Sequoia-X 高而窄旗形量化选股策略：手把手跑通强势股旗形形态识别，收盘后自动推送飞书
【免费下载链接】Sequoia-XA股自动选股系统 — 多种技术形态自动扫描，收盘后自动运行并推送飞书项目地址: https://gitcode.com/GitHub_Trending/se/Sequoia-X
你盯盘时发现一只 A 股两个月涨了 70%，随后缩量趴了十天，是歇脚还是出货？手工翻五千只票不现实，你需要一套算得出来的规则替你筛。
📌 这个模块到底在解决什么问题
高而窄的旗形策略解决的是"从全市场系统性找出处于高位盘整阶段的强势股"这个形态识别问题。它处在 Sequoia-X 每日流水线的中段：上游数据引擎先把当日 K 线同步进本地 SQLite，下游推送模块把选中代码路由到专属飞书机器人。
说白了，整条流水线就是"同步数据 → 7 个内置策略并行扫描 → 结果推飞书"，HighTightFlag 是其中专管"旗形"的那一个，选中结果由 main.py 统一调度。
🔍 判断逻辑拆解：它凭什么给你信号
策略 high_tight_flag.py 用 4 个硬条件加 1 个样本门槛做判断：
- 强动量（旗杆要够高）：近 40 天最高价/最低价 > 1.6。大白话：40 天内至少涨过 60%，没有旗杆谈不上旗形。
- 极度收敛（旗面要够窄）：近 10 天最高价/最低价 < 1.15。大白话：最近 10 天振幅压在 15% 以内，横得越窄，越像抛压消化完。
- 高位抗跌（盘整得发生在高位）：近 10 天最低点 ≥ 40 天最高价的 80%。大白话：回落不能太深，跌掉两成就不是歇脚而是出货。
- 缩量确认（旗面要安静）：今日成交量 < 20 日均量 × 0.6。大白话：盘整必须配缩量，"横而不缩"的旗面不算数。
- 样本量门槛：K 线不足 40 根直接跳过，次新股和数据不全的票进不了候选池。
核心判断就是几行向量化运算，拿这一段看：
tail40, tail10 = df.tail(40), df.tail(10) momentum = tail40["high"].max() / tail40["low"].min() > 1.6 consolidation = tail10["high"].max() / tail10["low"].min() < 1.15 high_level = tail10["low"].min() >= tail40["high"].max() * 0.8 shrink = df["volume"].iloc[-1] < df["volume"].iloc[-21:-1].mean() * 0.6 if momentum and consolidation and high_level and shrink: selected.append(symbol)关键参数都能按行情调：
| 参数 | 默认值 | 通俗解释 |
|---|---|---|
| 动量阈值 | 1.6 倍 | "旗杆"多高才算：40 天高低点之比要超过它 |
| 收敛阈值 | 1.15 倍 | "旗面"多窄才算：近 10 天振幅上限 |
| 高位抗跌下限 | 80% | 旗面最低点不得低于 40 天最高价的这个比例 |
| 缩量倍数 | 0.6 倍 | 今日量要小于 20 日均量的这个比例 |
| 最少 K 线 | 40 根 | 样本量门槛，不够数的票直接跳过 |
📊 数据从哪来，中间做了哪些清洗
数据源是 baostock（免费、免注册、无限流），拉取的是后复权日 K：开盘、最高、最低、收盘、成交量、成交额，统一落在本地 SQLite。所有取数逻辑集中在 engine.py，分两个入口：
- backfill() 全量回填：单线程保守拉取，每 200 只自动重连防长连接超时，单只失败重试 3 次、间隔递增，中断重跑会自动跳过已入库的；
- sync_today_bulk() 日常增量：8 进程并行，每只股票只拉"最后入库日 + 1 天"到今天的缺口，全市场更新 2~3 分钟。
入库前还有三道清洗：
to_numeric统一转数值，收盘价缺失的行直接丢弃；- 只保留 volume > 0 的行，停牌无成交的交易日不会污染窗口统计；
- 表级 UNIQUE(symbol, date) 约束 + 先删后插，杜绝重复脏数据。
选后复权而不是前复权，是因为历史价格不变、增量追加不会全库重算，除权除息也不会让旧数据错乱。
🚀 从克隆到出结果：最小可运行路径
四步出信号，时间大头在首次回填：
- 克隆仓库：
git clone https://gitcode.com/GitHub_Trending/se/Sequoia（需 Python ≥ 3.10）； - 装依赖：
uv sync（或pip install .）； - 配环境：
cp .env.example .env，填入必填的feishu_webhook_url； - 回填 + 日常跑：
python main.py --backfill（约 12 分钟，约 5200 只），之后每天python main.py（2~3 分钟），配 crontab 在每周五 15:15 收盘后执行即可。
回测与调参方向：
- 默认回填起点 2024-01-01（.env 里 start_date 可改），回测建议至少覆盖一段完整牛熊，两年到三年的日线数据起步；
- 动量阈值 1.6：热闹行情抬到 1.8 压信号，冷清行情放到 1.45 放宽；收敛阈值 1.15 收紧到 1.1 能拿到更硬的旗面；缩量倍数 0.6 调 0.5 信号更敏感。
脱敏案例，某年某新能源龙头：
- 信号出现：40 天高低点之比超过 1.7，急涨后进入 10 天窄幅盘整，量能缩到 20 日均量的一半左右；
- 确认：4 个条件同时命中，收盘后代码被推送到 flag 专属飞书群；
- 后续走势：6 天后放量阳线突破旗面上沿，同期海龟 20 日新高策略也选中了它，双重信号重叠提高了这笔操作的胜率。
和哪些模块搭配效果最好
高而窄旗形本质是"埋伏型"信号（盘整期），和"确认型"策略互补后胜率更高：
- TurtleTrade（turtle_trade.py）：20 日新高 + 成交额过亿 + 实体阳线，旗形负责找盘整股、海龟负责确认突破，一伏一跟形成接力；
- RpsBreakout（rps_breakout.py）：RPS-120 相对强度排序 ≥ 90，拿它做全市场强度过滤，验证旗形股相对大盘是不是真强；
- LimitUpShakeout（limit_up_shakeout.py）：涨停后次日放量收阴但不破支撑，突破后若出现回踩，它提供二次上车参考。
⚠️ 踩过的坑 & 一句话解法
- 现象：第一次跑全策略 0 选股，日志提示"本地无股票数据"。原因：策略只读本地 SQLite，数据库是空的自然选不出票。解法：先执行
python main.py --backfill回填，中断可重跑续传，已入库的自动跳过。 - 现象：周末跑一遍，日志显示"无新数据"，但推送的还是前一个交易日的票。原因：非交易日 baostock 没有数据，增量同步返回 0，策略照旧按最后交易日计算。解法：用 crontab 只在工作日收盘后运行，或先看日志里的同步条数再判断推送是否有效。
- 现象：拿软件里的价格和算出来的涨幅对不上。原因：库存的是后复权价，和不复权的行情软件绝对值不同。解法：策略判断全部用价格比率，不受复权方式影响；手工核对时改用同源的复权数据。
这个模块把"找高位盘整的强势股"从盘感变成了 4 个可计算条件。后续版本计划接入盘中数据，把突破时点提前确认，信号从收盘推送升级为盘中预警。
【免费下载链接】Sequoia-XA股自动选股系统 — 多种技术形态自动扫描，收盘后自动运行并推送飞书项目地址: https://gitcode.com/GitHub_Trending/se/Sequoia-X
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
