涨停基因：涨停前技术画像特征分布

假设

涨停发生前，个股在换手率、量比、位置形态等技术指标上存在可识别的共同「基因」画像，可以用来提前捕捉。

方法

首板组（n=68,795）与连板延续组（n=19,550）对照特征分布，用Cohen's d效果量衡量区分力，924后做稳健性检查。注意：这是特征分布研究，不是T+N报酬EV研究，不直接产出可交易的报酬预期，不适用超额报酬vs2pp门槛的比较框架。

数据

样本规模：88,345。最佳表现区间：首板组最强特征（换手率），Cohen's d=0.40，均超额报酬 不适用（非报酬EV研究）（2pp否决门槛线见下图）。

结论

不建议上线。

否决理由

首板组最强特征Cohen's d仅0.40（换手率），其余多数落在0.15-0.30区间，属统计学「small to small-medium」等级。样本量本身充足（两组均远超300下限，924分段也做过稳健性检查，方向与量级一致，不是噪音），但「不是噪音」跟「效果量够大能拿来用」是两件事——现行最佳讯号（低位横盘放量）展现的区分力远超这个量级，标准不能因为这次样本数字漂亮就放宽。

Devil's Advocate

这份研究证明的是「统计显著」而非「实务可用」，如果日后放宽标准接受这类小效果量特征，等于打开一个口子——以后任何用大样本量硬凑出「统计显著但效果量很小」的特征都可能被误当作可用讯号，这个否决本身是在维护标准的一致性，不是这次特征不好。