第 3 课
九拍后真的更容易反弹吗？
识别合格事件并与随机日期比较，检查九拍完成后的多个观察窗口发生了什么。
蛙兄把上一节留下的四句话抄在纸上，又打开了 AI。
“现在我已经知道九拍大概怎么数了。”
他把手放到键盘上。
“这次总能直接问它赚不赚钱了吧？”
蛙博士把一份更完整的规则说明放到旁边。
“可以开始实验了。不过在算收益以前，我们先看一眼它有没有把九拍数对。”
“还要检查代码？”
“不用。让 AI 自己检查代码，我们看它画出来的 K 线。”
这一次，你不需要亲自实现九拍算法，也不需要跟着一张长清单逐项操作。
我们只保留一次中途确认：
把完整任务交给 AI
→ AI 检查数据并找出九拍
→ 我们看几张 K 线抽查图
→ 确认没有明显数错
→ AI 继续计算收益并与随机日期比较
为什么要和随机日期比较？
动手以前，蛙兄先问了一句：
“如果九拍后的平均收益是正数，是不是就说明它有用？”
“先别急。”蛙博士说，“普通日期以后，也可能是正数。”
只看九拍自己，就像只问一个参加考试的人考了多少分，却不看这张卷子对其他人有多难。
随机日期对照要回答的是：
如果没有看到九拍，只是在同一只股票的其他普通日期进入，通常会得到什么结果？
我们还会重复抽取 1,000 轮。
因为只抽一次，很可能刚好抽到一把好签，也可能刚好倒霉。
多抽一些，才能看到“普通日期通常是什么水平”。
这里暂时不拿沪深300来比较。
随机日期回答的是“九拍日期有没有比普通日期更特别”；沪深300要到完整策略回测时，才负责回答“有限资金账户有没有跑赢市场基准”。这是两个不同问题。
换一段新对话，把说明书交完整
建议在实验室文件夹中开启一段新的 Codex 对话。
如果你无法使用 Codex，也可以使用 WorkBuddy。工具可以不同，我们要完成的研究不变。
为什么换新对话？
因为 AI 不会自动知道我们前面采用了哪一套九拍，也不应该靠几段模糊的聊天记忆拼出研究规则。
下面这段提示词比较长，但它主要是写给 AI 看的。
你不需要逐条背诵，也不需要先弄懂里面每一个技术细节。复制给 AI，让它负责安装缺少的分析依赖、编写程序、运行内部测试和整理输出即可。
直接交给 AI｜完整任务说明
我准备使用当前项目中的 Hoppy 虚构教学数据，研究“完整下行九拍以后，价格是否比普通日期以后更容易上涨”。所有公司、代码和行情均为虚构教学材料，结果不构成任何现实投资建议。
请先查看当前项目结构。教学数据通常位于项目根目录的 hoppy-teaching-dataset 文件夹，其中应包含 README.md、data_dictionary.json、manifest.json、companies.parquet、stock_daily.parquet 和 hs300_daily.parquet。请以实际文件和字段为准；如缺少必要的 Python 分析包，请使用项目已有的 uv 环境安装，不要重建另一套无关环境。
整项研究采用以下固定规则：
- 核心研究只使用日线完整下行九拍。程序可以同时识别上行九拍，用于检查方向切换，但上行九拍不进入收益研究。
- 每只股票独立按
trade_date升序排列，只按照该股票自己的有效 K 线顺序计数。九拍比较使用前复权收盘价adjusted_close。 - 设当前有效 K 线为
t：C[t] > C[t-4]满足上涨条件，C[t] < C[t-4]满足下跌条件，完全相等则没有方向。历史不足 4 根更早有效 K 线时不计数。 - 同方向条件连续出现时从 1 递增。未完成序列遇到相反方向时，旧序列立即结束，当天直接成为相反方向数字 1；遇到相等时，旧序列结束并重新等待。
