什么是股价跳空缺口

跳空缺口存在与K线图之中，是指相邻的两根K线之间出现了没有交易的空白区间。当今日最低价与昨日最高价之间没有重合部分，称为向上缺口；当今日最高价与昨日最低价之间没有重叠部分，称为向下缺口。

理论上来说，当市场没有利好与利空消息之时，次日股价应该平开，但是如果前一日有利好出现，那么在当日集合竞价之时，多数投资者都会挂高价格进行买入，因为利好挂低价格可能买不到，这样就形成了一个向上的跳空高开。反之则是跳空低开。

这种留下的缺口对于判断后市的涨跌具有一定的参考价值。但需要注意的是，如果高开低走，跌倒昨日最高价之内，回补了这个空挡，只能叫跳空高开，不能叫缺口，缺口是指当日价格没有被反向回补。

不过，我们还需要注意，跳空缺口如果较小，可能对后市没有参考意义，而且在除权除息日也同样会出现跳空缺口，也不具有参考意义。当然，也有例外，比如比亚迪，如今也没回补50的缺口，单独看某个股票的单一数据是没有参考意义的，这一点需要额外的注意。

计算跳空值

前面我们都是以歌尔股份为例，分析各种股票的参数。今天，我们换一个股票，叫牧原股份，因为这个股票因为业绩的公布直接2个涨停到了99，如今又跌到了82，缺口很明显。

首先，我们来获取一下牧原股份近两个月的数据，具体代码如下：

df = ak.stock_zh_a_daily(symbol="sz002714", start_date="20201103", end_date="20210118",adjust="qfq")
df.to_excel("牧原股份.xlsx")

接着，我们定义一个计算跳空值的函数，代码如下：

def count_gap(cPriceUp, preLow, preHigh, low, high, threshold):jump_value = 0if (cPriceUp > 0) and (low - preHigh) > threshold:# 向上跳空jump_value = (low - preHigh) / thresholdelif (cPriceUp < 0) and (preLow - high) > threshold:# 向下跳空jump_value = (high - preLow) / thresholdreturn jump_value

函数的参含含义如下：

cPriceUp：收盘价的涨幅

preLow：昨日最低价

preHigh：昨日最高价

low：最低价

high：最高价

threshold：跳空阈值

这个函数翻译成文字意思如下：

（1）向上跳空：当涨幅cPriceUp为正，且今日最低价（low）减去昨日最高价（preHigh）大于跳空阈值。

（2）向下跳空：当涨幅cPriceUp为负，且昨日最低价（preLow）减去今日最高价（high）大于跳空阈值。

遍历股票数据获取跳空缺口

首先，我们需要自定义一个阈值用于判断是否符合跳空缺口，代码如下：

jump_threshold = df["close"].median() * 0.01

这里定义收盘价的中位数*0.01作为阈值。

接着，套用公式计算出上面方法中的参数，具体代码如下所示：

jump_threshold = df["close"].median() * 0.01
# 计算涨跌幅
df['changeRatio'] = df["close"].pct_change() * 100
# 增加昨日最低价序列
df["preLow"] = df["low"].shift(1)
# 增加昨日最高价序列
df['preHigh'] = df['high'].shift(1)
# 增加空白列jump
df = df.assign(jump=0)
# 计算所有跳空值
df['jump'] = df.apply(lambda row: count_gap(row['changeRatio'], row['preLow'], row['preHigh'], row['low'], row['high'], jump_threshold),axis=1)

注释已经非常详细了，就是获取该股票所有的跳空缺口，并且赋值给jump列，而没有跳空值的jump被赋值为0。这里我们得到了所有的跳空缺口，接下来我们需要区分是向上跳空还是向下跳空。

# 向上跳空
up_jump = df[(df["cPriceUp"] > 0) & (df["jump"] > 0)]
# 向下跳空
down_jump = df[(df["cPriceUp"] < 0) & (df["jump"] < 0)]

