【Python量化】股票涨停板探索性分析与数.docx

【Python量化】股票涨停板探索性分析与数 引言 从系统论的角度来看，股票市场是一个复杂系统，市场的涨跌是由资金流（市场资金存量、流入量、流出量）和回路（市场信息与交易者行为形成的各种反馈、调节、增强回路）非线性作用下的结果。换句话说，牛市是资金流入和正向反馈（赚钱效应吸引更多资金流入）占主下的系统演化过程，熊市则相反。而影响市场资金流向和反馈回路形成的驱动因素主要有政策、经济、交易情绪、流动性、技术面和外围环境等。市场上对这些驱动因素的研究和把握最强的是“聪明资金”（Smart money），在A股上则是那些游资主力，而不是基金。龙虎榜是这些游资的战场，而涨停板则是游资主力释放的最重要的操盘信号。涨停板制度是我国借鉴国外早期证券市场，为防止交易价格暴涨暴跌，抑制过度投机的制度，却也成了游资主力吸引跟风盘的重要手段。利用概念题材炒作，快速封涨停板，通过类似饥饿营销地方式吸引各路跟风资金，再拉高出货赚取价差。当然涨停板不代表一出现就会上涨，也可能是昙花一现，也可能是主力挖的坑，但是游资主力发动进攻一般以涨停板出现。因此涨停板是实盘操作中值得深入分析和挖掘的重要信号。本文使用Python对A股市场2016-2021年涨停板个股数据进行探索性分析，为读者挖掘涨停股、深入认识市场提供一个量化视角。 02 数据获取 本文数据来源于tushare，数据期间为2016年2月15日-2021年4月23日，包含74300个样本。tushare pro中的limit_list函数可直接获取A股中每日涨跌停个股信息。 import?pandas?as?pdimport?numpy?as?np#画图import?matplotlib.pyplot?as?plt#正确显示中文和负号plt.rcParams[font.sans-serif]=[SimHei]plt.rcParams[axes.unicode_minus]=False#处理时间from?dateutil.parser?import?parsefrom?datetime?import?datetime,timedelta#使用tushare获取数据import?tushare?as?ts?token=输入你在tushare上注册的tokenpro=ts.pro_api(token)#获取必威体育精装版交易日期#获取交易日历cals=pro.trade_cal(exchange=SSE)cals=cals[cals.is_open==1].cal_date.valuesdef?get_now_date():????#获取当天日期时间????d=datetime.now().strftime(%Y%m%d)????while?d?not?in?cals:????????d1=parse(d)????????d=(d1-timedelta(1)).strftime(%Y%m%d)????return?dd1=get_now_date()n1=np.argwhere(cals==d1)[0][0]+1#获取最近6年的交易日行情#实际上tushare只能获取2016后的涨跌停数据dates=cals[-250*6:n1] df=pro.limit_list(trade_date=dates[0],?limit_type=U)for?date?in?dates[1:]:????df_tem=pro.limit_list(trade_date=date,?limit_type=U)????df=pd.concat([df,df_tem])#查看前几行数据#实际上tushare只能获取2016后的涨跌停数据#数据下载3-4分钟左右df.head() 其中，fl_ratio 为封单手数/流通股本；amp是振幅；fc_ratio是封单金额/日成交金额；fl_ratio为封单手数/流通股本；fd_amount为封单金额；first_time代表首次涨停时间；last_time代表最后封板时间；open_times是打开次数；strth是涨跌停强度。 #保存数据到本地#df.to_csv(up_limit_data.csv)#读取数据#df=pd.read_csv(up_limit_data.csv,index_col=0) 03 市场涨停整体情况 描述性统计 df.iloc[:,1:].describe().round(2) 从描述性统计来看，涨停股价格大都在25元及以下（75%分位数），其他几个变量波动标准差均较大，反映个股涨停的特征差别较大。下面使用可视化的方式展现不同价格期间个股涨停情况。 涨停股价格区间 先构建一个价格区间标记函数，将