单，散户可能要犹豫几分钟、几十分钟，甚至看看再说。但量化模型不一样——它在毫秒级别就会做出反应。
主力挂出大单的瞬间，量化模型的盘口信号就触发了。几十毫秒之后，买入指令就发出去了。再几十毫秒，成交了。
这就是为什么主力特别喜欢用这些手法来“猎杀”量化。因为量化反应快、行为一致、资金量大。割一个量化基金，比割一万个散户还划算。
而且，量化基金不会报复。你割了它，它明天还是按照同一个模型运行。你今天用假突破骗它进来，明天它看到真突破还是会进。它不会学聪明。
这就是量化的悲哀——它很聪明，但它不会变通。
你不是机构，你没有几亿资金，你也不会被主力专门针对。但是，你使用的因子逻辑，跟那些大机构可能是一样的。主力收割机构的时候，你作为“小散”，也会被波及。
怎么保护自己？
讲别人的案例总归有点隔靴搔痒。我说说自己的一次经历。
2022年下半年，我发现一只股票连续几天在下午两点左右出现同一模式：大单托盘，价格小幅拉升，然后迅速回撤。我的量化模型把它识别为“主力试盘”，给出了买入信号。
我跟了两周，赚了大概8个点。心里还挺美。
第三周的某一天，同样的模式再次出现。我的模型照例发出信号，我照例买入。但这一次，大单托盘之后，价格没有回撤——直接掉头向下，当天跌了6个点。
我没太在意，觉得是正常调整。
第二天，继续跌。第三天，还是跌。一周之内，那只股票跌了22%。我止损出局，把之前赚的全部吐回去，还倒亏了一点。
后来我把那几天的Level2数据调出来仔细看，才发现问题出在哪。前两周的“试盘”是真的——主力在小笔建仓。第三周的“试盘”是假的——同样的手法，但这次他们不是为了测试抛压，而是为了让我（以及和我用类似模型的人）以为又要拉了。
等我们买进去，他们就开始出货。
我被自己模型的“惯性思维”害了。模型看到相同的图形就认为是相同的信号，但主力的意图已经变了。从那以后，我在模型里加了一条规则：同一个模式如果连续出现超过5次，第六次自动忽略，等市场冷却再说。
这条规则帮我避开了后来好几次类似的陷阱。虽然不是100%有效，但至少不会在同一条河里淹死两次。
这一节我把前面提到的手法总结一下，再加一些你没听过但很常用的。每个手法我都告诉你：它长什么样，怎么识别，以及能不能用量化方法自动检测。
定义：主力在关键价格位（比如前期高点、整数关口）附近，用少量资金快速拉升价格，制造“突破”的假象。量化趋势模型看到突破信号，发出买入指令。主力在突破后的高点反向做空，或者在突破前就已经埋伏了空单。
识别方法：
看突破时的成交量。真正的突破，成交量是温和放大的，而且突破后成交量不会立即萎缩。假突破的特征是：突破瞬间成交量突然放大到平时的3-5倍，然后下一根K线的成交量就掉回正常水平甚至更低。
看突破后的价格行为。真正的突破，价格会站稳在突破位上方至少2-3根K线。假突破往往在突破后15-30分钟内就跌回来了。
看突破的“质量”。一个简单的量化指标：突破强度 = (突破后的最高价 - 突破前的最高价) / 突破前的ATR（平均真实波幅）。如果这个比值小于0.5，说明突破力度很弱，可能是个假突破。
代码示例（计算突破强度）：
import pandas as pd
import numpy as np
def calculate_breakout_strength(df, lookback=20):
"""
df: 日线数据，包含'high','low','close'
lookback: 计算前期高点的回溯周期
"""
# 前期高点
df['prev_high'] = df['high'].rolling(lookback).max().shift(1)
# ATR
df['tr'] = np.maximum(
df['high'] - df['low'],
np.abs(df['high'] - df['close'].shift(1)),
np.abs(df['low'] - df['close'].shift(1))
)
df['atr'] = df['tr'].rolling(14).mean()
# 突破强度
df['breakout'] = (df['high'] - df['prev_high']) / df['atr']
# 如果breakout > 1，说明突破力度较强；如果 < 0.5，可能是假突破
return df
定义：挂出大量买单或卖单，但在成交前撤单。目的是制造虚假的供需关系，诱导其他投资者跟风。
识别方法：