- 数到 9 后形成一次完整九拍并进入锁定。继续满足原方向时不显示 10、11，也不立即开始新的同方向序列。遇到相等则解除锁定并等待；遇到相反方向则解除锁定，当天成为相反方向数字 1。
- 某个市场交易日没有该股票的日 K 时，不创建占位 K 线，也不因为这个空位主动中断序列；恢复数据后继续按照有效 K 线顺序比较。
- 使用
hs300_daily.parquet的日期作为课程市场交易日历。数据体检可以检查 2021-01-04 至 2023-12-29 的公司和日期是否存在，但不得读取或使用 2023 年价格方向、九拍信号和收益。如果一只股票出现单次连续缺口严格超过 15 个市场交易日，在识别信号前排除整只股票。刚好 15 日不触发，16 日才触发。 - 九拍信号只使用 2021-01-04 至 2022-12-30 的规则研究期识别。2023-01-03 至 2023-12-29 是最终留出期，在完整买卖规则冻结以前，不计算或透露其中的价格方向、九拍信号和收益。
- 数字 9 所在交易日收盘后，信号才算确认。未来收益以下一根有效 K 线的
adjusted_open作为观察起点。从这根进入日 K 线算作第 1 根，分别使用第 3、5、10、20 根有效 K 线的adjusted_close作为观察终点。收益等于“终点收盘价 ÷ 起点开盘价 - 1”。未来数据不足的事件不进入对应窗口，但可以进入更短的完整窗口。 - 随机日期对照必须来自同一只股票和同一研究期，只从拥有完整未来窗口的有效日期中抽取，并排除真实下行九拍完成日。把随机日期视为普通的“信号完成日”，同样以下一根有效 K 线开盘作为起点，并使用相同窗口终点计算收益。某只股票在某个窗口有多少次合格九拍事件，每轮就为该股票抽取多少个随机日期；同一轮、同一股票内不重复抽取。每个窗口独立运行 1,000 轮，并记录实际使用的随机数工具和种子，保证同一套程序可以重复运行。课程参考程序使用 NumPy 的
default_rng，基础种子为20260903，各窗口使用“基础种子 + 窗口天数”；如果你采用了其他可复现实现，不要为了迎合课程小数而强行改写结果。 - 10 日是事先指定的主要观察窗口。第一版弱规律门槛是：真实九拍的 10 日平均收益高于随机实验平均收益的 95% 分位，并且高于随机实验中位数。无论是否达到门槛，都不得写成“九拍已经被证明有效”或现实买入建议。
请把工作分成两个阶段。本次只完成第一阶段，完成后必须停下来等我确认：
- 查看数据文件和字段，完成数据体检；
- 使用人为构造的简单价格序列，自行检查
t-4、相等中断、方向切换、数到 9 后锁定和缺口续接； - 在规则研究期识别完整上涨与下行九拍；
- 汇报初始公司数、排除数量与原因、最终公司数、上涨与下行九拍数量；
- 从真实教学数据中抽取几段有代表性的信号，绘制带有数字 1 至 9 的 K 线抽查图，尽量覆盖普通完成、完成后锁定、方向切换和跨缺口计数；
- 保存一份大白话校验摘要和 PNG 抽查图，并告诉我文件位置。
第一阶段不要计算任何事件收益，不要运行随机日期对照，不要使用沪深300作为收益基准，不要加入 MACD、成交量、市值、行业、仓位、手续费或滑点，也不要读取和透露 2023 年价格、信号或收益。
你可以自行决定程序结构和文件名，也可以自行完成必要的内部检查。不要把程序代码当成主要交付物。完成后请用大白话说明“检查了什么、发现了什么、哪些内容还没有做”，然后停下来等我查看 K 线样本。
这里一次性把完整规则交给 AI，是为了让不同读者尽量从同一套起点完成教学实验，并不代表真实研究也必须依靠一条超长提示词开工。
