# 4.13 委比 ? 實時計算委比
> 來源:https://uqer.io/community/share/55bf0426f9f06c91fc18c62f
最近幾個交易日,大盤又是一片慘淡,然而我們發現郭嘉隊并沒有猛拉指數,轉而是對部分股票托底。比如中海油服:

風格的轉變,意味著郭嘉隊轉攻為守,讓我們看看都有哪些股票值得郭嘉隊托底
```py
# 常量準備
import pandas as pd
from datetime import datetime as dt
from pandas import DataFrame, Series
today = dt.today().strftime('%Y%m%d') # 獲得今天的日期
# DataAPI取所有A股
stocks = DataAPI.EquGet(equTypeCD='A',listStatusCD='L',field='secID,nonrestfloatA',pandas="1")
universe = stocks['secID'].tolist() # 轉變為list格式,以便和DataAPI中的格式符合
# 取所有A股的最新行情
bidask_fields = ['bidBook_volume%s' %i for i in xrange(1, 6)] + ['askBook_volume%s' %i for i in xrange(1, 6)]
fields = ['shortNM','lastPrice','bidBook','askBook','suspension']
def get_data():
data = DataFrame()
for i in range(0,len(universe),300): # 原則上可以性取完的,但是試驗中作者發現會報錯,估計是運算量太大,所以這里分批次取,每次300個
t = DataAPI.MktTickRTSnapshotGet(securityID=universe[i:min(i+300,len(universe))],field=fields,pandas="1")
tmp = DataFrame()
tmp['secID'] = t['ticker']+'.'+t['exchangeCD']
tmp[['shortNM','suspension'] + bidask_fields] =t[['shortNM', 'suspension']+bidask_fields]
data = pd.concat([data,tmp],axis=0) # 數據拼接
# 去掉當日停牌的股票
data['nonrestfloatA'] = stocks['nonrestfloatA']
data = data[data['suspension']==0]
data = data[(data['bidBook_volume1']>0).values & (data['askBook_volume1']>0).values]
# 去掉沒有漲停板的股票
data['bidBook_volume'] = sum([data['bidBook_volume%s' %i] for i in xrange(1,6)])
data['askBook_volume'] = sum([data['askBook_volume%s' %i] for i in xrange(1,6)])
# 計算委比
data['rate'] = data['bidBook_volume']/(data['askBook_volume']+data['bidBook_volume'])*100 #百分之幾
data = data.sort(columns='rate',ascending=False).reset_index()
data.drop('index',axis=1,inplace=True)
# 重命名
data = data[['secID', 'shortNM', 'bidBook_volume', 'askBook_volume', 'rate']]
data.columns = ['代碼','簡稱','買量','賣量','委比']
return data
get_data().head(50)
```
| | 代碼 | 簡稱 | 買量 | 賣量 | 委比 |
| --- | --- |
| 0 | 601336.XSHG | 新華保險 | 14310780 | 24700 | 99.827700 |
| 1 | 600485.XSHG | 信威集團 | 2086200 | 4100 | 99.803856 |
| 2 | 600188.XSHG | 兗州煤業 | 38015538 | 98746 | 99.740921 |
| 3 | 601808.XSHG | 中海油服 | 16845821 | 44700 | 99.735355 |
| 4 | 600362.XSHG | 江西銅業 | 20343390 | 56935 | 99.720911 |
| 5 | 600958.XSHG | 東方證券 | 4069182 | 12972 | 99.682227 |
| 6 | 600340.XSHG | 華夏幸福 | 12797790 | 54800 | 99.573627 |
| 7 | 000951.XSHE | 中國重汽 | 1964684 | 9600 | 99.513748 |
| 8 | 002304.XSHE | 洋河股份 | 2943430 | 15200 | 99.486249 |
| 9 | 600276.XSHG | 恒瑞醫藥 | 2230015 | 12500 | 99.442590 |
