# 實時計算漲停板股票的封單資金與總流通市值的比例
> 來源:https://uqer.io/community/share/55a8cf52f9f06c57a11b53b9
申明: 本貼的思路來源于社區高人 @明軒 的啟發 說明: 本人之前一直用Matlab/R研究策略,最近發現了“優礦”這個策略研究平臺,感覺非常的方便,社區大神也很多,社區里也有很多優秀的帖子, 再加上一直想學python的這種沖動(畢竟python在量化界還是很有地位的),所以就萌生在此發帖寫策略的沖動。現在看來,這一切都是值的。
策略介紹: 過去的幾個星期里中國股市很不太平,市場基本就只有三種狀態:漲停、跌停、停牌。在這種特殊行情下,一些平時不會考慮到的因素可能在 這段時間里很有效。論壇里 @明軒 有一個很不錯的想法,計算漲停板股票的封單資金與流通市值的比例,用以反映該股票的熱度,這一點在直觀上 也是很好理解的,本篇做的也就是這件事情,只需要克隆并運行下面的代碼,就可以得到實時的“封單資金流通市值比例”。 在@明軒的帖子中,代碼實現的大部分都是C的思想,過程顯得比較復雜,而且對于程序也沒有太多的注釋說明,對初學者來說還是有一些壓力的。 作者也是上周才看到“優礦”社區,學python也就一周的時間,初看 @明軒 的代碼還是很吃力的,由于作者是matlab出身,所以就用matlab的思想來 實現這個想法(主要是矩陣運算,代碼中盡量不要用到for循環),同時對于代碼也做到注釋詳盡,以便和我一樣的初學者共同學習進步。 作者新人,初次發帖,難免會有疏忽,還望論壇各位大神予以指正。
```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
fields = ['shortNM','lastPrice','bidBook','askBook','suspension']
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','lastPrice','bidBook_price1','bidBook_volume1','askBook_volume1','suspension']] =t[['shortNM','lastPrice','bidBook_price1','bidBook_volume1','askBook_volume1','suspension']]
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]
# 去掉沒有漲停板的股票
data['suspension'][(data['bidBook_volume1']>0).values & (data['askBook_volume1']==0).values] = 1 # 若漲停盤,suspension則賦值1
data = data[data['suspension']==1]
data.drop(['suspension','askBook_volume1'],axis=1,inplace=True)
# 計算封停板資金量、流通市值、兩者比值
data['stop_money'] = data['bidBook_price1'].values * data['bidBook_volume1'].values
data['float_value'] = data['bidBook_price1'].values * data['nonrestfloatA'].values
data['rate'] = data['stop_money']/data['float_value']*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.columns = ['代碼','簡稱','最新成交價','買一價','買一量','非受限流通股','封停板資金','流通市值','封停資金流通市值比(百分之幾)']
data.head(30)
```
| | 代碼 | 簡稱 | 最新成交價 | 買一價 | 買一量 | 非受限流通股 | 封停板資金 | 流通市值 | 封停資金流通市值比(百分之幾) |
| --- | --- |
| 0 | 600127.XSHG | 金健米業 | 8.64 | 8.64 | 31034932 | 138756240 | 2.681418e+08 | 1.198854e+09 | 22.366513 |
| 1 | 002465.XSHE | 海格通信 | 26.49 | 26.49 | 48681212 | 232841128 | 1.289565e+09 | 6.167961e+09 | 20.907480 |
| 2 | 002451.XSHE | 摩恩電氣 | 10.15 | 10.15 | 20255795 | 99720453 | 2.055963e+08 | 1.012163e+09 | 20.312578 |
| 3 | 600307.XSHG | 酒鋼宏興 | 4.97 | 4.97 | 41841200 | 223174819 | 2.079508e+08 | 1.109179e+09 | 18.748172 |
| 4 | 601216.XSHG | 內蒙君正 | 10.97 | 10.97 | 47936330 | 256155318 | 5.258615e+08 | 2.810024e+09 | 18.713775 |
| 5 | 002220.XSHE | 天寶股份 | 9.53 | 9.53 | 36358180 | 203638446 | 3.464935e+08 | 1.940674e+09 | 17.854281 |
| 6 | 000153.XSHE | 豐原藥業 | 8.91 | 8.91 | 43825338 | 296645200 | 3.904838e+08 | 2.643109e+09 | 14.773655 |
| 7 | 600363.XSHG | 聯創光電 | 11.98 | 11.98 | 39827219 | 287985798 | 4.771301e+08 | 3.450070e+09 | 13.829577 |