当你研究自己的想法时，完全可以先用大白话提出一个不成熟的猜想，再通过多轮对话，让 AI 帮你发现其中的模糊之处，逐步补齐数据、时间、比较对象和计算口径。真正重要的不是“一次就把话说完”，而是正式计算以前，把最后商量好的规则整理成一个明确版本并冻结下来。看到结果以后如果想改规则，应当开启下一版研究，而不是悄悄改写原来的实验。
这份说明书很长，不代表你需要成为九拍专家。
它更像是寄快递时贴在箱子上的完整地址：收件人需要看全，寄件人不需要把邮编背下来。
第一次暂停：只看它有没有数对
AI 会自己完成数据检查、内部测试和信号识别。
我们不需要逐行阅读它写出的程序，只需要看两类汇报。
第一类是数字：
- 最初读取了多少家虚构公司；
- 有多少家公司因为长时间缺少数据被排除；
- 最终使用了多少家公司；
- 找到了多少次完整上行九拍和下行九拍。
第二类是图片。
AI 会从历史数据中抽出几段 K 线，把数字 1 到 9 标在对应位置上。
我们重点看：
- 数字是否连续从
1数到9； - 每个数字是不是在和四步以前比较；
- 数到
9后，有没有冒出10； - 图片有没有明显把上涨和下跌方向弄反。
如果看不出来，可以选其中一次，让 AI 把每个数字对应的日期、收盘价，以及四根以前用来比较的日期和收盘价列出来，再带你核对一遍。不必靠盯着图猜。
不需要检查两千多次信号。几张图不能证明所有信号都正确，但它能帮助我们发现最明显的理解错误。
使用当前版本教学数据时，课程实验得到的是：
| 检查项目 | 课程结果 |
|---|---|
| 初始虚构公司 | 300 家 |
| 因连续缺口严格超过 15 日而排除 | 8 家 |
| 最终合格公司 | 292 家 |
| 完整下行九拍 | 2,040 次 |
| 完整上行九拍 | 1,561 次 |
这些数字是课程实验的校验结果，不是提示词里要求 AI 迎合的答案。
如果你使用的是同一个数据包和同一套规则，基础数量应该能够对上。如果明显不同，先查原因，不要要求 AI 直接把数字改成课程答案。
如果数量和样本图没有明显问题，只需要回复一句：
继续实验
这些 K 线样本看起来没有明显问题，请冻结刚刚得到的合格公司名单和九拍信号，不要修改已经确认的规则。现在继续计算 3、5、10、20 日事件收益，并按照原任务中的同股票随机日期规则分别运行 1,000 轮对照。
请汇报每个窗口的实际事件数、平均收益、中位数和正收益比例，同时汇报随机实验平均收益的中位数、5%—95% 区间，以及真实结果在随机实验中的位置。请生成一张容易阅读的对比图，并保存一份大白话研究摘要。
这一阶段仍然不要读取或透露 2023 年价格、信号和收益，不要加入沪深300、MACD、成交量、市值、行业、仓位、手续费或滑点。完成后告诉我输出文件位置，并说明当前结果支持什么、还不能支持什么。
这次实验看见了什么？
使用课程数据和已经固定的规则，真实九拍与随机日期得到下面这组结果：
| 观察窗口 | 完整九拍事件 | 九拍平均收益 | 随机实验平均收益中位数 | 随机实验的 5%—95% 区间 |
|---|---|---|---|---|
| 3 日 | 2,016 | -0.02% | 0.20% | 0.01%—0.39% |
| 5 日 | 1,994 | 0.26% | 0.32% | 0.07%—0.58% |
| 10 日 | 1,908 | 1.35% | 0.60% | 0.23%—0.94% |
| 20 日 | 1,886 | 1.68% | 1.25% | 0.76%—1.75% |
不同窗口的事件数量略有差别，是因为靠近研究期末尾的一些九拍，没有足够的后续 K 线走完整个观察窗口。
最值得注意的是事先定下来的 10 日窗口：
- 九拍事件平均收益是
1.35%； - 1,000 轮随机实验平均收益的中位数是
