涨1.2%）；
盘口语言：统计“千手挂单占比”与“撤单率”（如“慧球科技”挂单撤单率42%）；
筹码分布：调用“筹码集中度（90%）”指标（如“柘中股份”12%）。
（3）三阶：关联规则“排伪滤网”
用“Apriori关联规则算法”识别“伪庄股”（如游资短炒股伪装庄股）：
排除“涨停敢死队”标的：若标的近1个月“涨停次数＞5次”且“涨停次日换手率＞20%”，判定为“游资短炒”（非庄股）；
排除“消息驱动”标的：若标的近期有“政策利好”“业绩预增”公告，且股价上涨伴随“机构研报密集发布”，判定为“消息驱动”（非庄股）；
案例：2017年“天山股份”因“一带一路”利好暴涨，数据挖掘模块通过“消息驱动”规则将其排除，避免误判为庄股。
（4）四阶：人工复核“终审法庭”
林静团队对87只候选股进行“人工终审”：
盘口复现：调取“隐形账户”观察的“挂单序列”（如“凤竹纺织”的“8888手托单”），验证算法识别准确性；
庄家风格匹配：结合“温州帮”（爱炒小盘次新）、“山东帮”（爱炒国企改革）、“游资庄”（爱炒题材热点）的历史数据，标注每只候选股的“疑似庄家类型”；
风险评级：按“控盘度（高/中/低）”“拉升概率（＞70%/50%-70%/＜50%）”“监管风险（高/中/低）”分为“S/A/B/C”四级，优先推荐“S级”（高控盘、高概率、低风险）。
二、实战应对：以“数据熔炉”为炉，以“特征匹配”为火
1.第一道防线：“2000只样本”的“清洗熔炉实战”
团队用“数据挖掘四阶流程”对2017年3月A股2000只有效样本进行筛选，还原“从数据矿到候选弹”的全过程：
（1）一阶清洗：剔除1200只无效样本
ST股剔除：ST新亿、ST众和等150只ST股因“监管**险”被排除；
流动性剔除：日均成交额＜5000万的“僵尸股”（如*ST宏盛）300只被排除；
基本面扰动剔除：近3个月有重组公告的“洛阳钼业”、业绩预增的“赣锋锂业”等750只标的被排除；
剩余样本：2000-150-300-750=800只？不对，前面说初始3000只压缩至2000只有效样本，这里应该是从2000只有效样本中清洗掉噪音，最终剩下2000-（ST150+流动性300+基本面750）=800只？哦，原文说“将初始3000只股票压缩至2000只有效样本”，然后一阶清洗是从2000只有效样本中剔除噪音，所以应该是2000只有效样本中，再剔除“ST股150只、流动性不足300只、基本面扰动750只”，剩下2000-150-300-750=800只进入二阶匹配？可能前面的“初始3000只压缩至2000只有效样本”是一阶清洗的一部分，这里需要理顺：初始3000只→一阶清洗（剔除ST、流动性不足、基本面扰动）→剩余2000只有效样本→二阶匹配五维特征→筛选出87只候选股。对，这样更准确。
（2）二阶匹配：87只候选股脱颖而出
流通盘匹配：2000只样本中，流通盘5-20亿的标的共1200只（占比60%）；
股东结构匹配：股东户数降幅＞20%的标的共450只（占比22.5%）；
量能脉冲匹配：存在“脉冲成交量＞5倍”的标的共300只（占比15%）；
盘口语言匹配：挂单撤单率＞40%的标的共200只（占比10%）；
筹码分布匹配：筹码集中度（90%）＜15%的标的共150只（占比7.5%）；
交集筛选：五维特征全部匹配的标的共87只（占比4.35%），如“凤竹纺织”（8亿流通盘、户数降22%、脉冲换手率25%、撤单率42%、筹码集中度12%）、“柘中股份”（6亿流通盘、户数降25%、脉冲换手率20%、撤单率38%、筹码集中度13%）、“慧球科技”（10亿流通盘、户数降18%、脉冲换手率18%、撤单率45%、筹码集中度14%）。
（本章未完，请点击下一页继续阅读）第302章数据挖掘(第2/2页)
（3）三阶排伪：剔除23只伪庄股
游资短炒排除：87只候选股中，“天山股份”（近1个月涨停8次）、“张家港行”（涨停次日换手率25%）等15只被判定为“游资短炒”；
消息驱动排除：“西部建设”（一带一路利好）、“北新路桥”（新疆基建政策）等8只被判定为“消息驱动”；
剩余候选：87-15-8=64只？不对，原文说“筛选出87只候选庄股”，可能三阶排伪后是87只