第(2/3)页

    “做空。”陈帆直接拍板，“融券额度够吗？”

    张远已经在操作界面输入指令：“够，可以拿下八万股。”

    委托成功发出，系统自动拆分成十六笔两千股的小单，间隔五分钟释放一笔。第一笔成交价14.63元，股价当时还在微幅上扬。

    十五分钟后，异动出现。原本稳在买一的大额托单突然消失，紧接着三笔五千手以上的卖单砸下，价格应声跌破分时均线。不到十分钟，跌幅扩大至3%，市场情绪急转直下。

    “他们在出货。”张远盯着逐笔成交，“这才是真实的抛压。”

    后续几笔融券单陆续成交，均价落在14.50元区间。到中午收盘，该股跌至13.95元，团队账面浮盈接近四万元。

    “吃掉了全部波动空间。”李阳看着收益曲线，“而且是在市场普遍看多的情况下。”

    陈帆没笑。他重新调出早盘的盘口录像，慢速播放那几次万手挂撤的过程。“以前我们看不到这些，所以只能等价格变了才反应。现在不一样了，我们看到了动作，就能预判结果。”

    下午开盘后，主力试图再度拉高，再次挂出9999手买单。但这次，系统早已标记其为惯用手法，没有再发出任何误判信号。不到二十分钟，同样的剧本重演——托单撤离，抛压涌出，股价加速跳水。最终收盘跌幅定格在7.8%。

    “这不是运气。”张远调出模块运行日志，“是模式识别。同样的手法，在过去两周至少出现了十三次，我们之前全都错过了。”

    这句话让整个交易室安静下来。

    他们曾以为自己已经建立了严密的监控体系，可直到接入Level-2数据，才发现还有大量隐藏信息从未被捕获。那些被忽略的挂单节奏、撤单频率、对倒规模，其实早就透露了主力的真实意图。

    “原来的系统依赖的是结果数据——涨了多少，成交量多少。”李阳总结道，“但现在我们拿到了过程数据——他们是怎么做的。”

    陈帆下令将“盘口语言解读模块”设为独立子系统，接入主决策引擎的前置过滤层。所有短线交易信号必须经过该模块复核，未通过验证的不予执行。

    李阳继续优化算法效率，把全市场扫描耗时从最初的十二秒压缩到两百毫秒以内。张远则着手建立“主力行为案例库”，将每一次确认有效的盘口模式归档留存，用于后续训练识别精度。

    傍晚六点，系统生成首份《盘口有效性报告》。数据显示，在加入该模块后的三个交易日内，短线策略的预测准确率从68%提升至83%，超额收益显著。尤其在应对突发拉升或闪崩行情时，响应速度比传统模型快了近一个周期。

    “我们终于不只是看图说话了。”李阳靠在椅背上，眼睛仍盯着终端输出的结果，“我们现在能听懂他们在说什么。”

    陈帆没有回应。他正在审核模块的日志输出，一条条核对警报触发的原始依据。突然，他停下翻页的手指。
    第(2/3)页