四围法的核心逻辑
四围法是一套多维度的选股框架，将技术面、基本面、资金面和市场情绪四个维度组合起来，形成对黑马股的包围圈。黑马股往往在启动前有迹可循，单一维度容易漏掉信号，四个维度交叉验证可以大幅提高命中率。技术面负责捕捉价格和成交量的异动，基本面挖掘业绩反转或隐藏价值，资金面追踪主力动向，市场情绪判断题材热度。四者叠加，黑马股的轮廓就会清晰浮现。
技术面围堵底部异动
技术面是四围法的第一道防线。黑马股在爆发前通常经历长期横盘或阴跌，随后出现量价配合的异动。重点观察周线级别的均线粘合与突破，日线级别的放量阳线。当股价站上60日均线且均线系统由空转多，成交量连续三天放大到前期均量的1.5倍以上，这是典型的主力建仓信号。技术面还需要结合K线形态，如圆弧底、W底、头肩底等反转结构。
# 技术面筛选示例：均线粘合后放量突破
import pandas as pd
import numpy as np
def technical_screen(df):
df['ma5'] = df['close'].rolling(5).mean()
df['ma20'] = df['close'].rolling(20).mean()
df['ma60'] = df['close'].rolling(60).mean()
df['vol_ma5'] = df['volume'].rolling(5).mean()
# 均线粘合：5、20、60日线差距小于2%
ma_spread = (df[['ma5','ma20','ma60']].max(axis=1) - df[['ma5','ma20','ma60']].min(axis=1)) / df['ma60']
cond1 = ma_spread < 0.02
# 放量突破：收盘价上穿60日线且成交量大于5日均量1.5倍
cond2 = (df['close'] > df['ma60']) & (df['close'].shift(1) <= df['ma60'])
cond3 = df['volume'] > df['vol_ma5'] * 1.5
return df[cond1 & cond2 & cond3]
基本面挖掘价值洼地
黑马股经常来自业绩反转或隐蔽资产重估。基本面维度关注三个指标：净利润增速、毛利率变化、市盈率相对行业分位。当一家公司连续两个季度净利润同比增速由负转正，且毛利率环比提升超过3个百分点，同时市盈率处于行业后30%分位，这就是潜在黑马。还要留意股东人数变化，股东人数持续减少意味着筹码集中。存货周转率、应收账款周转率突然改善也是重要线索。
# 基本面筛选示例：业绩反转与估值低位
import pandas as pd
def fundamental_screen(financial_df, industry_pe):
# 净利润增速由负转正
cond1 = (financial_df['net_profit_yoy'] > 0) & (financial_df['net_profit_yoy'].shift(1) < 0)
# 毛利率环比提升
cond2 = financial_df['gross_margin'] - financial_df['gross_margin'].shift(1) > 0.03
# 市盈率低于行业30%分位
cond3 = financial_df['pe'] < industry_pe.quantile(0.3)
return financial_df[cond1 & cond2 & cond3]
资金面追踪主力踪迹
资金面是四围法的关键维度。黑马股启动前，主力资金往往通过大宗交易、龙虎榜、北向资金等渠道悄然流入。观察每日龙虎榜中机构专用席位净买入额，连续三天出现机构净买入且买入金额递增，值得高度警惕。北向资金持股比例从1%以下快速攀升至3%以上，也是典型信号。融资余额变化同样重要，融资余额占流通市值比例从2%升至5%以上，表明杠杆资金开始关注。资金面还需要结合盘口数据，如频繁的大单托底、尾盘拉升等。
# 资金面筛选示例：龙虎榜机构净买入与北向资金流入
import pandas as pd
def capital_screen(lhb_df, north_df):
# 龙虎榜机构净买入连续三天为正且递增
inst_buy = lhb_df[lhb_df['seat_type'] == '机构专用']['net_buy']
cond1 = (inst_buy > 0).rolling(3).sum() == 3
cond1 &= inst_buy.diff() > 0
# 北向资金持股比例快速上升
north_df['holding_ratio'] = north_df['holding_share'] / north_df['total_share']
cond2 = (north_df['holding_ratio'] > 0.03) & (north_df['holding_ratio'].shift(5) < 0.01)
return cond1 & cond2
市场情绪判断题材热度
市场情绪维度决定黑马股能否形成合力。黑马股往往依附于当时的主流题材，如人工智能、新能源、低空经济等。通过观察同题材个股的涨停家数、连板高度、板块成交额占比来判断情绪周期。当板块成交额占全市场比例从3%升至8%以上，且涨停家数超过5家，说明情绪升温。此时选择板块内技术面、基本面、资金面都符合的个股，胜率最高。情绪退潮期则要谨慎，避免追高。
# 市场情绪筛选示例：板块成交额占比与涨停家数
import pandas as pd
def sentiment_screen(sector_df, market_df):
sector_vol = sector_df.groupby('date')['volume'].sum()
market_vol = market_df.groupby('date')['volume'].sum()
ratio = sector_vol / market_vol
limit_up_count = sector_df[sector_df['pct_chg'] >= 9.8].groupby('date').size()
cond1 = ratio > 0.08
cond2 = ratio.shift(5) < 0.03
cond3 = limit_up_count > 5
return cond1 & cond2 & cond3
四维共振的实战要点
四个维度同时发出信号时，黑马股的概率最高。技术面突破、基本面反转、资金面流入、情绪面升温，四个条件缺一不可。实际操作中，可以先用技术面初筛出股票池，再用基本面过滤掉垃圾股，接着用资金面确认主力介入，最后用情绪面判断时机。建仓时分批买入，跌破关键均线或资金面转负则止损。四围法不是万能公式，但能帮助投资者系统化地缩小范围，提高捕捉黑马股的效率。
