大家好，我是easyquant实战。
⚠️ 重要提示：本文内容面向有一定Python编程基础和交易经验的量化老手。文中涉及的代码需要开通迅投行情VIP或QMT投研版，以及券商miniqmt下单权限，属于高阶量化实现。如果你是量化小白，建议先收藏，打好基础后再来学习。
? 为什么你总在财报发布后“接盘”？
你有没有这种感觉：
某公司发了业绩预增公告，你摩拳擦掌准备买入，结果第二天一字板涨停，根本买不进?
好不容易打开涨停冲进去，后面却高开低走，把你套得死死的?
明明业绩很好，股价就是不涨，反而一路阴跌?
问题出在哪？因为市场太“卷”了——机构提前研究、提前抢跑，等财报出来的时候，肉早就被吃完了，留给你的只有汤，甚至是洗碗水。
那怎么办？答案很简单：把目光从“财报后”转向“财报前”。?
国信金工的一篇研报：【国信金工】超额图谱视角下的成长股投资策略捅破了这层窗户纸——他们发现了一个神奇的窗口，叫“黄金期”：正式财报发布前的10个交易日，超额收益最猛、胜率最高！ ?
今天，我就带你深度拆解这个策略，并公开我用 pywencai + xtquant 实现的完整代码。（代码已根据实盘经验做了多处改良，不是简单的照搬，文末可获取）
? 黄金期到底有多猛？数据说话！
研报作者统计了2012年以来两类利好事件（研报标题超预期、业绩预增）的股票，看它们在财报发布前后不同阶段的表现，结果惊人：
| 财报前10天 | 2.09%~2.15% | 91%~93% | 黄金期 |
看到了吗？黄金期超额收益超过2%，胜率超过90%！ 而且近年来这个效应还在增强。相反，财报发布后再去买，胜率只剩一半，收益甚至为负。?
为什么会有黄金期？因为信息太多，投资者看不过来——预告发布时大家没反应过来，等到正式财报快发了，资金才想起抢跑，形成一波上涨。而且，这个窗口是可以提前计算的——每个公司都会公布“定期报告预约披露日”，我们完全可以提前知道哪些股票即将进入黄金期！?
? 策略核心：先看时间，再看个股
研报的核心框架只有六个字：先时序，后截面。
? 先时序：按距离财报日分档
根据当前日期距离该股票“定期报告预约披露日”的交易日天数，分成三档：
第一档（黄金期）：距离 ≤ 10个交易日（优先买入！） ?
第二档（白银期）：10 < 距离 ≤ 20个交易日 ?
第三档（青铜期）：距离 > 20天，或没公布日期，或已发财报 ?
? 后截面：同一档内再精选
如果黄金期股票太多（比如超过计划持仓数），就用多因子打分排序，选得分最高的。因子包括：净利润增速、ROE、相对强度等。
如果黄金期股票不够，就从白银期、青铜期里按不同因子补足。
? 还加了“黑科技”降低换手
缓冲机制：排名在边缘的老股票，允许继续持有，不频繁进出。
跃迁机制：老股票如果得分很高，即使本在低一档，也允许“跃迁”到高一档继续持有。
风险规避：在5、6、9、11、12月初，剔除上一期财报前涨幅过高的股票（前5%），防止追高。
⏰ 调仓节奏
财报发布高峰期（1、2、3、4、7、8、10月）：每天调仓 ?
财报发布真空期（5、6、9、11、12月）：月初调一次，月中不动
? 回测结果（2012-2023）
以中证500为基准，双边千三手续费：
进取组合（50只）：年化收益 52.14%，超额 46.15%，最大回撤仅 8.06% ?
稳健组合（100只）：年化收益 44.30%，超额 38.32%，最大回撤 6.97% ?️
大部分年份排在主动股基前30%，稳得一批！?
