手把手教你python实现量价形态选股知乎_【手把手教你】Python实现量价形态选股...

来源：雪球App，作者： Python金融量化，（https://xueqiu.com/1444657641/139331726）

01引言

在股票市场上，一切交易行为的成功皆为概率事件，交易获利的核心在于选择了上涨概率较高的股票。因此，利用高概率的上升形态来选股，是技术分析的重要方法之一。威廉·欧奈尔在《笑傲股市》中通过研究100多只超级牛股，总结出看涨形态中出现最为普遍的一种形态——杯柄形态。欧奈尔杯柄选股模型的买点，说白了是股价放量上升即将创出新高的时点。也就是说，最佳买点是在股价经过回调整理，股价即将创出新高且成交量放大50%以上。

欧奈尔“逢高买入”的逻辑主要基于三点，一是“逢高买入”可以规避股票长时间在底部盘整时的等待；二是在牛市初期和调整期，越早结束底部盘整创出新高的股票，未来的涨幅通常越大；三是在牛市初期和调整期，先买入更早结束盘整创出新高的股票，待其上涨获利部分卖出再建仓后启动的股票，可以提高资金使用效率。

本文基于欧奈尔“杯柄形态”和“逢高买入”的技术分析思想，使用Python基于个股价量形态进行简单的量化选股，以期对股票价格形态量化选股起到抛砖引玉的作用。实际上欧奈尔的选股精髓在于技术面和基本面的有机结合，并提出了CANSLIM七步选股法，感兴趣的可参见其原书《笑傲股市》。废话少说，下面直接给出Python价量选股代码。注意，文中提及股票仅作为分析案例，不构成任何投资建议！

02Python选股代码

Python实现的步骤主要包括数据获取及清洗、价量突破规则设定、股票筛选和可视化分析。数据获取基于tushare开源框架，使用Python自带的Sqlit3轻量级数据库进行数据管理，参见推文《【手把手教你】Python面向对象编程入门及股票数据管理应用实例》。下面要引入的base、update_sql、plot_stock均是为方便数据管理写的个人脚本文件，在运行时可以注释掉使用自己的数据来替换和画图。加入知识星球获取可获取所有完整代码。

（数据管理的py文件和选股分析的ipynb文件）

#更新数据库信息

from update_sql import update_sql,info_sql

#画K线图

from plot_stock import stock_plot

更新数据库信息

update_sql()

输出结果：数据已经是最新的！

获取数据库信息info_sql()

输出结果：

数据库包含股票个数：3760

统计查询的总数：7873981

数据期间：20050104——20200113

文件大小为918M。

import pandas as pd

#base是个人写的脚本文件

from base import sql_engine,ts_pro

from datetime import datetime,timedelta

pro=ts_pro()

engine = sql_engine()

从数据库中获取复权价格和成交量

def get_price_vol_data():

now=datetime.now()

date=(now-timedelta(360)).strftime('%Y%m%d')

sql=f'select * from daily_data where trade_date>{date}'

all_data=pd.read_sql(sql,engine)

all_data=all_data.sort_values(['ts_code','trade_date'])

codes=list(all_data.ts_code.unique())

#前复权

all_data['adjclose']=all_data.groupby('ts_code').apply(lambda x:x.close*x.adj_factor/x.adj_factor.iloc[-1]).values

all_data['adjvol']=all_data.groupby('ts_code').apply(lambda x:x.vol*x.adj_factor/x.adj_factor.iloc[-1]).values

all_data['adjopen']=all_data.groupby('ts_code').apply(lambda x:x.open*x.adj_factor/x.adj_factor.iloc[-1]).values

all_data['adjhigh']=all_data.groupby('ts_code').apply(lambda x:x.high*x.adj_factor/x.adj_factor.iloc[-1]).values

all_data['adjlow']=all_data.groupby('ts_code').apply(lambda x:x.low*x.adj_factor/x.adj_factor.iloc[-1]).values

#设置索引

all_data=all_data.set_index(['trade_date','ts_code'])[['adjclose','adjvol','adjopen','adjhigh','adjlow']]

#转成面板数据

all_data=all_data.unstack()

return codes,all_data

筛选价格和成交量突破N日阈值的个股

def find_price_vol_stock(n,r=1.2):

codes,all_data=get_price_vol_data()

up_list=[]

for code in codes:

close=all_data['adjclose'][code]

open_=all_data['adjopen'][code]

high=all_data['adjhigh'][code]

low=all_data['adjlow'][code]

vol=all_data['adjvol'][code]

#剔除一字涨停

flag=True

if close.iloc[-1]==open_.iloc[-1]==high.iloc[-1]==low.iloc[-1]:

flag=False

break

#最近五日没有长上影线,以单日回撤3%为长上影线

for i in range(5):

if close[-5:][i]*1.03

flag=False

break

#价格突破前N日新高

p=close.iloc[-1] #当前价格

p0=close[-n:-1].min()

p1=close[-n:-1].max() #前n-1日最高价

#价格短期已上涨超过50%，涨幅过大不宜介入

'''

if (p-p0)/p0>r:

flag=False

break '''

#价格突破且放量上涨

if flag==True and \

vol[-5:].mean()/vol[-10:-5].mean()>2.0:

up_list.append(code)

return up_list

运行选股函数：

stocks_60=find_price_vol_stock(60)

print('突破60日量价的个股为：\n')

print(stocks_60)

print(f'突破60日量价个股个数为：{len(stocks_60)}')

突破60日量价的个股为：

['000417.SZ', '000885.SZ']

突破60日量价个股个数为：2

对选出的个股K线可视化

stock_plot(stocks_20[0]).kline_plot(ktype=0)

stock_plot(stocks_20[1]).kline_plot(ktype=0)