| 8 | 600881.XSHG | 亞泰集團 | 10.32 | 10.32 | 39219948 | 324000000 | 4.047499e+08 | 3.343680e+09 | 12.104922 |
| 9 | 601989.XSHG | 中國重工 | 12.90 | 12.90 | 35504690 | 309043600 | 4.580105e+08 | 3.986662e+09 | 11.488570 |
| 10 | 002578.XSHE | 閩發鋁業 | 8.61 | 8.61 | 18732903 | 169374479 | 1.612903e+08 | 1.458314e+09 | 11.060051 |
| 11 | 002314.XSHE | 雅致股份 | 8.51 | 8.51 | 29786294 | 331060900 | 2.534814e+08 | 2.817328e+09 | 8.997225 |
| 12 | 002596.XSHE | 海南瑞澤 | 19.77 | 19.77 | 13188288 | 150360840 | 2.607325e+08 | 2.972634e+09 | 8.771092 |
| 13 | 300245.XSHE | 天璣科技 | 14.99 | 14.99 | 30609263 | 358143846 | 4.588329e+08 | 5.368576e+09 | 8.546639 |
| 14 | 600725.XSHG | 云維股份 | 7.21 | 7.21 | 10355583 | 131323745 | 7.466375e+07 | 9.468442e+08 | 7.885537 |
| 15 | 600635.XSHG | 大眾公用 | 8.45 | 8.45 | 15693824 | 203285722 | 1.326128e+08 | 1.717764e+09 | 7.720082 |
| 16 | 000005.XSHE | 世紀星源 | 5.96 | 5.96 | 65653281 | 913743007 | 3.912936e+08 | 5.445908e+09 | 7.185093 |
| 17 | 000908.XSHE | 景峰醫藥 | 13.72 | 13.72 | 22259100 | 318306848 | 3.053949e+08 | 4.367170e+09 | 6.992969 |
| 18 | 002392.XSHE | 北京利爾 | 6.60 | 6.60 | 18238316 | 272720782 | 1.203729e+08 | 1.799957e+09 | 6.687542 |
| 19 | 300315.XSHE | 掌趣科技 | 15.47 | 15.47 | 8467640 | 143055590 | 1.309944e+08 | 2.213070e+09 | 5.919126 |
| 20 | 000733.XSHE | 振華科技 | 17.52 | 17.52 | 25394193 | 429158874 | 4.449063e+08 | 7.518863e+09 | 5.917201 |
| 21 | 002492.XSHE | 恒基達鑫 | 10.15 | 10.15 | 15039065 | 258580938 | 1.526465e+08 | 2.624597e+09 | 5.815999 |
| 22 | 000662.XSHE | 索芙特 | 13.52 | 13.52 | 16284361 | 287985798 | 2.201646e+08 | 3.893568e+09 | 5.654571 |
| 23 | 002070.XSHE | 眾和股份 | 9.57 | 9.57 | 16355886 | 301076280 | 1.565258e+08 | 2.881300e+09 | 5.432472 |
| 24 | 002582.XSHE | 好想你 | 18.94 | 18.94 | 19100773 | 400080405 | 3.617686e+08 | 7.577523e+09 | 4.774234 |
| 25 | 600818.XSHG | 中路股份 | 67.12 | 67.12 | 9203792 | 213594042 | 6.177585e+08 | 1.433643e+10 | 4.309012 |
| 26 | 600439.XSHG | 瑞貝卡 | 6.90 | 6.90 | 17411170 | 429158874 | 1.201371e+08 | 2.961196e+09 | 4.057045 |
| 27 | 002385.XSHE | 大北農 | 16.10 | 16.10 | 8450558 | 221721339 | 1.360540e+08 | 3.569714e+09 | 3.811342 |
| 28 | 600839.XSHG | 四川長虹 | 8.07 | 8.07 | 21128839 | 560561743 | 1.705097e+08 | 4.523733e+09 | 3.769226 |
| 29 | 002176.XSHE | 江特電機 | 18.48 | 18.48 | 13745498 | 387357522 | 2.540168e+08 | 7.158367e+09 | 3.548530 |
應用: 只用將上述代碼塊拷到自己的notebook下運行,便可以得到實時的漲停板資金總流通市值比例。 后文: 得到上述比例表格可能暫時沒有實際的用處,頂多指導一下明天投資的優先順序。所以,接下來作者也會寫一下更具實際價值的研究工具, 比如:實時更新昨天封停資金流通市值比例前20,但今天沒有漲停的股票(對于市場遇到急跌的情況,一旦這些股票開板了,是非常好的投資機會)。 也希望通過多發一些帖子來進一步熟悉python和quartz。
- 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