| 10 | 000538.XSHE | 云南白藥 | 1798287 | 10200 | 99.435993 |
| 11 | 002143.XSHE | 印紀傳媒 | 2813406 | 16335 | 99.422739 |
| 12 | 000800.XSHE | 一汽轎車 | 9174799 | 56199 | 99.391193 |
| 13 | 601958.XSHG | 金鉬股份 | 20460168 | 127809 | 99.379206 |
| 14 | 000513.XSHE | 麗珠集團 | 881306 | 5600 | 99.368591 |
| 15 | 603288.XSHG | 海天味業 | 6049140 | 39340 | 99.353862 |
| 16 | 300202.XSHE | 聚龍股份 | 1145291 | 7600 | 99.340788 |
| 17 | 601800.XSHG | 中國交建 | 29915478 | 208100 | 99.309179 |
| 18 | 600403.XSHG | 大有能源 | 8768385 | 61500 | 99.303502 |
| 19 | 601225.XSHG | 陜西煤業 | 57038023 | 406943 | 99.291595 |
| 20 | 601098.XSHG | 中南傳媒 | 7902047 | 58400 | 99.266373 |
| 21 | 601226.XSHG | 華電重工 | 4604601 | 35200 | 99.241347 |
| 22 | 600600.XSHG | 青島啤酒 | 1887900 | 15673 | 99.176654 |
| 23 | 601688.XSHG | 華泰證券 | 11673583 | 97299 | 99.173392 |
| 24 | 000895.XSHE | 雙匯發展 | 17718527 | 154080 | 99.137899 |
| 25 | 601555.XSHG | 東吳證券 | 14508868 | 127897 | 99.126194 |
| 26 | 300003.XSHE | 樂普醫療 | 2355404 | 20971 | 99.117521 |
| 27 | 600429.XSHG | 三元股份 | 6761469 | 61600 | 99.097180 |
| 28 | 000333.XSHE | 美的集團 | 9583724 | 89633 | 99.073403 |
| 29 | 600004.XSHG | 白云機場 | 3333050 | 32000 | 99.049048 |
| 30 | 600637.XSHG | 東方明珠 | 2020400 | 19420 | 99.047955 |
| 31 | 600741.XSHG | 華域汽車 | 15412841 | 150590 | 99.032411 |
| 32 | 600166.XSHG | 福田汽車 | 14485200 | 146445 | 98.999121 |
| 33 | 002594.XSHE | 比亞迪 | 2961400 | 29967 | 98.998217 |
| 34 | 000750.XSHE | 國海證券 | 13826732 | 146800 | 98.949442 |
| 35 | 600664.XSHG | 哈藥股份 | 7654217 | 81506 | 98.946369 |
| 36 | 601186.XSHG | 中國鐵建 | 24479602 | 265911 | 98.925417 |
| 37 | 600519.XSHG | 貴州茅臺 | 894254 | 9741 | 98.922450 |
| 38 | 601901.XSHG | 方正證券 | 11906346 | 132861 | 98.896431 |
| 39 | 002081.XSHE | 金 螳 螂 | 6156885 | 69107 | 98.890024 |
| 40 | 600660.XSHG | 福耀玻璃 | 3706300 | 44600 | 98.810952 |
| 41 | 000869.XSHE | 張 裕A | 3073749 | 37483 | 98.795236 |
| 42 | 002431.XSHE | 棕櫚園林 | 1556637 | 19100 | 98.787869 |
| 43 | 002221.XSHE | 東華能源 | 2483500 | 30600 | 98.782865 |
| 44 | 000685.XSHE | 中山公用 | 8005948 | 100200 | 98.763901 |
| 45 | 002122.XSHE | 天馬股份 | 5874886 | 74210 | 98.752584 |
| 46 | 000600.XSHE | 建投能源 | 8612256 | 109140 | 98.748595 |
| 47 | 002663.XSHE | 普邦園林 | 7862104 | 101141 | 98.729902 |
| 48 | 600823.XSHG | 世茂股份 | 7544949 | 97251 | 98.727448 |
| 49 | 002252.XSHE | 上海萊士 | 1819900 | 23600 | 98.719826 |
可以看到里面不乏貴州茅臺,美的集團,張裕A等十幾倍市盈率的現金牛企業。這也就反映了個股正處在嚴重兩極分化的過程,郭嘉隊和主力更親睞于優質藍籌。
由于這里計算委比時,只是針對買賣五檔行情,所以有一定的失真,而且在行情軟件上按照委比排序,效果更直觀。那為什么還要搞得這么復雜呢?