如上面代码所示，只需要根据前文向上跳空概念以及向下跳空概念进行判断即可。

绘制跳空缺口

经过上面的代码运算，我们已经得到了跳空缺口。下面，我们就可以根据这些值来绘制K线图，并标记出跳空缺口的位置。完整代码如下所示：

import matplotlib.pyplot as plt
import pandas as pd
import matplotlib.ticker as ticker
import mpl_finance as mpfdef count_gap(cPriceUp, preLow, preHigh, low, high, threshold):jump_value = 0if (cPriceUp > 0) and ((low - preHigh) > threshold):# 向上跳空jump_value = (low - preHigh) / thresholdelif (cPriceUp < 0) and ((preLow - high) > threshold):# 向下跳空jump_value = (high - preLow) / thresholdreturn jump_valuedf = pd.read_excel("牧原股份.xlsx")
df['date'] = pd.to_datetime(df['date'])
df['date'] = df['date'].apply(lambda x: x.strftime('%Y-%m-%d'))
jump_threshold = df["close"].median() * 0.01
# 计算涨跌幅
df['cPriceUp'] = df["close"].pct_change() * 100
# 增加昨日最低价序列
df["preLow"] = df["low"].shift(1)
# 增加昨日最高价序列
df['preHigh'] = df['high'].shift(1)
# 增加空白列jump
df = df.assign(jump=0)
# 计算所有跳空值
df['jump'] = df.apply(lambda row: count_gap(row['cPriceUp'], row['preLow'], row['preHigh'], row['low'], row['high'], jump_threshold),axis=1)
# 向上跳空
up_jump = df[(df["cPriceUp"] > 0) & (df["jump"] > 0)]
# 向下跳空
down_jump = df[(df["cPriceUp"] < 0) & (df["jump"] < 0)]
fig = plt.figure(figsize=(12, 8))
ax = fig.add_subplot(111)
plt.rcParams['font.sans-serif'] = ['SimHei']
#绘制K线图
mpf.candlestick2_ochl(ax, df["open"], df["close"], df["high"], df["low"], width=0.6, colorup='r',colordown='green',alpha=1.0)
#绘制向下跳空与向上跳空缺口指标
for key, val in df.items():for index, today in up_jump.iterrows():x_posit = df.index.get_loc(index)ax.annotate("{}\n{}".format("向上跳空", today["date"]), xy=(x_posit, today["preHigh"]),xytext=(-30, -up_jump["close"].mean() *0.5), xycoords="data",fontsize=18, textcoords="offset points", arrowprops=dict(arrowstyle="simple", color="r"))
for key, val in df.items():for index, today in down_jump.iterrows():x_posit = df.index.get_loc(index)ax.annotate("{}\n{}".format("向下跳空", today["date"]), xy=(x_posit, today["preLow"]),xytext=(-30, down_jump["close"].mean() *0.5), xycoords="data",fontsize=18, textcoords="offset points", arrowprops=dict(arrowstyle="simple", color="r"))
ax.xaxis.set_major_locator(ticker.MaxNLocator(20))
def format_date(x, pos=None):if x < 0 or x > len(df['date']) - 1:return ''return df['date'][int(x)]ax.xaxis.set_major_formatter(ticker.FuncFormatter(format_date))
plt.setp(plt.gca().get_xticklabels(), rotation=45, horizontalalignment='right')

运行之后，得到的效果如下图所示：

前面我们提到了比亚迪，至今没有回补50的缺口，对于这样的股票怎么办呢？其实很简单，你设置一个筛选条件，上涨超过多少，忽略其跳空缺口。像比亚迪这种一般来说肯定回不去了，那么大于一定涨幅，就不要记录缺口了。

python股票量化交易（5）---股价跳空缺口相关推荐

python股票量化交易接口是应用到股票上吗？
python股票量化交易接口是应用到股票上吗?当然可以,而且是任何交易者都可以使用量化交易技术,股票交易数据是很容版易采集的,就是分析起来比权较麻烦,如果题主是职业散户,美股研究社更建议使用一些软件炒 ...
《Python股票量化交易从入门到实践》随书赠送“回测框架”的使用帮助
点击:QTYX最新版本使用指南[文字版] 点击:QTYX最新版本使用指南[视频版] 点击: QTYX历史版本更新说明赠送"回测框架"的目的为了帮助读者再建立一座从书本知识到实战 ...
python股票量化交易（1）---K线图、均线与成交量绘制
远思扬祖宗之德,近思盖父母之愆:上思报国之恩,下思造家之福:外思济人之急,内思闲己之邪. 本文目录前言获取股票的数据绘制K线图均线图成交量前言都说2020年是牛市的起点,很显然对于数据来 ...
python股票量化交易（8）---K线图：锤头，射击之星，早晨之星
人之有志,如树之有根,立定此志,须念念谦虚,尘尘方便,自然感动天地,而造福由我. 目录锤头倒锤头射击之星早晨之星锤头本篇接着上篇介绍K线形态. 首先,我们今天介绍的第一个K线形态是锤头,T ...
python股票量化交易入门到实践_量化资料学习《Python与量化投资从基础到实战》+《量化交易之路用Python做股票量化分析》+《组织与管理研究的实证方法第2版》...
我们需要利用Python进行数据分析的指南,有大量的关于数据处理分析的应用,重点学习如何高效地利用Python解决投资策略问题,推荐学习<Python与量化投资从基础到实战>等电子资料. ...
python股票量化交易（7）---K线图：乌鸦、乌云压顶、十字星
随缘济众,其类至繁,约言其纲,大约有十:第一,与人为善;第二,爱敬存心;第三,成人之美;第四,劝人为善;第五,救人危急;第六,兴建大利;第七,舍财作福;第八,护持正法;第九,敬重尊长;第十,爱惜物命. ...
python股票量化交易（12）---使用pyqt5构建股票交易软件主页
目录实时股票数据每笔交易详情数据绘制股票走势图与买卖盘数据实时股票数据接着上篇博文的内容,今天我们来实现获取与绘制实时的股票行情数据.首先,我们需要通过akshare库获取某一天的实时交易数 ...
python股票量化交易（9）---使用TA-Lib库实现股价走势对比图
凡天将发斯人也,未发其福,先发其慧;此慧一发,则浮者自实,肆者自敛;建所温良若此,天启之矣. 目录前言计算各类指标绘图前言在众多的市场股票交易软件中,每个界面并不仅仅只显示一个指标图,往往股 ...
python股票量化交易（3）---趋势类指标MACD
虚心屈己,受福之基.彼气盈者,必非远器,纵发亦无受用. 文章目录什么是MACD MACD指标的计算绘制MACD图什么是MACD MACD全称为Moving Average Convergence ...

python股票量化交易（5）---股价跳空缺口

文章目录

什么是股价跳空缺口

计算跳空值

遍历股票数据获取跳空缺口

绘制跳空缺口

python股票量化交易（5）---股价跳空缺口相关推荐

最新文章

热门文章