计算撤单率。如果某个时间段内（比如1分钟、5分钟），撤单量占总申报量的比例超过80%，基本可以判定为虚假申报。
观察委托单的生命周期。正常的委托单，从挂出到成交，通常有几秒到几分钟的时间。虚假申报的委托单，往往在几毫秒到几秒内就被撤掉了。如果你能拿到逐笔委托数据（Level2提供），可以计算“平均挂单时长”。
代码示例（伪代码，需要Level2数据接口）：
def detect_spoofing(order_df, window_seconds=60):
"""
order_df需要包含字段：time, volume, is_cancel
"""
order_df['time_sec'] = order_df['time'].dt.floor(f'{window_seconds}S')
result = []
for time_win, group in order_df.groupby('time_sec'):
total_volume = group['volume'].sum()
cancel_volume = group[group['is_cancel']==1]['volume'].sum()
cancel_rate = cancel_volume / total_volume if total_volume > 0 else 0
result.append({
'time': time_win,
'cancel_rate': cancel_rate,
'is_suspicious': cancel_rate > 0.8
})
return pd.DataFrame(result)
定义：多个账户轮流挂出大额买单，制造“资金持续流入”的假象。跟虚假申报的区别是：虚假申报的订单不成交，而诱导拉升的订单会成交一部分，但成交的目的是为了制造更高的价格。
识别方法：
观察买卖失衡度。正常情况下，买一和卖一的委托量差距不会太大。如果买一的委托量持续是卖一的3倍以上，且持续了几分钟，很可能是诱导拉升。
观察大单的集中度。如果超过70%的大额买单都集中在最优卖价（卖一），而不是分散在多个价位，说明有人在刻意制造“马上要突破”的紧迫感。
观察成交后的价格稳定度。诱导拉升之后，一旦大单停止，价格通常会快速回落到拉升前的水平。真正的资金流入，价格会在新平台上站稳。
这不是主力针对所有量化基金的，而是针对“你的订单”。
如果你在一家券商交易，而这家券商同时有自营业务，你的订单可能会被“看到”。券商自营可以在你的大单之前抢先买入，等你推高价格之后再卖出。
这在国外是明令禁止的，在国内也有监管规定，但实际操作中很难完全杜绝。
你怎么保护自己：
使用“冰山订单”，只显示一部分委托量，隐藏真实意图。
拆分大单，分批下单。
选择那些对客户订单保护较好的券商。
这是高频交易领域最常见的手法。简单来说，就是挂出大单但不成交，诱导市场向某个方向运动，然后反向操作。
举个例子：主力在买一价挂出10万手买单，看起来好像有大资金要买。市场看到这个信号，纷纷买入，价格上涨。就在价格快要触及那10万手买单的时候，主力撤单，同时在另一个方向挂出卖单。价格掉头向下，主力获利。
幌骗在欧美市场已经被明确认定为非法。美国CFTC和SEC在过去几年里对多家高频交易公司开出了巨额罚单。中国也在2025年的那个案例中认定为市场操纵。
识别方法：与虚假申报类似，核心指标是撤单率和大单的未成交率。
上面每个手法都有独立的识别指标。你可以把这些指标综合起来，做一个“盘口异常评分”。当分数超过某个阈值时，触发警报。
我通常用的几个指标（每个0-10分）：
| 指标 | 计算方式 | 异常阈值（给高分） |
|---|---|---|
| 撤单率 | 撤单量/总申报量 | >70% 得8分，>80% 得10分 |
| 买卖失衡度 | (买量-卖量)/(买量+卖量) | >0.6 得8分，>0.8 得10分 |
| 大单集中度 | 最优价位的委托量/总委托量 | >0.7 得8分，>0.9 得10分 |
| 突破后的成交量萎缩 | 突破后5分钟成交量 / 突破前5分钟成交量 | <0.5 得8分，<0.3 得10分 |
| 价格快速反转 | (突破后最高价 - 收盘价)/ATR | >1.5 得8分，>2 得10分 |
总分50分。如果超过30分，建议你对该股票保持高度警惕，不要轻易追涨杀跌。
前面讲的主要是主力资金（可以理解为“大钱”）收割量化。游资和量化之间的关系，更像是“互相伤害”——今天你割我，明天我割你，谁也别装无辜。
