。
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。
屏幕上，一只尚未纳入观察池的医药股正显示出异常迹象：卖五档连续十分钟维持一万手以上压单，而买一挂单量从峰值的八千手锐减至不足两千，且最近五笔千手级买单均在成交前被主动撤回。
“这个节奏……”张远也注意到了，“和华联综超很像。”
“但方向相反。”陈帆放大细节，“这不是诱多，是压价吸筹。”
李阳立刻调取该股近期公告，无利空消息，研报评级维持“增持”。技术图形处于横盘末期，成交量温和放大，表面看并无异常。
“系统还没给警告。”张远看向主控台，“因为不在扫描范围内。”
陈帆点击鼠标，将该标的手动加入测试队列。模块运行五秒后，弹出黄色提示：**检测到隐蔽压单行为，结合买盘萎缩特征，存在主动控盘嫌疑，建议纳入观察**。
“原来它也能认出来。”李阳轻声说。
“只是我们没让它看全。”陈帆调整参数范围，“把扫描扩展到全市场所有流通市值低于五十亿的个