0.60%； - 随机实验中，95% 的结果不超过
0.94%； - 真实九拍的
1.35%高于全部 1,000 轮随机结果。
按照实验开始以前定下的门槛，10 日窗口出现了一条值得继续检查的弱规律。
3 日、5 日和 20 日窗口没有通过同一门槛。
这里的真实九拍事件数量和收益来自固定数据与固定公式，不含随机抽签；使用同一数据包和规则时，这部分结果应该能够对上。
随机日期结果则允许出现合理的小幅差异。不同 AI 可能选择不同的随机数工具、候选排序或抽样实现，即使写下同一个种子，也不一定抽到完全相同的日期。我们真正要求的是：同一套程序重复运行时结果不乱跳，而且随机方法的小变化没有轻易把主要判断整个翻过来。
好消息，但先别把它叫作策略
蛙兄盯着 1.35% 看了几秒。
“所以，下行九拍真的可以抄底？”
蛙博士摇了摇头。
“我们现在只知道，在这份虚构教学数据的研究期里，10 日结果比普通日期更突出。”
“这还不够吗？”
“它足够让我们继续研究，但不够让真钱上场。”
我们还没有认真回答：
- 这个平均数是不是被少数暴涨样本拉高；
- 大多数事件是不是也表现得更好；
- 很多九拍会不会刚好挤在同一批市场日期；
- 统计上的平均事件收益，离一套真正能执行的策略还有多远。
这些问题不适合挤在本章结尾匆匆回答。
下一节，我们会把这份“好消息”放到桌上，看看它为什么值得继续，却还不能叫作策略。
如果结果明显对不上
先别让 AI 重写答案，也不要把课程数字塞给它要求照抄。
可以直接发送这一段：
逃生提示词
我想检查刚刚完成的九拍实验有没有按照约定执行。请读取当前项目中实际使用的数据文件、程序和刚刚生成的摘要，但不要猜测任何外部参考答案，也不要为了让结果看起来更合理而修改规则。继续封存 2023 年价格、九拍信号和收益。
请从原始数据开始审计整条计算链，并按顺序汇报：实际读取的数据包、字段和日期范围；公司与日期数量；连续缺口严格超过 15 个市场交易日的排除过程；前复权字段；t-4 比较、相等中断、方向切换和完成后锁定；信号确认后的进入日；3/5/10/20 日窗口计数；各阶段实际留下的公司数、信号数、事件数和真实九拍收益。
然后单独检查随机日期部分：确认是否保持同股票、同数量、完整未来窗口、排除真实九拍完成日，以及同一股票内不重复；记录实际使用的随机数工具、候选日期排序方式和种子；把同一套程序连续运行两次，比较两次结果是否一致。
最后请输出一张审计表，至少包含“阶段、使用的规则、实际结果、是否发现异常、可能影响”。如果发现问题，请指出最早出现问题的阶段，并用大白话解释应该怎样修复；如果没有发现问题，也请明确说明随机结果的小幅变化是否足以改变当前判断。在我确认以前，不要修改程序和研究输出。
这个提示词不保证一句话解决所有问题。
它的作用是让 AI 审计自己实际做过的事情，返回最早可能跑偏的地方，而不是假装知道课程答案，再在终点附近反复修饰数字。
如果独立审计后仍然需要逐项对照，可以再把你看到的参考数字明确贴给 AI。顺序最好是先审计、后对照，避免 AI 一开始就朝着参考答案调整程序。
这一章真正完成了什么？
我们没有学会手写九拍程序，也没有得到一套可以买卖的策略。
我们完成的是另一件更重要的事：
把完整规则交给 AI
→ 确认 AI 找到的是我们定义的九拍
→ 让九拍日期与普通日期公平比较
→ 得到一条可以继续研究、但仍有边界的弱规律
AI 负责读取数据、实现算法、重复抽样和绘图。
你负责守住研究问题、确认关键样本，并决定结论能走多远。
在这份虚构教学数据中，下行九拍的 10 日结果比随机日期更突出，这让它值得继续研究；但“比随机日期好一点”还不是一套可以交易的策略。
课后讨论
留下你的问题、理解或不同意见，也看看其他学习者怎么想。