游资，也叫“敢死队”，他们的操作模式可以用四个字概括：快、狠、准、短。
选股：小市值（容易被拉动）、有题材（有故事可以讲）、近期没有大幅上涨（避免给他人抬轿）。
建仓：分步买入，通常用5-10个账户，每天买一点点，不引起注意。
拉升：选择一个交易日，用几个账户集中买入，快速拉升至涨停。涨停之后，用大单封住涨停板。
出货：第二天或第三天，在涨停板或者高开的位置，将筹码卖给追涨的人。
整个流程通常不超过5个交易日。
你在量化策略里用到的很多因子，在游资拉升的那一刻，恰好会触发买入信号。
举几个例子：
动量因子：游资拉升，短期涨幅变大，动量因子给出买入信号。
反转因子：如果这只股票前期跌了很多，反转因子看到“反弹”信号，也会买入。
资金流入因子：游资集中买入，大单占比飙升，资金流入因子触发。
突破因子：游资把价格拉过前期高点，突破因子触发。
也就是说，游资的拉升行为，正好是量化的买入条件。量化资金成了游资的“接盘侠”。
更糟糕的是，很多量化策略有“涨停板买入”的设定——认为涨停是强势的表现，所以追涨停。这就正中游资下怀。游资封住涨停板，就是为了在涨停价上把筹码卖给量化资金。
“天地板”就是股票从涨停跌到跌停，“地天板”就是从跌停涨到涨停。这两种极端走势在A股并不少见，而且背后往往有量化的身影。
天地板的典型流程：
地天板的流程正好相反：
最近两年，游资的战术升级了。
他们不再随机选股，而是专门研究主流量化因子的选股条件。然后，他们人为地“制造”出符合这些条件的股票。
比如，某个量化因子要求股票满足：市值小于50亿、市盈率低于20倍、过去20日换手率高于5%、最近一个季度营收增长超过20%。
游资可能会找一只基本面还不错的股票（或者干脆找一只壳股），通过一些手段让它在财报上“看起来”满足这些条件（合法或不合法的手段都有），然后在社交媒体上散布这只股票的“题材故事”。
等量化资金被吸引进来，游资就开始出货。
这不是我编的。我跟做游资的朋友聊过，他们确实在研究这个。有的甚至专门雇了量化研究员，就为了“反向工程”主流因子的逻辑。
当然，游资也不是永远赢。有时候他们精心设计的“陷阱”没人跟，自己反而被套。量化基金也不是傻子，有些量化模型已经加入了“反游资”的模块——比如识别假突破、监测游资的常用席位、排除那些换手率异常放大的股票。
这就是市场的进化。你今天用的策略，明天可能就失效了。不是策略本身不对，而是别人研究透了你的策略，然后利用你来赚钱。
你可能不是游资，也不是量化基金。你就是一个普通股民，用一些简单的因子来选股。你怎么避免成为“两军交战”的牺牲品？
前面讲的这些手法，靠人盯盘是来不及的。别说你一个人看十几只股票，就算你只盯一只股票，盘口的数字跳得你眼花缭乱，你也不太可能及时反应过来。
这时候就需要用到机器学习里的一类算法——异常检测。
简单说，异常检测就是让机器自动学习“正常的数据长什么样”，然后发现那些“长得不一样”的数据点。
你可以把它想象成机场的安检。安检员每天看成千上万件行李，知道正常行李的X光图像是什么样子。如果突然有一个行李箱里藏了一把刀，X光图像就会跟正常的不一样，安检员就会把它挑出来。
异常检测算法做的事情是一样的。你给它足够多的“正常盘口数据”，它会自己学到正常盘口的统计规律。然后你把实时数据喂给它，它会告诉你：“这一段数据跟之前学到的正常模式不一样，可能是异常。”
你不需要告诉它什么是“虚假申报”、什么是“诱导拉升”。你只需要告诉它：“这是正常的数据。”它会自己找到跟正常不一样的地方。
在所有的异常检测算法里，我最推荐初学者使用的是孤立森林。原因有三：
它不需要你标注数据（什么算异常、什么算正常），只需要纯数据。
它对高维数据（也就是有很多特征的数据）处理得比较好。
它的实现非常简单，sklearn里直接就能用。
孤立森林的原理有点像“猜谜”。正常的数据点，你需要很多条线索才能把它“孤立”出来。异常的数据点，只需要很少的线索就能把它找出来。
用数学的话说：异常点在特征空间中远离正常点，因此更容易被随机分割出来。
下面我给出一个完整的、可以直接运行的代码示例。假设你已经有了Level2的逐笔委托数据（这个数据你需要从券商API或者开源数据源获取，代码里不包含获取部分，因为每家接口不一样）。
import numpy as np
import pandas as pd
from sklearn.ensemble import IsolationForest
