一、交易池的本质：什么是交易池？为什么需要筛选？

1.1 交易池到底是什么？

先问大家一个问题：你打开交易软件，看到几千只股票，你会怎么选？

我刚开始做量化的时候，也是这么干的——把所有股票都拉进来，跑策略。结果呢？回测曲线漂亮得像假的一样，实盘一跑就崩。后来我才明白，问题出在「池子」上。

交易池，说白了就是你的「候选股票清单」。

它不是选股结果，而是选股的起点。就像钓鱼，你不能把整个大海都当成你的鱼塘，你得先圈定一片水域，再决定下钩的位置。

我个人习惯把交易池比作「食材预处理」——你不可能把整个菜市场的菜都买回来，然后边炒边挑。你得先筛选出新鲜的、符合你口味的食材，再考虑怎么做菜。

1.2 为什么需要筛选？

你想想看，A股现在5000多只股票。如果全量跑策略，会有什么问题？

• 计算资源爆炸：每只股票都要算指标、跑模型，5000只跑一遍，服务器直接冒烟。我当年用个人电脑跑全市场，一个回测跑了三天三夜，结果还死机了。
• 信号噪音太大：很多股票流动性差、波动异常，它们的数据会污染你的策略信号。说白了，垃圾进，垃圾出。
• 策略失效风险：全市场选股，你的策略等于在跟所有对手博弈。而筛选后的交易池，能帮你聚焦在「高概率区间」。

嗯，这里要注意：筛选不是「预测」，而是「排除」。我们排除掉那些明显不适合交易的股票，剩下的就是相对干净的池子。

1.3 交易池 vs 选股策略：本质区别

这个问题我经常被问到：「交易池和选股策略，不都是选股票吗？」

还真不是。我画个图你就明白了。

看到了吗？这是一个漏斗结构。

• 交易池：宽进严出的第一道关卡。条件宽松，主要剔除「明显不能碰」的股票。
• 选股策略：在交易池的基础上，用更精细的模型做最终决策。

我曾经犯过一个错误：把选股策略的条件直接用在交易池筛选上。结果池子太小，策略选来选去就那几只股票，完全失去了分散化的意义。后来我改成「先宽后严」，效果好了很多。

1.4 交易池的常见筛选维度

那具体怎么筛？我列几个最常用的维度，都是我在实战中踩过坑后总结出来的。

1. 流动性筛选：日均成交额低于1000万的，直接剔除。为什么？你买进去容易，卖出来难。我曾经吃过这个亏，一只票持仓5%，结果卖了三天才出完，滑点吃掉了一半利润。
2. 市值筛选：市值低于10亿的，小心。不是说小市值不能做，而是波动太大，容易被操纵。我个人习惯把市值下限设在20亿。
3. 状态筛选：ST、*ST、停牌、退市预警的，一律剔除。这个不用解释，踩雷的代价太大了。
4. 行业筛选：如果你做的是行业中性策略，这一步可以跳过。但如果你有行业偏好，比如只做科技股，那就把其他行业先筛掉。

1.5 交易池的维护与更新

交易池不是建好就不管了。市场在变，股票的基本面也在变。

我一般按以下节奏维护：

• 每周更新：检查是否有新增的ST、停牌、退市预警
• 每月更新：重新跑一遍流动性、市值等硬性条件
• 季度更新：结合财报数据，调整行业分类

嗯，这里有个小技巧：不要把交易池的更新频率设得太高。太频繁的更新会导致策略信号不稳定，你今天选的股票，明天可能就不在池子里了，这会让你的持仓管理变得很麻烦。

# 交易池筛选模块
def build_trading_universe():
    # 1. 获取全市场股票列表
    all_stocks = get_all_stocks()
    
    # 2. 硬性条件筛选
    filtered = all_stocks[
        (all_stocks['avg_daily_amount'] > 10e7) &  # 日均成交额>1000万
        (all_stocks['market_cap'] > 20e8) &        # 市值>20亿
        (~all_stocks['is_st']) &                    # 非ST
        (all_stocks['status'] == 'normal')          # 正常交易
    ]
    
    return filtered['code'].tolist()

1.6 小结

交易池的本质，就是帮你把「不能碰」的股票先排除掉，留下一个相对干净的候选池。它跟选股策略的区别在于：交易池是「排除法」，选股策略是「优选法」。

记住这个漏斗思维：全市场 → 交易池 → 选股策略 → 最终持仓。每一步都在缩小范围，每一步都有明确的目的。

下一章，我会讲具体的筛选指标怎么设计，以及如何避免常见的筛选陷阱。咱们到时候见。