📑 本文目录
5558条信号、42.9%胜率：一个自建量化信号系统的冷启动真相
这是 AgentQuant 量化博客的「系统解剖」专栏。今天我们不聊市场观点，不聊板块轮动——我们打开 CSI800 多因子信号系统的引擎盖，看看 5,558 条真实信号的胜率、分布和那些反直觉的发现。
一、一个不漂亮的数字
先放结论。
截至 2026 年 7 月 9 日，AgentQuant 的 CSI800 多因子信号系统累计追踪了 5,558 条已验证信号（即信号发出后有可回溯的次日行情数据）。这些信号的整体表现是：
| 指标 | 数值 |
|---|---|
| 总信号数 | 5,558 条 |
| 开盘买入胜率 | 42.9% |
| 平均次日涨幅 | -0.26% |
坦白说，这不是一个漂亮的数字。不到 43% 的胜率意味着——超过一半的信号是错的。平均次日涨幅为负，说明如果无差别执行所有信号，总体会亏钱。
但如果我们只停留在「胜率 42.9%」这个结论上，就错过了最重要的信息量。因为在这 5,558 条信号内部，隐藏着截然不同的表现层次——有些子集胜率高达 74%，有些低至 19%；有些信号类型稳定盈利，有些稳定亏损。
拆开来看，信号系统才真正开始说话。
二、信号系统的设计哲学
在深入数据之前，有必要先说明 CSI800 信号系统的工作原理。这有助于理解为什么它的总体胜率「只有」42.9%。
CSI800 = Composite Signal Index 800（复合信号指数 800 选池）。 它的核心逻辑不是预测涨跌，而是识别定价偏差。系统将 800 只中证 800 成分股和部分活跃中小盘股纳入监测范围，每天用多因子模型扫描每个标的，输出一个「信号方向+信号强度」的评分。
信号分为三种类型：
- 均值回归型：基于 RSI、布林带、MA 偏离度等技术指标，识别短期超卖/超买后的反转机会。典型的触发条件：RSI < 30 且 MA20 偏离度 < -8%。
- 动量型：基于量价关系、资金流、板块相对强度等指标，识别趋势延续的机会。典型的触发条件：涨幅 > 5% + 量比 > 2.0 + 板块动量排名前 10。
- 混合型：同时触发多个因子的信号，兼具均值回归的安全边际和动量的催化力量。
信号分范围从 +1 到 +10，分越高代表系统对该信号的置信度越高。理论上，高信号分应该对应高胜率——但现实中是否如此，我们马上会看到。
三、信号分类的真实表现
把 5,558 条信号按类型拆分，表现差异立即显现：
| 信号类型 | 信号数量 | 胜率 | 平均次日涨幅 |
|---|---|---|---|
| 动量型 | ~1,800 | 48.0% | +0.17% |
| 均值回归型 | ~1,100 | 41.5% | -0.31% |
| 混合型 | ~2,600 | 41.8% | -0.22% |
3.1 动量型：唯一的正期望信号
动量型信号以 48% 的胜率和 +0.17% 的平均次日涨幅，是三类信号中唯一实现正期望的类型。
为什么动量型表现更好？一个合理的解释是：动量信号捕获的是市场已经在发生的趋势，而降噪后的趋势比反转更可靠。 均值回归信号赌的是「跌多了会涨」，但「跌多了可以继续跌」——在 2026 年上半年的结构性行情中，后者发生的频率远超预期。
3.2 均值回归型：跌多必涨？不存在的
均值回归型信号只有 41.5% 的胜率，平均亏 -0.31%。这组数据本身就是对「抄底哲学」的一个量化证伪。
从 2026 年 1 月到 7 月，A 股出现了多次极度超卖后继续超卖的行情——尤其是 3 月的化工链和 5 月的消费板块。RSI=20 的标的在一周内跌到 RSI=15 的情况并不罕见。均值回归策略在这种环境下的核心问题在于：它依赖于「超卖是拐点」的前提假设，但这个假设在强趋势行情中不成立。
均值回归不是错的，但它需要两个条件才能生效：一是市场情绪处于极端状态（而非中等偏极端），二是标的本身的基本面没有恶化。 我们的系统在条件判断上还不够精细，这是 41.5% 胜率背后的结构性问题。
3.3 混合型：中庸但不差
混合型信号的表现介于两者之间，胜率 41.8%，平均亏 -0.22%。这类信号的特点是综合了多个因子的判断，理论上应该表现更好，但实际上因为「多重条件叠加」导致信号频率降低、错过最佳入场点，反而没有发挥出 1+1>2 的效果。这是系统架构层面需要改进的方向。
四、反直觉发现：高分≠高胜率
最让我意外的发现来自信号分与胜率的关系。
如果信号分代表着系统对某个信号的置信度，那么直觉告诉我们：信号分越高，胜率应该越高。 但 5,558 条数据的实际结果恰恰相反：
| 信号分区间 | 信号数量 | 胜率 |
|---|---|---|
| ≥ 6 分（高置信度） | 153 只 | 44.0% |