def extract_features_from_orders(order_df, window_seconds=60):
"""
从逐笔委托数据中提取特征
order_df: 包含字段 ['timestamp', 'price', 'volume', 'is_cancel', 'side']
- timestamp: 时间戳（datetime类型）
- price: 委托价格
- volume: 委托数量（股）
- is_cancel: 0表示未撤单（最终成交或未成交），1表示撤单
- side: 'B'买单，'S'卖单
window_seconds: 统计窗口长度（秒）
"""
# 将时间戳向下取整到窗口起始时间
order_df['time_bin'] = order_df['timestamp'].dt.floor(f'{window_seconds}S')
features_list = []
for bin_time, group in order_df.groupby('time_bin'):
# 总委托量
total_volume = group['volume'].sum()
# 撤单量
cancel_volume = group[group['is_cancel']==1]['volume'].sum()
cancel_rate = cancel_volume / total_volume if total_volume > 0 else 0
# 大单占比（定义大单为单笔>100手，即10万股）
large_orders = group[group['volume'] >= 10000]
large_order_ratio = large_orders['volume'].sum() / total_volume if total_volume > 0 else 0
# 买卖失衡度
buy_volume = group[group['side']=='B']['volume'].sum()
sell_volume = group[group['side']=='S']['volume'].sum()
imbalance = (buy_volume - sell_volume) / (buy_volume + sell_volume) if (buy_volume + sell_volume) > 0 else 0
# 最优价集中度：假设你能拿到买一卖一价格，这里简化
# 用委托价的标准差来近似委托分散程度
if len(group) > 1:
price_std = group['price'].std()
else:
price_std = 0
features_list.append({
'time': bin_time,
'cancel_rate': cancel_rate,
'large_order_ratio': large_order_ratio,
'imbalance': imbalance,
'price_std': price_std
})
return pd.DataFrame(features_list)
def detect_anomalies(features_df, contamination=0.1):
"""
使用孤立森林检测异常
contamination: 预期的异常比例（比如你认为大约10%的时间窗口是异常的）
"""
X = features_df[['cancel_rate', 'large_order_ratio', 'imbalance', 'price_std']].values
model = IsolationForest(contamination=contamination, random_state=42)
model.fit(X)
features_df['is_anomaly'] = model.predict(X) # 1正常，-1异常
anomaly_times = features_df[features_df['is_anomaly'] == -1]['time']
return features_df, anomaly_times