? 实战落地：pywencai + xtquant 复现（带改良）
理论说完了，上代码！我用两个工具：
pywencai：模拟研报的股票池生成，从同花顺i问财拿数据。
xtquant：迅投QMT的Python接口，拿行情、交易日历、下单交易（需要开通迅投行情VIP或QMT投研版 + 券商miniqmt权限）。
⚠️ 再次强调：
你需要Python基础，能看懂pandas和QMT接口。
你需要实盘交易经验，知道什么是滑点、涨停、跌停。
你需要开通相应权限，否则跑不起来。
代码没有100%照搬研报——我根据实盘经验做了多处改良，下面逐条说明为什么改、效果如何。
? 改良1：数据源从“研报标题”简化为“问财选股”
研报做法：爬研报标题，做文本分析，太麻烦。我的做法：用pywencai一句话搞定：
query = """业绩预告类型包含大幅上升，或者业绩预告类型包含预增，业绩预告类型不包含扭亏，沪深A股，非ST，非新股，非次新股，定期报告披露日期，加权净资产收益率，250天最高价"""df = pywencai.get(query=query, cookie=你的cookie)
✅ 好处：门槛低、实时性好，问财本身聚合了业绩预告和研报舆情，效果接近。
? 改良2：选股因子大幅简化
研报做法：多因子模型，调参复杂，容易过拟合。我的做法：
黄金期：按“当前价位”（最新价/250日最高价）降序，防止追高。
白银期：按ROE降序，要质地好。
青铜期：按净利润增幅降序，要够猛。
✅ 好处：简单粗暴，抓住主要矛盾，小资金实盘更稳健。
⚡ 改良3：盘中加技术条件才买入（B1/B2）
研报做法：每天收盘出信号，第二天开盘买。我的做法：盘中轮询，满足技术条件才下单：
B1（首次建仓）：股价站上10日均线、预计放量、没大幅高开。
B2（加仓）：已有底仓，股价回踩ATR止损线后反弹。
✅ 好处：提高胜率，动态加仓，更贴近实战。
? 改良4：ATR动态止盈（S1/S2）
研报做法：卖出主要看股票是否还在黄金期。我的做法：
S1（部分止盈）：冲高回落超过ATR阈值，卖一半，锁定利润。
S2（清仓）：股票不在最新股票池，或仓位太小（减仓后），全卖。
✅ 好处：保护利润，降低回撤，避免坐过山车。
?️ 改良5：加强风控
研报做法：缓冲/跃迁机制控制换手，但没限制行业集中度。我的做法：
同一行业最多持有2只（分散风险）。
单日最多买入20只（防冲击）。
总资金不超过设定值（仓位管理）。
✅ 好处：更安全，更适合实盘。
⏱️ 改良6：避开开盘收盘的剧烈波动
研报做法：第二天开盘就交易。我的做法：只在 9:30-11:30 和 13:00-14:30 这两个时段交易。
✅ 好处：避开开盘集合竞价的混乱和收盘前的流动性枯竭，滑点更小。
? 代码核心片段（选股分档）
# 获取问财数据df = pywencai.get(query=query, cookie=你的cookie)# 匹配关键列（问财列名会变，需要动态找）col_date = [c for c in df.columns if '定期报告预计披露日期' in c][0]col_price = [c for c in df.columns if '最新价' in c][0]col_high = [c for c in df.columns if '区间最高价' in c][0]col_roe = [c for c in df.columns if '净资产收益率' in c][0]col_growth = [c for c in df.columns if '预告净利润变动幅度' in c][0]# 计算当前价位df['当前价位'] = df[col_price] / df[col_high]# 获取交易日历trading_calendar = xtdata.get_trading_calendar(market='SH', start_time=today, end_time='')# 分档函数def get_level(date):if date in trading_calendar:idx = trading_calendar.index(date)if idx <= 10: return 1elif idx <= 20: return 2else: return 3else:return 3df['level'] = df[col_date].apply(get_level)# 按优先级选股first = df[df['level'] == 1].sort_values('当前价位', ascending=False)second = df[df['level'] == 2].sort_values(col_roe, ascending=False)third = df[df['level'] == 3].sort_values(col_growth, ascending=False)# 动态选股（根据当前持仓数、单日上限等）
? 如何获取完整代码？
关注公众号 easyquant实战，后台回复“黄金期”即可下载。
下载后请务必：
检查自己是否够格：Python基础、交易经验、QMT权限，缺一不可。
修改配置：在
Config类里填你的同花顺cookie、QMT路径、资金账号（示例路径为E:\xt_data，请根据实际情况调整）。先模拟跑：观察买卖逻辑是否符合预期，再考虑实盘。
调整参数：根据自己的资金量和风险偏好，改
BUY_MONEY、MAX_HOLD_STOCK_NUM、ATR倍数等。
遇到问题欢迎留言交流，大家一起进步！?
? 写在最后
这篇研报给了我很大的启发：真正的α，往往藏在市场行为的细节里。而要把学术研究转化为实盘利器，必须经历“本地化改造”——结合自己的数据源、资金量、风险偏好，做适当的调整。
希望这篇文章能帮你打开一扇新的大门。下一期，我们聊聊股票的小市值策略，敬请期待！?
⚠️ 风险提示：本文内容仅为策略思路分享与量化学习交流，不构成任何投资建议。文中涉及的代码需要特定的行情和交易权限，且需要一定的Python基础和交易经验。请确保你已满足这些条件再尝试实盘。股市有风险，投资需谨慎。