因為不想錯過發生過的委比結果,因為還想對當天整個的委比情況做分析。
下面的代碼通過一個`while`循環,每隔10秒打印一次委比前30的股票名稱:
```py
import time
import datetime
full_data = DataFrame()
while 1:
now = datetime.datetime.now()
if now.hour>=15:
break
data = DataFrame()
time_str = '%2s%2s%2s' %(now.hour, now.minute, now.second)
try:
data = get_data()[:30]
data['time'] = time_str
except Exception,e:
print e
if data.empty:
continue
full_data = full_data.append(data)
print now, ', '.join([ e for e in data['簡稱'].values])
time.sleep(10)
2015-08-03 14:01:36.452456 廣發證券, 張 裕A, 江鈴汽車, 比亞迪, 兗州煤業, 云南白藥, 海天味業, 信威集團, 東華能源, 中集集團, 美邦服飾, 萬華化學, 華電國際, 申萬宏源, 陜國投A, 環旭電子, 華域汽車, 一汽轎車, 哈藥股份, 陜西煤業, 聚龍股份, 日出東方, 譽衡藥業, 格力電器, 深圳燃氣, 徐工機械, 新 和 成, 建投能源, 康恩貝, 馳宏鋅鍺
2015-08-03 14:01:48.711193 廣發證券, 兗州煤業, 張 裕A, 江鈴汽車, 云南白藥, 中集集團, 海天味業, 格力電器, 中國西電, 比亞迪, 貴人鳥, 美邦服飾, 東華能源, 萬華化學, 哈藥股份, 華電國際, 申萬宏源, 貴州茅臺, 陜國投A, 華域汽車, 陜西煤業, 日出東方, 譽衡藥業, 聚龍股份, 新 和 成, 深圳燃氣, 建投能源, 馳宏鋅鍺, 一汽轎車, 國海證券
2015-08-03 14:02:01.886604 廣發證券, 兗州煤業, 張 裕A, 中集集團, 東吳證券, 江鈴汽車, 華電國際, 海天味業, 云南白藥, 中國西電, 萬華化學, 申萬宏源, 國海證券, 比亞迪, 東華能源, 互動娛樂, 哈藥股份, 日出東方, 華域汽車, 環旭電子, 雙匯發展, 譽衡藥業, 格力電器, 陜國投A, 深圳燃氣, 東方能源, 新 和 成, 一汽轎車, 馳宏鋅鍺, 聚龍股份
2015-08-03 14:02:12.446392 中集集團, 廣發證券, 云南白藥, 兗州煤業, 張 裕A, 東吳證券, 江鈴汽車, 麗珠集團, 信威集團, 金 融 街, 海天味業, 華電國際, 雙匯發展, 互動娛樂, 哈藥股份, 萬華化學, 上海醫藥, 華域汽車, 新華保險, 日出東方, 國海證券, 貴人鳥, 冠農股份, 申萬宏源, 馳宏鋅鍺, 譽衡藥業, 深圳燃氣, 上海萊士, 徐工機械, 一汽轎車
2015-08-03 14:02:25.053561 張 裕A, 云南白藥, 中集集團, 東吳證券, 兗州煤業, 廣發證券, 麗珠集團, 首航節能, 雙匯發展, 金 融 街, 海天味業, 萬華化學, 華電國際, 東方能源, 互動娛樂, 哈藥股份, 日出東方, 中煤能源, 上海醫藥, 環旭電子, 華域汽車, 國海證券, 譽衡藥業, 申萬宏源, 貝因美, 深圳燃氣, 聚龍股份, 浙大網新, 一汽轎車, 上海萊士
2015-08-03 14:02:36.258301 中集集團, 張 裕A, 云南白藥, 兗州煤業, 廣發證券, 萬華化學, 麗珠集團, 海天味業, 中文傳媒, 互動娛樂, 中國西電, 一汽轎車, 東華能源, 哈藥股份, 東吳證券, 華電國際, 格力電器, 金 融 街, 日出東方, 華域汽車, 國海證券, 譽衡藥業, 申萬宏源, 深圳燃氣, 科力遠, 陜國投A, 二三四五, 上海萊士, 粵電力A, 馳宏鋅鍺
