预测大幅涨跌比小幅涨跌更容易，准确率更高。确切一点，是在说这个方法，即通过模型学习历史数据，用模型计算某个交易日计算收盘时的强弱程度，进而预测次日是否有大幅涨跌及涨跌方向。
模型本身是复杂的，但是这一部分比较好理解，我相信大部分人都能看懂。为什么说大幅涨跌反而更好预测呢，我们来想一下影响大盘走势的因素：
1.内在因素，大盘本身的强弱程度/市场情绪的朝向
2.外部因素，政府政策，政府操作，突发新闻，其他市场影响
写的不全，就在这个简化的框架下讨论，这两种因素，内因越强，受外因的干扰就越小，反之也是如此。所以我在之前的帖子里就说过，小幅震荡的不可预测的，在市场本身没有趋势的时候，外因很容易在市场上产生波动，这种外因很难考虑到模型里，波动的方向几乎是不可预测的。而市场有明显趋势的时候，受外因影响也很小，比如不强力的救市。
我画了一个图，形象的说明这个事情。
可以把市场的波动细分成6种情况。目前只针对指数的大幅波动，即极强(+4%以上)和极弱(-4%以下)的部分。这两者之间的部分基本上没试过，从分析来看预测这部分更难，准确率会降低。-2%到2%这一部分就不用想了，非常难做，但是3%~4%和-4%~3%这一部分还没尝试过，而且之前两次对大约2%的波动做预测也验证是对的，似乎值得一试。两次预测分别是在7月15日和7月24日做的，有帖子记录。
我是比较幸运的，我在6月份开始验证模型。这是纯粹的运气，5月底才把代码写完。而今年的6月，是最近3年以来，单月大幅波动(4%以上)交易日最多的一个月。7月份市场开始企稳，我发现极强和极弱的预测结果非常少，所以我开始尝试扩大一点预测范围。但是一定要记得，预测范围扩大是以准确率降低为代价的，我尽量只扩展到准确率下降不多的位置。还有，如果是在熊市，可能一个月都没有极强或者极弱的结果。
可能70%的准确率对于一个量化交易系统来说已经够用了，但是对于在一个公开的平台上发布的结果，可能需要再提高一些才行。70%是个什么样的概念呢，有比较大的概率第一次就会失败，30%的概率对一次实验来说一点都不小。我开始验证模型的时候，第一次就失败会很麻烦。我选择只做大幅波动的预测是有考虑的，现在似乎不必顾忌那么多了。
$上证指数(SH000001)$ $创业板指(SZ399006)$ $沪深300(SZ399300)$
总算写完了，明天开始去海边休养几天。市场形势看起来还不错，祝大家净值创新高。不知道北京的空气什么时候能好点呢，开着空气净化机的，然并卵...