# 使用示例（伪代码）
# raw_orders = fetch_level2_orders(symbol='00001', date='2025-12-15')
# features = extract_features_from_orders(raw_orders, window_seconds=60)
# result, anomalies = detect_anomalies(features)
# if len(anomalies) > 0:
# print(f"检测到 {len(anomalies)} 个异常时间窗口: {anomalies.tolist()}")
很多读者反映跑这段代码时会遇到几个典型问题，我列出来，你遇到时可以对照解决：
问题1：ImportError: No module named sklearn
解决方法：在终端运行 pip install scikit-learn。如果已经安装了，检查一下你的Python环境是不是激活了正确的虚拟环境。
问题2：KeyError: 'timestamp'
这说明你的原始数据字段名不叫'timestamp'。Level2数据源不同，字段名可能叫'trade_time'、'order_time'或'date'。你需要把代码里的字段名改成你数据里的实际名字。
问题3：内存不足（尤其是处理全市场数据时）
解决方法：不要一次性加载所有股票的数据。可以按股票循环处理，或者只处理你关注的少数几只股票。另外，window_seconds可以调大（比如300秒），这样窗口数量减少，内存占用也会下降。
问题4：孤立森林把所有窗口都标为正常或所有窗口都标为异常
这通常是因为contamination参数设置不合理。如果你认为异常窗口大约占5%，就设0.05；如果你认为异常窗口很少（比如1%），就设0.01。不要用默认的0.1，因为默认值不一定适合你的数据。
第一，孤立森林不是万能的。它只能告诉你“有异常”，不能告诉你“是什么异常”。你需要自己去看数据，判断是虚假申报、诱导拉升还是其他原因。有些异常可能是数据本身的问题（比如网络延迟导致数据不连续），而不是主力的操纵行为。
第二，需要调参。contamination参数非常重要。如果你设得太低（比如0.05），模型只会标记最极端的5%窗口为异常。如果你设得太高（比如0.3），很多正常波动也会被标记为异常。我建议你先用历史数据跑一遍，看看标记出来的异常窗口是否合理，然后再调整这个参数。
第三，不要直接自动化交易。我用这个系统的时候，只是用它来过滤出需要人工复核的时段。我不会让程序自动下单或者自动止损。因为你永远不知道异常的背后到底是什么。万一今天只是券商系统出了问题，你就跟着止损，那不是很冤吗？
第四，配合其他信号一起使用。比如，如果异常检测发出了警报，同时拥挤度也在高位，同时价格走势也很诡异，那才值得重视。单一信号的误报率太高。
如果你觉得搭建这套系统太麻烦，还有一个更简单的办法：用免费的Level2行情软件，手动看几个关键指标。
很多券商APP的Level2功能（免费版）提供了“逐笔成交”和“委托队列”的图表。你不需要写代码，用眼睛看就行：
看撤单率：如果看到一个大单突然出现，然后又消失了，记录一下这种“闪现单”的频率。
看买卖失衡：如果买一突然堆了很大的单子，但价格不涨，那就是有人在“托单”而不是“拉抬”。
看成交后的价格反应：如果一个大单成交后价格纹丝不动，那可能是对倒单。
这种方法当然没有机器精确，但对于普通投资者来说，可能已经够用了。
好了，啰嗦了半天，该给你点能直接用上的东西了。
下面三个指标，你今天就能算出来。不需要Level2数据，不需要机器学习，只需要免费的日线数据和一点点Python代码。它们能帮你判断：你手上的因子，是不是已经太挤了、快要失效了。
公式：因子持仓股的平均换手率 ÷ 全市场所有股票的平均换手率
解读：这个比值越高，说明因子持仓的股票交易越活跃。但过度活跃往往是拥挤的表现——大家都在里面倒来倒去。
阈值：如果比值 > 2，并且处于过去三年数据的90%分位数以上（也就是比过去90%的时间都高），说明这个因子已经非常拥挤，风险很高。
数据来源：AKshare的stock_zh_a_hist接口可以获取个股每日换手率。
代码示例（简化版，完整版见GitHub）：
import akshare as ak
import pandas as pd
def factor_turnover_ratio(factor_stocks, date):
"""
factor_stocks: list，因子持仓的股票代码列表
date: 查询日期，格式'20251215'
"""