2015-08-03 14:02:46.940336 中集集團, 張 裕A, 云南白藥, 兗州煤業, 中文傳媒, 廣發證券, 萬華化學, 麗珠集團, 貴州茅臺, 尚榮醫療, 日出東方, 一汽轎車, 東吳證券, 東方能源, 康恩貝, 哈藥股份, 金 融 街, 海天味業, 中國神華, 華域汽車, 中國西電, 互動娛樂, 譽衡藥業, 上海醫藥, 閏土股份, 申萬宏源, 深圳燃氣, 科力遠, 聚龍股份, 二三四五
---------------------------------------------------------------------------
KeyboardInterrupt Traceback (most recent call last)
<mercury-input-27-f8d02897ce95> in <module>()
24 print now, ', '.join([ e for e in data['簡稱'].values])
25
---> 26 time.sleep(10)
27
KeyboardInterrupt:
```
本貼的實現參考于社區高人 @明軒 @jiang.wei 的漲停板帖子。
- Python 量化交易教程
- 第一部分 新手入門
- 一 量化投資視頻學習課程
- 二 Python 手把手教學
- 量化分析師的Python日記【第1天:誰來給我講講Python?】
- 量化分析師的Python日記【第2天:再接著介紹一下Python唄】
- 量化分析師的Python日記【第3天:一大波金融Library來襲之numpy篇】
- 量化分析師的Python日記【第4天:一大波金融Library來襲之scipy篇】
- 量化分析師的Python日記【第5天:數據處理的瑞士軍刀pandas】
- 量化分析師的Python日記【第6天:數據處理的瑞士軍刀pandas下篇
- 量化分析師的Python日記【第7天:Q Quant 之初出江湖】
- 量化分析師的Python日記【第8天 Q Quant兵器譜之函數插值】
- 量化分析師的Python日記【第9天 Q Quant兵器譜之二叉樹】
- 量化分析師的Python日記【第10天 Q Quant兵器譜 -之偏微分方程1】
- 量化分析師的Python日記【第11天 Q Quant兵器譜之偏微分方程2】
- 量化分析師的Python日記【第12天:量化入門進階之葵花寶典:因子如何產生和回測】
- 量化分析師的Python日記【第13天 Q Quant兵器譜之偏微分方程3】
- 量化分析師的Python日記【第14天:如何在優礦上做Alpha對沖模型】
- 量化分析師的Python日記【第15天:如何在優礦上搞一個wealthfront出來】
- 第二部分 股票量化相關
- 一 基本面分析
- 1.1 alpha 多因子模型
- 破解Alpha對沖策略——觀《量化分析師Python日記第14天》有感
- 熔斷不要怕, alpha model 為你保駕護航!
- 尋找 alpha 之: alpha 設計
- 1.2 基本面因子選股
- Porfolio(現金比率+負債現金+現金保障倍數)+市盈率
- ROE選股指標
- 成交量因子
- ROIC&cashROIC
- 【國信金工】資產周轉率選股模型
- 【基本面指標】Cash Cow
- 量化因子選股——凈利潤/營業總收入
- 營業收入增長率+市盈率
- 1.3 財報閱讀 ? [米缸量化讀財報] 資產負債表-投資相關資產
- 1.4 股東分析
- 技術分析入門 【2】 —— 大家搶籌碼(06年至12年版)
- 技術分析入門 【2】 —— 大家搶籌碼(06年至12年版)— 更新版
- 誰是中國A股最有錢的自然人
- 1.5 宏觀研究
- 【干貨包郵】手把手教你做宏觀擇時
- 宏觀研究:從估值角度看當前市場
- 追尋“國家隊”的足跡
- 二 套利
- 2.1 配對交易
- HS300ETF套利(上)
- 【統計套利】配對交易
- 相似公司股票搬磚
- Paired trading
- 2.2 期現套利 ? 通過股指期貨的期現差與 ETF 對沖套利
- 三 事件驅動
- 3.1 盈利預增
- 盈利預增事件
- 事件驅動策略示例——盈利預增
- 3.2 分析師推薦 ? 分析師的金手指?
