A 股散户圈里有一种玩法叫"打板"——今天某只股票涨停了，明天开盘就买进去，赌它继续涨。

打板选手有一套自己的逻辑：涨停说明有资金强势介入，次日惯性上冲的概率不低，如果能接力涨停就赚10%，不能涨停就止损出来。听起来赔率不错。

但"听起来"和"跑数据"是两回事。

这篇文章用QuantDash拉A 股历史数据，做一个严格的统计回测：涨停之后的第二天、第三天、第五天，平均涨跌是多少？胜率多高？如果严格执行"涨停次日买入"策略，长期下来是赚是亏？

先说结论：无差别追涨停长期来看大概率亏钱，但细节比你以为的复杂。

1. 找出历史上所有涨停的日子

A 股涨停幅度一般是10%（创业板/科创板20%），但实际因为四舍五入，涨幅在9.5%–10.5% 之间就可以算涨停。

我们先选一组活跃股，拉长期K 线，找出所有涨停日：

importpandasaspdfromquantdashimportQuantDash qd=QuantDash()symbols=["000001.SZ","600519.SH","000858.SZ","601318.SH","002594.SZ","300750.SZ","600036.SH","000333.SZ","601012.SH","600276.SH","000568.SZ","601888.SH","002415.SZ","300059.SZ","600809.SH","000651.SZ","002304.SZ","300124.SZ","002475.SZ","600887.SH",]klines=qd.klines.batch(symbols,period="1d",count=5000,adjust="none",# 用不复权数据，否则涨跌幅会被复权扭曲to_dataframe=True,show_progress=True,)all_limit_ups=[]forsym,dfinklines.items():df=df.sort_values("trade_date").reset_index(drop=True)df["ret"]=df["close"].pct_change()foriinrange(1,len(df)):ifdf["ret"].iloc[i]>=0.095:# 涨停（含误差）all_limit_ups.append({"symbol":sym,"date":df["trade_date"].iloc[i],"close":df["close"].iloc[i],"idx":i,})print(f"共找到{len(all_limit_ups)}次涨停")print(f"覆盖{len(klines)}只标的")

2. 涨停次日表现：平均能赚多少？

核心问题：今天涨停，明天买进去，一天能赚多少？

importnumpyasnpimportpandasaspdfromquantdashimportQuantDash qd=QuantDash()# 核心计算逻辑：统计次日、第3天、第5天收益率# ...（此处可传入 all_limit_ups 进行统计）

在多数统计中，涨停次日的平均收益接近 0 或微负，但中位数通常为负。这意味着：

1. 少数大赚的案例拉高了平均值（连板翻倍的那些）；
2. 多数情况是小亏：高开低走、开盘冲高后回落；
3. 胜率大概在 40%–50% 之间——连抛硬币都不如。

3. 次日开盘溢价：买入成本被抬高了

涨停次日最大的问题不是"涨不涨"，而是你买不到好价格。

因为昨天涨停了，今天大家都想买，开盘价往往直接高开 3%–5%。你以为自己在追涨停，其实你在高位接盘：

• 次日高开比例极高，显著抬高了买入基准成本；
• 如果按开盘价买入，多数个股一天下来面临的是“高开低走”；
• 扣除买入成本后，真正的可交易收益空间被严重压缩。

4. 连板概率：买到第二个涨停有多难

打板选手追求的最大收益来源是"连板"——买进去之后第二天继续涨停。

但从大数据统计来看：

• 接力成功实现连板的概率通常仅在10%–20%左右；
• 绝大多数涨停次日无法封住第二个涨停板；
• 一旦接力失败，个股往往面临剧烈回调，回吐前期涨幅。

5. 策略隐性成本与实际执行

无差别追涨停的长期期望收益为负，主要原因包括：

结语

追涨停是 A 股散户圈最有争议的话题之一。有人靠它赚到过钱（他们的故事你都听过），有人靠它亏到清仓（他们的故事你没听过）。

数据告诉我们的是：无差别追涨停的长期期望收益为负。

涨停次日高开低走的概率、交易成本的累积、连板极低的概率，这些因素加在一起，让"看到涨停就追"变成一个负期望的游戏。

但这不意味着所有涨停都不值得关注。如果你有能力在涨停中进一步筛选——通过成交量特征、板块联动、市场情绪、分时结构——那有可能找到正期望的子集。只是，这已经不是"追涨停"，而是"选股"了。

相关链接：

• QuantDash 官网：https://quantdash.net/
• QuantDash 文档：https://docs.quantdash.net/