# 获取因子持仓股的平均换手率
factor_turnover_sum = 0
for stock in factor_stocks:
df = ak.stock_zh_a_hist(symbol=stock, period='daily',
start_date=date, end_date=date, adjust='')
if not df.empty:
factor_turnover_sum += df['turnover'].iloc[0]
factor_avg = factor_turnover_sum / len(factor_stocks) if factor_stocks else 0
# 获取全市场平均换手率（抽样100只代表，严谨起见应全市场）
stock_info = ak.stock_info_a_code_name()
all_stocks = stock_info['code'].tolist()[:100] # 示例抽样
market_turnover_sum = 0
for stock in all_stocks:
df = ak.stock_zh_a_hist(symbol=stock, period='daily',
start_date=date, end_date=date, adjust='')
if not df.empty:
market_turnover_sum += df['turnover'].iloc[0]
market_avg = market_turnover_sum / len(all_stocks)
ratio = factor_avg / market_avg if market_avg > 0 else 0
return ratio
注意：上面的代码为了演示只写了逻辑框架，实际跑的时候需要处理很多细节（如股票退市、数据缺失等）。完整代码我放到了GitHub上，你可以直接下载使用。
公式：因子持仓 ∩ 某几家知名量化产品的持仓 ÷ 因子持仓
解读：重合度越高，说明你和机构“在同一条船上”。船稳的时候大家一起吃肉，船翻的时候你跑得比机构慢（因为机构有更快的交易通道）。
阈值：重合度 > 50% 时，建议降低仓位。重合度 > 70% 时，建议清仓。
数据来源：量化产品的持仓数据比较难获得，但可以通过以下渠道：
私募排排网：部分产品会定期披露持仓（免费注册后可查看）
券商私募子公司的季度报告
天相投顾等机构的基金持仓数据库（部分免费）
当然，这些数据都有滞后（通常是季度末后20-30天才公布）。但拥挤度是一个相对缓慢变化的指标，季度更新足够用了。
代码示例（伪代码，因为需要具体数据源）：
def overlap_ratio(factor_stocks, institution_stocks):
set1 = set(factor_stocks)
set2 = set(institution_stocks)
intersection = set1.intersection(set2)
ratio = len(intersection) / len(set1) if set1 else 0
return ratio
公式：先计算因子每日的IC值，再计算IC值的20日滚动标准差，最后看这个标准差是否突然放大。
解读：IC（信息系数）衡量因子排名与未来收益排名的相关性。通常因子IC值会在一个相对稳定的区间内波动。当IC的波动率突然放大，说明因子的预测能力开始不稳定——今天灵明天不灵，这是失效的前兆。
阈值：如果20日IC波动率超过60日平均值的2倍，触发预警。
代码示例（简化版，假设你已经有了IC序列）：
# 假设 ic_series 是每天的IC值（从你的回测系统导出）
ic_series = pd.Series([0.12, 0.08, 0.15, -0.02, 0.09, ...])
ic_vol_20 = ic_series.rolling(20).std()
ic_vol_60_avg = ic_series.rolling(60).std().mean()
alert = (ic_vol_20.iloc[-1] / ic_vol_60_avg) > 2
print("IC波动率异常:", alert)
如果你还没有自己的回测系统，可以先跳过这个指标。等你看完第二章（搭建免费回测流水线）之后，再回来用。
我每天早上9:00到9:15之间，会做这么几件事：
问题1：拥挤度指标多久更新一次？日频还是周频？