- 3.3 牛熊轉換
- 歷史總是相似 牛市還在延續
- 歷史總是相似 牛市已經見頂?
- 3.4 熔斷機制 ? 股海拾貝之 [熔斷錯殺股]
- 3.5 暴漲暴跌 ? [實盤感悟] 遇上暴跌我該怎么做?
- 3.6 兼并重組、舉牌收購 ? 寶萬戰-大戲開幕
- 四 技術分析
- 4.1 布林帶
- 布林帶交易策略
- 布林帶回調系統-日內
- Conservative Bollinger Bands
- Even More Conservative Bollinger Bands
- Simple Bollinger Bands
- 4.2 均線系統
- 技術分析入門 —— 雙均線策略
- 5日線10日線交易策略
- 用5日均線和10日均線進行判斷 --- 改進版
- macross
- 4.3 MACD
- Simple MACD
- MACD quantization trade
- MACD平滑異同移動平均線方法
- 4.4 阿隆指標 ? 技術指標阿隆( Aroon )全解析
- 4.5 CCI ? CCI 順勢指標探索
- 4.6 RSI
- 重寫 rsi
- RSI指標策略
- 4.7 DMI ? DMI 指標體系的構建及簡單應用
- 4.8 EMV ? EMV 技術指標的構建及應用
- 4.9 KDJ ? KDJ 策略
- 4.10 CMO
- CMO 策略模仿練習 1
- CMO策略模仿練習2
- [技術指標] CMO
- 4.11 FPC ? FPC 指標選股
- 4.12 Chaikin Volatility
- 嘉慶離散指標測試
- 4.13 委比 ? 實時計算委比
- 4.14 封單量
- 按照封單跟流通股本比例排序,剔除6月上市新股,前50
- 漲停股票封單統計
- 實時計算漲停板股票的封單資金與總流通市值的比例
- 4.15 成交量 ? 決戰之地, IF1507 !
- 4.16 K 線分析 ? 尋找夜空中最亮的星
- 五 量化模型
- 5.1 動量模型
- Momentum策略
- 【小散學量化】-2-動量模型的簡單實踐
- 一個追漲的策略(修正版)
- 動量策略(momentum driven)
- 動量策略(momentum driven)——修正版
- 最經典的Momentum和Contrarian在中國市場的測試
- 最經典的Momentum和Contrarian在中國市場的測試-yanheven改進
- [策略]基于勝率的趨勢交易策略
- 策略探討(更新):價量結合+動量反轉
- 反向動量策略(reverse momentum driven)
- 輕松跑贏大盤 - 主題Momentum策略
- Contrarian strategy
- 5.2 Joseph Piotroski 9 F-Score Value Investing Model · 基本面選股系統:Piotroski F-Score ranking system
- 5.3 SVR · 使用SVR預測股票開盤價 v1.0
- 5.4 決策樹、隨機樹
- 決策樹模型(固定模型)
- 基于Random Forest的決策策略
- 5.5 鐘擺理論 · 鐘擺理論的簡單實現——完美躲過股災和精準抄底
- 5.6 海龜模型
- simple turtle
- 俠之大者 一起賺錢
- 5.7 5217 策略 · 白龍馬的新手策略
- 5.8 SMIA · 基于歷史狀態空間相似性匹配的行業配置 SMIA 模型—取交集
- 5.9 神經網絡
- 神經網絡交易的訓練部分
- 通過神經網絡進行交易
- 5.10 PAMR · PAMR : 基于均值反轉的投資組合選擇策略 - 修改版
- 5.11 Fisher Transform · Using Fisher Transform Indicator
- 5.12 分型假說, Hurst 指數 · 分形市場假說,一個聽起來很美的假說
- 5.13 變點理論 · 變點策略初步
- 5.14 Z-score Model
- Zscore Model Tutorial
- 信用債風險模型初探之:Z-Score Model
- user-defined package
- 5.15 機器學習 · Machine Learning 學習筆記(一) by OTreeWEN
- 5.16 DualTrust 策略和布林強盜策略
- 5.17 卡爾曼濾波
- 5.18 LPPL anti-bubble model
- 今天大盤熔斷大跌,后市如何—— based on LPPL anti-bubble model
- 破解股市泡沫之謎——對數周期冪率(LPPL)模型
- 六 大數據模型
- 6.1 市場情緒分析
- 通聯情緒指標策略
- 互聯網+量化投資 大數據指數手把手
- 6.2 新聞熱點
- 如何使用優礦之“新聞熱點”?