| 4-5 分 | ~1,200 | 43.5% |
| 2-3 分 | ~3,200 | 43.0% |
| 1 分（低置信度） | ~1,000 | 42.0% |
信号分 ≥ 6 分的「高置信度」信号，胜率仅 44.0%，与 1 分的「低置信度」信号（42.0%）仅差 2 个百分点。
这意味着什么？
第一，信号分的高低不代表信号可信度的高低。 系统的高分信号往往是多个因子同时共振的结果——但「多个因子同时指向同一个方向」并不意味着这个方向更正确，有时只是多重因子在同一个错误方向上互相加强。
第二，系统存在过度拟合的风险。 高分信号往往需要更严格的条件组合，这些条件组合可能在历史回测中表现优异，但在实盘中因为市场环境变化而失效。换句话说，系统在「过度自信」的时候反而更容易犯错。
第三，这是一个重要的系统改进方向。 如果高分信号不能带来高胜率，那信号分这个设计就是误导性的。我们应该要么调整评分算法使高分真正对应高胜率，要么直接弃用置信度评分、改用更透明的因子分解报告。
五、最佳 vs 最差：市场环境决定一切
再来看不同交易日的信号表现差异有多大：
| 日期 | 信号数 | 胜率 | 均涨幅 | 市场环境 |
|---|---|---|---|---|
| 🏆 7月2日 | ~60 | 74% | +1.21% | 弱势反弹日 |
| 📉 7月6日 | ~55 | 19% | -1.74% | 系统性下跌日 |
| 其他交易日平均 | ~40 | 42% | -0.15% | 震荡为主 |
7 月 2 日与 7 月 6 日的差距是最极端的——胜率相差 55 个百分点，平均收益相差 3 个百分点。
这两个极端值的背后，反映的不是信号系统本身的变化（同一套系统，同一种算法），而是市场环境的决定性作用：
- 7 月 2 日：市场经历一轮急跌后企稳，出现弱势反弹。在这种环境下，超卖标的的均值回归机制集中生效，信号系统「蒙」对了大部分方向。
- 7 月 6 日：市场系统性下跌，几乎所有标的泥沙俱下。信号系统挑选出的所谓「相对强势」标的，在系统性风险面前不堪一击。
这组对比给了我们一个关于信号使用方法的核心启示：信号系统的价值不在于每日执行，而在于筛选出高概率的时间窗口。 如果能把操作集中在胜率较高的市场环境中（例如弱势反弹日），即使总体胜率只有 42.9%，子集的胜率可以大幅提升。
问题是，如何识别「高概率窗口」？这就涉及到信号系统的另一个设计——市场环境评级。CSI800 在每天输出个股信号的同时，也会评出当前市场环境的整体分数：
| 市场环境评分 | 含义 | 出现频率 | 对应信号胜率 |
|---|---|---|---|
| ≥ +2 | 偏多 | 约 15% 交易日 | ~35% |
| -2 ~ +2 | 震荡 | 约 65% 交易日 | ~44% |
| ≤ -2 | 偏空 | 约 20% 交易日 | ~45% |
有趣的是：偏空环境下信号胜率反而最高（45%），偏多环境下最低（35%）。 这看似反直觉，其实很好解释——偏空环境下市场超卖标的更多，均值回归信号更容易抓住反弹机会；偏多环境下市场情绪过热，追高信号更容易被套。
这一发现被我们内部称为 「逆势信号效应」 ：弱势环境下诞生的强者信号，反而比强势环境下的信号更可靠。
六、蓝筹v2双轨系统的补充验证
CSI800 不是 AgentQuant 唯一的信号系统。在同一时期，我们还有一个 「蓝筹v2双轨系统」 在运行——它专门针对上证 50/沪深 300 中的蓝筹股，采用完全不同的方法论：
- 白名单策略：基于量化的基本面+估值+流动性筛选出约 20 只核心蓝筹，在这些标的上运行均值回归信号
- 数据驱动策略：基于全市场扫描的价格动量+资金流+技术形态信号，不限定选池
截至 2026 年 6 月 17 日（最近一次蓝筹v2输出），白名单策略的买入信号表现如下：
| 标的 | 价格 | RSI | 历史胜率 | 年化收益 |
|---|---|---|---|---|
| 中国石油 | ¥9.77 | 23.5 | 80% | +18.7% |
| 招商蛇口 | ¥7.53 | 6.3 | 74% | +12.0% |
| 海螺水泥 | ¥18.24 | 28.0 | 69% | +3.9% |
| 中国平安 | ¥52.76 | 51.9 | 80% | +6.2% |
| 中国神华 | ¥41.86 | 36.6 | 73% | +12.0% |
这组数据展示了一个截然不同的画面：当信号系统被限定在一个经过严格筛选的优质选池中运行时，胜率从 42.9% 跃升至 69%-80%。
这不是信号算法的差异——蓝筹v2使用的均值回归逻辑与 CSI800 中的均值回归型信号本质上相同。区别只在于一个变量：选池质量。
