1. 课程导入与目标设定

在A股市场中，每个交易日9:15—9:25的集合竞价阶段，是全天唯一一个在连续撮合开始前集中暴露买卖意愿的窗口。很多交易者盯着9:25那一根开盘价和成交量，凭感觉判断“今天强不强”，但真正能沉淀为策略的，不是感觉，而是一套可复现的样本筛选流程加上可证伪的统计检验。本课程要解决的正是这个问题：如何把集合竞价阶段产生的原始数据，加工成有明确口径的样本，再用统计方法判断某个筛选规则是否真的带来了超额收益，而不是运气。

三个核心概念先对齐

集合竞价机制是数据来源的物理基础。9:15—9:20可以撤单，9:20—9:25不可撤单，9:25统一撮合产生开盘价。这意味着9:20之前的挂单数据含有大量“试探性虚假意愿”，而9:20之后的数据才更接近真实委托。这个机制细节直接决定了我们后面筛选样本时，为什么必须区分“可撤单阶段快照”和“不可撤单阶段快照”，也决定了“竞价涨幅”“竞价量比”“竞价金额占比”等指标应该取哪个时点的值。

样本是我们从全市场、全历史中按规则挑出来的观测集合。一个样本至少包含：标的代码、交易日、竞价阶段特征（如9:25竞价涨幅、竞价成交量/昨日成交量、竞价成交额）、以及事后结果（如当日开盘至收盘收益、次日收益）。样本的定义必须写死口径，例如“竞价涨幅 = (9:25开盘价 − 昨收) / 昨收”，否则不同人算出来的样本无法比较。

统计检验是判断样本特征与结果之间关系是否显著的工具。常见做法包括：对样本收益均值做单样本t检验（检验是否显著异于0）、对筛选组与对照组做双样本t检验或Mann-Whitney U检验（检验两组分布是否不同）、以及用胜率加二项检验判断上涨概率是否显著高于50%。检验给出的是“在多大程度上不像随机产生”，而不是“必然赚钱”。

课程要达成的学习目标

学完本课程，你应当能够独立完成四件事。第一，说清数据口径：明确每个竞价特征取自哪个时点、用什么公式计算、如何处理停牌与一字板等异常样本。第二，搭出可复现的筛选流程：从原始快照到特征表、再到带标签的样本表，每一步都有明确输入输出，换一个人也能跑出同样结果。第三，选对检验方法并正确解读：知道什么时候用t检验、什么时候该用非参数检验、p值小意味着什么、不意味着什么。第四，形成决策闭环：把检验结论转化为“采用/观察/放弃”的规则处置，而不是停留在“看起来有效”。

一个贯穿全课的教学示例

为了让抽象概念落地，本课程会反复使用一个示例规则：在9:25竞价涨幅位于2%至5%之间、且竞价量比（竞价成交量/过去5日同时段均量）不低于1.5的样本中，统计“开盘价买入、当日收盘卖出”的收益表现。假设我们在某段回看窗口内筛出120个样本，计算得到平均收益0.42%、标准差1.8%，则t统计量约为 0.42 / (1.8/√120) ≈ 2.56，在双侧5%水平下p值约0.012，说明该均值显著异于0；但若把样本按月份拆开，发现收益主要集中在两个月，其余月份接近0，就要警惕样本的时间聚集性。这些数字均为教学假设，用于演示计算路径，不代表任何真实回测结果。

整体课程框架

后续内容将沿着上面SVG的四层结构展开：先讲集合竞价机制与数据字段的对应关系，再讲样本构建中的特征工程与标签设计，然后系统讲统计检验的选择与陷阱（多重比较、样本不平衡、幸存者偏差），最后用完整案例把“筛选—检验—决策”串成一条可执行的流水线。你需要建立的认知是：集合竞价提供的是有机制约束的原始信号，样本筛选是把信号变成可比较的观测，统计检验是给观测加上可信度标签，三者缺一，决策就退化为猜测。