- 技術分析【3】—— 眾星拱月,眾口鑠金?
- 七 排名選股系統
- 7.1 小市值投資法
- 學習筆記:可模擬(小市值+便宜 的修改版)
- 市值最小300指數
- 流通市值最小股票(新篩選器版)
- 持有市值最小的10只股票
- 10% smallest cap stock
- 7.2 羊駝策略
- 羊駝策略
- 羊駝反轉策略(修改版)
- 羊駝反轉策略
- 我的羊駝策略,選5只股無腦輪替
- 7.3 低價策略
- 專撿便宜貨(新版quartz)
- 策略原理
- 便宜就是 alpha
- 八 輪動模型
- 8.1 大小盤輪動 · 新手上路 -- 二八ETF擇時輪動策略2.0
- 8.2 季節性策略
- Halloween Cycle
- Halloween cycle 2
- 夏買電,東買煤?
- 歷史的十一月板塊漲幅
- 8.3 行業輪動
- 銀行股輪動
- 申萬二級行業在最近1年、3個月、5個交易日的漲幅統計
- 8.4 主題輪動
- 快速研究主題神器
- recommendation based on subject
- strategy7: recommendation based on theme
- 板塊異動類
- 風險因子(離散類)
- 8.5 龍頭輪動
- Competitive Securities
- Market Competitiveness
- 主題龍頭類
- 九 組合投資
- 9.1 指數跟蹤 · [策略] 指數跟蹤低成本建倉策略
- 9.2 GMVP · Global Minimum Variance Portfolio (GMVP)
- 9.3 凸優化 · 如何在 Python 中利用 CVXOPT 求解二次規劃問題
- 十 波動率
- 10.1 波動率選股 · 風平浪靜 風起豬飛
- 10.2 波動率擇時
- 基于 VIX 指數的擇時策略
- 簡單低波動率指數
- 10.3 Arch/Garch 模型 · 如何使用優礦進行 GARCH 模型分析
- 十一 算法交易
- 11.1 VWAP · Value-Weighted Average Price (VWAP)
- 十二 中高頻交易
- 12.1 order book 分析 · 基于高頻 limit order book 數據的短程價格方向預測—— via multi-class SVM
- 12.2 日內交易 · 大盤日內走勢 (for 擇時)
- 十三 Alternative Strategy
- 13.1 易經、傳統文化 · 老黃歷診股
- 第三部分 基金、利率互換、固定收益類
- 一 分級基金
- “優礦”集思錄——分級基金專題
- 基于期權定價的分級基金交易策略
- 基于期權定價的興全合潤基金交易策略
- 二 基金分析
- Alpha 基金“黑天鵝事件” -- 思考以及原因
- 三 債券
- 債券報價中的小陷阱
- 四 利率互換
- Swap Curve Construction
- 中國 Repo 7D 互換的例子
- 第四部分 衍生品相關
- 一 期權數據
- 如何獲取期權市場數據快照
- 期權高頻數據準備
- 二 期權系列
- [ 50ETF 期權] 1. 歷史成交持倉和 PCR 數據
- 【50ETF期權】 2. 歷史波動率
- 【50ETF期權】 3. 中國波指 iVIX
- 【50ETF期權】 4. Greeks 和隱含波動率微笑
- 【50ETF期權】 5. 日內即時監控 Greeks 和隱含波動率微笑
- 【50ETF期權】 5. 日內即時監控 Greeks 和隱含波動率微笑
- 三 期權分析
- 【50ETF期權】 期權擇時指數 1.0
- 每日期權風險數據整理
- 期權頭寸計算
- 期權探秘1
- 期權探秘2
- 期權市場一周縱覽
- 基于期權PCR指數的擇時策略
- 期權每日成交額PC比例計算
- 四 期貨分析
- 【前方高能!】Gifts from Santa Claus——股指期貨趨勢交易研究