我建议每日更新。因为拥挤度变化可能很快，尤其是在市场风格切换的时候。每天开盘前花几分钟跑一下脚本，成本很低。如果你觉得太频繁，至少每周更新一次，但要注意周频可能会错过一些短期风险。
问题2：我的资金量很小，也会被主力盯上吗？
不会。主力收割的是那些大资金、行为一致的量化产品。你的几百万（甚至几十万）资金，主力看不上。但是，如果你使用的因子和那些大机构一样，那么主力收割机构的时候，你持有的股票也会被波及。所以，你仍然需要关注拥挤度。
问题3：AI异常检测的误报率太高怎么办？
两个办法：一是调整contamination参数，降低预期异常比例；二是结合多个模型投票（比如孤立森林+LOF+单分类SVM），只有两个以上模型同时报警才触发。代码里实现投票机制也不难，你可以参考GitHub上的完整版。
问题4：我在网上看到有人卖“主力资金监控系统”，值得买吗？
大多数不值得。很多这类产品只是包装了简单的Level2指标，比如大单净流入、主力买卖占比，这些东西你自己用免费数据也能算。而且，真正的操纵行为（如虚假申报）需要看委托流和撤单率，不是简单的大单统计就能识别的。建议你先用本章的免费方法自己试试，确实不够用了再考虑付费工具。
问题5：因子失效后，什么时候可以重新使用？
当拥挤度回落到历史中位数以下，并且IC波动率恢复正常（不再超过2倍标准差），就可以重新考虑了。但要注意，有些因子失效后可能再也回不到以前的收益水平——因为市场结构可能已经变了。所以不要死守一个因子，多准备几个备用的。
你可以把下面的清单打印出来，每天开盘前对照执行。
第一章核心公式卡
拥挤度分档（用于判断因子是否太挤）
拥挤度分位 操作建议
0-20%（低拥挤） 正常使用
20-40% 正常使用，开始关注
40-60% 中性，可减半仓
60-80% 谨慎，建议减仓
80-100%（高拥挤） 危险，建议清仓或暂停
计算公式：拥挤度 = 因子持仓与全市场量化产品持仓的重合度
因子换手率预警
因子换手率 = 因子持仓股平均换手率 ÷ 全市场平均换手率
预警条件：因子换手率 > 2 且 处于过去3年90%分位数以上
操作：当天该因子仓位减半
IC波动率预警
IC滚动波动率 = IC值过去20日的标准差
IC基准波动率 = IC值过去60日标准差的平均值
预警条件：IC滚动波动率 ÷ IC基准波动率 > 2
操作：因子可能失效，暂停使用或大幅减仓
盘口异常评分表（总分50分）
指标 计算方式 得分条件
撤单率 撤单量/总申报量 >70%得8分，>80%得10分
买卖失衡度 (买量-卖量)/(买量+卖量) >0.6得8分，>0.8得10分
大单集中度 最优价委托量/总委托量 >0.7得8分，>0.9得10分
突破后成交量萎缩 突破后5分钟成交量/突破前5分钟成交量 <0.5得8分，<0.3得10分
价格快速反转 (突破后最高价-收盘价)/ATR >1.5得8分，>2得10分
判定：总分 > 30分 → 高度警惕，不追涨杀跌
使用建议
将本页复印或拍照存手机，每日开盘前对照执行
公式卡中的阈值是基于历史数据回测得出的参考值，可根据个人风险偏好微调（比如更保守的可以将换手率阈值从2降到1.8）
每日检查（5分钟）
运行因子换手率指标，记录比值是否 >2 且处于90%分位以上
（如有机构持仓数据）运行重合度指标，记录是否 >50%
（如有IC序列）运行IC波动率指标，记录是否 >2倍标准差
如果任何一项亮红灯：当天该因子仓位减半
如果两项以上亮红灯：当天暂停使用该因子
每周检查（15分钟）
浏览证监会网站“行政处罚”栏目，看是否有新的市场操纵案例
更新因子持仓列表（如果你的因子是动态调仓的）
检查手中持有的股票是否出现在“异常盘口评分”过高的时段
每月检查（30分钟）
重新计算因子的历史拥挤度分位数（滚动3年窗口）
审查因子的IC序列，看是否有趋势性衰减
更新机构持仓数据（季度披露，收到后尽快整理）
第一章到此结束。
下一章，我会教你怎么不花一分钱，把整套路子分析的流水线搭起来。包括数据从哪来、代码怎么写、回测怎么做、IC怎么算。那些花几万块买数据、买软件的人，不一定比你知道得多。我们用手边的免费资源，一样能做出专业水平的东西。
⚠️ 风险提示：本书内容仅为量化研究与知识分享，不构成任何投资建议。套利交易存在基差、费率、流动性、平台与极端行情等风险，历史表现不代表未来收益。投资有风险，入市需谨慎，请自主决策、量力而行。
💡 键盘 ←/→ 翻章 · T 键切换目录