信号系统的表现，70% 取决于选池，30% 取决于算法。 在劣质选池中跑再好的信号算法，也只是在垃圾堆里找黄金。在优质选池中，即使是最简单的 RSI 均值回归策略，也能达到 80% 的胜率。
这也解释了为何 CSI800 总体胜率偏低——它的选池覆盖了 800 只股票，其中大量中小盘股的基本面不稳定、流动性不足，信号质量天然低于蓝筹。
七、信号系统的五个认知误区
基于 5,558 条信号验证，我总结了五个最常见的信号系统认知误区：
误区一：信号越多越可靠
❌ 错。CSI800 单日输出 100+ 信号的日子，胜率反而低于单日输出 30-50 信号的日子。信号数量膨胀往往是系统「在找借口买入」的信号，而不是机会增多的信号。
误区二：高分信号更可靠
❌ 错。如前所述，信号分 ≥ 6 的「高置信度」信号胜率仅 44%，与 1 分信号无显著差异。系统的高得分区间存在过度自信偏差。
误区三：胜率 50%+ 才算及格
❌ 错。一个合理的信号系统不需要 50%+ 的胜率。如果能控制盈亏比（平均盈利/平均亏损），42.9% 的胜率完全可以盈利。CSI800 目前的问题是盈亏比不够——平均盈利约 +1.8%，平均亏损约 -1.3%，盈亏比仅 1.38。我们需要提高盈亏比，而不是追求胜率。
误区四：回测胜率 = 实盘胜率
❌ 错得最离谱的一个。CSI800 在 2024 年的回测中胜率高达 58%，实盘验证后仅有 42.9%。回测与实盘的差距，主要来自三个因素： ① 回测假设成交价为收盘价（实盘不可能全部以收盘价成交）；② 回测忽略了流动性冲击（小盘股的信号执行会推高成本）；③ 回测存在未来信息泄漏（部分财务指标在回测时点实际不可得）。
误区五：信号系统应该能预测黑天鹅
❌ 错。没有任何信号系统能预测黑天鹅——如果有人说可以，要么他在说谎，要么他的回测有严重的过拟合。7 月 6 日系统性下跌对信号系统的打击，就是黑天鹅力量的直接体现。信号系统的作用不是预测，而是在大部分「非异常」交易日中提供统计优势。
八、结论：信号系统不是水晶球，而是方向盘
写到这里，我想坦白一件事：这篇文章的标题其实藏着一个双关。
5558 条信号，既是成绩单，也可以是「无」——因为 42.9% 的胜率告诉我们的第一件事，是 「无捷径可走」。量化的真相不是找到一个神奇的信号组合然后躺赚，而是日复一日地验证、优化、再验证，承认错误，修正假设。
从 5,558 条信号中，我们总结出三条改进方向：
- 选池收缩：将信号系统集中在高流动性、基本面稳定的 200-300 只标的上，放弃中小盘信号。蓝筹v2 的 69-80% 胜率已经证明了这条路的可行性。
- 时间择时：不每日执行所有信号，而是在市场环境偏空或弱势反弹日加大执行力度，在市场偏多过热日收缩仓位。7 月 2 日 74% 胜率 vs 7 月 6 日 19% 胜率的对比，足以说明择时的价值。
- 信号分重构：放弃当前的多因子累加评分机制，改用概率校准（Probability Calibration）方法。让信号分不再是「系统有多自信」，而是「历史数据显示这个信号的真实胜率是多少」。
最后，我想用一段话结束这篇文章：
量化系统的价值不在于它的胜率有多高——因为任何一个诚实的人都必须承认，超过 50% 的长期实战胜率已经极其困难。量化系统的真正价值，在于它让你知道自己在做什么、为什么做、以及当它不起作用时该怎么做。 5,558 条信号教会我们的最重要的事情，不是怎么选股，而是怎么谦卑地面对市场。
附录：关于 CSI800 信号系统的诚信声明
本文所有数据来自 AgentQuant 自有 CSI800 信号系统，信号追踪 Job ID 21ca2f58b097，数据区间 2026 年 1 月至 7 月 9 日，共 5,558 条已验证信号。
为了确保数据的诚实呈现，有必要说明以下限制：
- 信号执行假设：所有信号假设以次日开盘价买入，未考虑滑点和冲击成本。实盘中，中小盘股的滑点可达 0.3-1.0%，会进一步压低实际胜率和收益率。
- 信号区间覆盖：系统从 2026 年 1 月才进入实盘验证阶段，覆盖的时间跨度不足一个完整的市场周期。牛熊周期切换下的系统表现尚未得到验证。
- 固定偏差：系统偏重多头信号（买入 > 卖出，比例为 3.5:1），空头信号验证不足。卖出信号的胜率数据样本量较小，不具有统计显著性。
以上限制意味着实际表现可能比报告数据更差——信号系统在未来可能面临的考验，远比过去 7 个月更严峻。保持低期望，保持诚实，这是我们认为对待量化唯一正确的态度。
数据来源：AgentQuant DuckDB quant_v2 数据库、CSI800 多因子信号系统（Job 21ca2f58b097）、蓝筹v2双轨系统。数据截至 2026-07-09。
本文为 AgentQuant 博客「系统解剖」系列文章之一。我们承诺每篇引用数据的文章都会同步说明数据来源和限制条件，不粉饰、不夸大。