涨停数日公式是一种用于预测股票涨停板连续出现的模型。下面是一个简要的概述：

1. 数据收集：首先，需要收集大量的历史股票数据，包括每日的开盘价、最高价、最低价、收盘价和成交量等信息。这些数据可以从财经website、证券交易所等地方获取。

2. 数据处理：对收集到的数据进行清洗和处理，剔除掉异常值和不完整的数据。可以使用数据处理工具（如Python的pandas库）来进行数据清洗和处理。

3. 特征提取：从处理后的数据中提取有效的特征。这些特征可以包括每日涨幅、成交量等指标，以及技术指标如均线、MACD等。根据经验，选择合适的特征对涨停数日的预测效果有着重要影响。

4. 模型训练：使用机器学习或统计学方法，将提取的特征作为输入，将涨停数日作为输出，建立预测模型。可以使用常见的机器学习算法，如决策树、随机森林、支持向量机等，或者使用深度学习方法，如神经网络。

5. 模型评估：使用一部分历史数据作为训练集，将模型应用于剩余的数据进行预测。通过与实际涨停数日进行比较，评估模型的准确性和稳定性。可以使用评估指标如准确率、召回率、F1分数等。

6. 参数调优：根据评估结果，对模型进行调优。可以尝试不同的特征组合、调整模型的超参数、尝试其他算法等，以提高模型的预测能力。

7. 实际应用：将训练好的模型应用于实际股票市场中，进行涨停数日的预测。可以根据预测结果进行投资决策，如买入或卖出股票。

需要注意的是，股票市场是复杂且具有不确定性的，涨停数日的预测并不是一项完全准确的任务。因此，在使用涨停数日公式进行预测时，需要结合其他投资策略和风险管理方法，以降低投资风险。