这轮工作从 8 月 10 日盘后一直做到 11 日凌晨。我让 AI 复盘本地「A 股交易 Alpha」里的七种短线策略，然后继续追问：如果初选出来的股票太多，能不能再做一次更精确的筛选，提高胜率，同时把尾部风险压下来？
起点：七式复盘并没有明显优势
第一步不是优化，而是把当天结果重新算清楚。七种策略去重后得到 38 只可买股票，开盘到收盘上涨 19 只、下跌 19 只，等权浮盈只有 0.093%；计入双边成本后约为 -0.18%。个别策略有亮眼样本，但样本太少；有些股票虽然被多个策略同时选中，仍然出现明显回撤。
这个复盘否定了一个过于简单的想法：多个公式“共振”，并不天然等于更高质量的机会。真正值得做的，是研究上涨组与下跌组在开盘前已经可见的差异，再对初选池做二次提纯。
方向转向：把集合竞价承接作为核心因子
横截面对比里，竞价量能和价格承接开始显示出区分度：上涨组的竞价换手率、竞价量占昨日成交量的比例、竞价价格路径，以及最终价格相对 VWAP 的位置，整体都好于下跌组。但“放量”也可能是派发，所以不能只看成交额，还要同时判断价格有没有承住、高开是否透支、尾段是否走弱。
于是我让 AI 把这条研究线拆成几个相互隔离的版本：旧策略继续封存，新版本只做研究；所有历史因子必须使用当时已经可得的数据；无法历史还原的撤单和盘口变化，只能从现在开始做前瞻采集，不能用盘后字段伪装成盘前信号。
V1 到 V4：每一版都允许失败
V1 建立了竞价承接基线。V2 加入前一交易日的流通市值和获利筹码比例，只在 V1 已选结果上做减法、不补入低排名股票。样本外同日上涨率从 56.95% 提高到 58.97%，次开净均值从 -0.0533% 转为 +0.1538%，最大回撤从 -25.43% 收窄到 -10.19%。不过，它没有达到预先设定的上涨率至少提升 3 个百分点的上线门槛，因此没有接入买入提醒。
V3 尝试用连续非线性模型处理市值、筹码和市场阶段，结果反而不如 V2。它改善了部分尾部指标，却没有提高上涨率和次开胜率。这个失败版本被完整保留下来，作为过拟合和跨阶段不稳定的对照，而不是被悄悄删掉。
V4 转向更有新增信息量的动态微观结构：竞价绝对路径、最终价格相对 VWAP、尾段位置、成交压力，以及同板块候选的相对领先度。滚动样本外结果是同日上涨率 59.15%、次开胜率 47.48%、次开净均值 +0.3517%、组合收益 +13.41%、最大回撤 -6.72%。它是目前综合表现最好的一版，但上涨率只比 V1 提高 2.20 个百分点，仍然没有越过预设的 3 个百分点门槛。
最终交付：不上线，先让时间验证
AI 最终没有把 V4 包装成“已验证盈利策略”，也没有让它选股、弹提醒或自动交易。相反，它建立了一条独立的前瞻影子线：每个交易日在 09:20:15、09:22:30、09:24:00 和 09:25:05 采集四个截面，记录价格路径、成交额增长、盘口失衡变化、买卖一档峰值留存和撤单代理，再在开盘后整理影子账本并用真实次开结果结算。
首个允许采集日期是 2026 年 8 月 11 日，计划观察 63 个交易日。部署时还补齐了原计划遗漏的周五采集，并完成 6 项生产测试；现有 V1 提醒保持不变。
这次最有价值的，不是某个数字
今天让 AI 做的事情，看起来是写脚本、跑回测、部署任务，真正重要的却是把研究纪律写进系统：只使用当时可获得的数据；训练、验证和样本外测试严格分开；先设上线门槛，再看结果；失败版本也保留；缺失的历史数据不回填造假；没有达到标准，就只进入影子观察。
AI 可以很快地把一个想法推进到代码、数据和自动化，但速度越快，越需要明确什么算“证明”，什么只是“线索”。这次没有得到一条可以立即执行的新策略，却得到了一套更可信的研究流程。对我来说，这反而是更重要的 Alpha。
本文只是个人的策略研究与系统开发记录，不构成投资建议。回测与前瞻观察均不能保证未来收益。