下面不考虑成交量，主要基于价格形态，寻找W底或圆底形态的个股。

#RPS是用于计算欧奈尔RPS相对强弱指标的脚本文件

from RPS import get_data

data=get_data()

#data.tail()

剔除了次新股和ST股后对剩下的2871只股票进行筛选。

def find_stock(data,n=20):

stock_list=[]

for c in data.columns:

d0=data[c][-n]

d1=data[c][-(n-2):-1].max()

d2=data[c][-1]

#考虑股价在3-20元个股情况

if 3

stock_list.append(c)

#print(len(stock_list))

return stock_list

运行函数：

ss_20=find_stock(data)

print(ss_20)

#输出结果：

['恒华科技', '东方电缆', '立霸股份', '鼎信通讯', '普洛药业']

基于60天价格形态。

ss_60=find_stock(data,n=60)

print(ss_60)#输出结果：

['中航重机', '鲁阳节能', '金牛化工', '农尚环境', '北汽蓝谷']

价格形态的可视化，其中stock_plot是使用pyecharts0.5.11版本写的画图脚本文件，ktype=0为普通K线，=1为修正K线图。

stock_plot(ss_20[0]).kline_plot(ktype=0)

stock_plot(ss_20[1]).kline_plot(ktype=0)

stock_plot(ss_60[0]).kline_plot(ktype=0)

stock_plot(ss_60[1]).kline_plot(ktype=0)

stock_plot(ss_60[2]).kline_plot(ktype=0)

03结语随着股票数量的增多，借助技术手段进行量化选股已越来越普遍，不少平台也用上了AI的手段。市场讯息万变，往往体现在量价关系的变化中。因此采用技术分析的量价时空分析，可以提高选股的成功概率。但所有技术分析都基于对历史的归纳，而历史并不总是全然相似，所处的市场环境和公司情况也不尽相同，未来的发展走势也可能不一样。技术分析本身是存在一定局限性的，凭借高概率的价格形态选股能够判定一只股票未来上涨，但也未必如你所愿的方式上涨，可能中间的震荡又将你洗出局。本文以Python为工具，对A股3700多只股票进行价量分析，利用价量突破进行选股，为股票技术分析的量化提供了一种简单的视角，具有一定的实战意义。具体应用中还可结合市场横截面的强弱指标——欧奈尔的RPS和基本面业绩指标进一步优化。以上分析仅供参考，不构成任何投资建议！

关于Python金融量化

专注于分享Python在金融量化领域的应用。加入知识星球，可以免费获取量化投资视频资料、量化金融相关PDF资料、公众号文章Python完整源码、量化投资前沿分析框架，与博主直接交流、结识圈内朋友等。

手把手教你python实现量价形态选股知乎_【手把手教你】Python实现量价形态选股...相关推荐

手把手教你python实现量价形态选股知乎_如何通过量价形态选股
原标题:如何通过量价形态选股许多股民投资者对于成交量变化的规律不清楚,K线分析只有与成交量的分析相结合,才能真正地读懂市场的语言,洞悉股价变化的奥妙.成交量是价格变化的原动力,其在实战技术分析中的地 ...
手把手教你python实现量价形态选股知乎_怎样通过量价形态选股？量价选股技巧...
许多股民投资者对于成交量变化的规律不清楚,K线分析只有与成交量的分析相结合,才能真正地读懂市场的语言,洞悉股价变化的奥妙.成交量是价格变化的原动力,其在实战技术分析中的地位不言自明.今天小编就和大家介 ...
python编程快速上手-----让繁琐工作自动化_每周一书《Python编程快速上手让繁琐工作自动化》分享！...
内容简介如今,人们面临的大多数任务都可以通过编写计算机软件来完成.Python是一种解释型.面向对象.动态数据类型的高级程序设计语言.通过Python编程,我们能够解决现实生活中的很多任务. 本书是 ...
python零基础能学吗知乎-如何零基础入门 Python？
从17年6月入门Python到今天有大半年了,总结一下这半年来自学Python的路径. 本人只在两年前接触过HTML和CSS,但严格来说这两门只能算是标记语言而非编程语言,而且开始学Python的时候 ...
python 用if判断一个数是不是整数_五天学会Python基础02（下）
函数和模块的使用在讲解本章节的内容之前,我们先来研究一道数学题,请说出下面的方程有多少组正整数解. 事实上,上面的问题等同于将8个苹果分成四组每组至少一个苹果有多少种方案.想到这一点问题的答案就呼之 ...
为什么python打开pygame秒关闭后在运行_当我运行Python程序时，pygame窗口打开片刻，然后退出 - python...
我是一个刚开始尝试通过在线课程使用python和pygame制作游戏的程序员.但是,当我运行以下代码时,pygame窗口将打开一秒钟,然后关闭. import pygame pygame.init() ...
python json传参数可以传对象吗_廖雪峰的python系列教程（52）——IO编程之序列化...
序列化在程序运行的过程中,所有的变量都是在内存中,比如,定义一个dict: d = dict(name='Bob', age=20, score=88) 可以随时修改变量,比如把name改成'Bil ...
python底层是用什么语言实现的_我为何说Python是全栈式开发语言？
Python 的排名从去年开始就借助人工智能持续上升,如今它已经成为了第一名.但排在前四名的语言 Python.C.Java 和 C++都拥有广大的用户群体,而且他们的用户总量也十分相近.实际上,Di ...

手把手教你python实现量价形态选股知乎_【手把手教你】Python实现量价形态选股...

手把手教你python实现量价形态选股知乎_【手把手教你】Python实现量价形态选股...相关推荐

最新文章

热门文章