引言
题材概念一直是A股市场投机炒作的主旋律。大多数散户都在复杂的理论、财务指标、技术图形和消息上折腾,缺乏从实践上去认识和把握市场。概念板块是市场资金达成共识的重要介质,主力资金凭借热点题材形成赚钱效应,热点炒作驱动资金与赚钱效应形成正向反馈环,推动热点板块个股上涨,而热点题材的级别大小和想象力大小则决定了股票上涨的空间。热点题材与板块主要来自经济、政策、情绪、资金、技术和外围环境。同花顺软件提供了各种热点题材和概念指数数据,为我们分析热点题材板块动向提供了依据。那么如何利用板块指数行情监测领涨板块,寻找板块龙头股呢?本文利用Python从tushare上获取同花顺概念板块行业指数行情数据和个股交易数据,分析板块及个股的动量走向,为构建热点题材和龙头股(强势股)监测系统提供参考依据。
数据获取与探索性分析
下面利用tushare pro获取同花顺概念板块行业指数相关数据,tushare pro需到其官网注册获取token才能使用,某些数据提取有积分限制,下面使用到的数据可以通过在微信公众号后台回复“2020”或“同花顺概念”获取。
首先导入需要用到的Python库/模块。
importpandasaspdimportnumpyasnp#可视化:matplotlib、seaborn、pyechartsimportmatplotlib.pyplotaspltimportseabornassns#正确显示中文和负号plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=False#这里的pyecharts使用的是0.5.11版本frompyechartsimportBar,HeatMap#导入时间处理模块fromdateutil.parserimportparsefromdatetimeimportdatetime,timedelta#pandas赋值老提升警告importwarningswarnings.filterwarnings('ignore')#使用tusharepro获取数据,需要到官网注册获取相应的tokenimporttushareaststoken='输入你的token'pro=ts.pro_api(token)
获取同花顺概念和行业列表。
index_list=pro.ths_index()#查看数据前几行index_list.head()
#数据保存本地#index_list.to_csv('index_list.csv')#读取本地数据#index_list=pd.read_csv('index_list.csv',index_col=0)
其中,ts_code:代码;name:名称;count:成分个数;exchange:交易所,包括A股、港股(H)和美股(US);list_date:上市日期;type:指数类型N-板块指数,I-行业指数,S-同花顺特色指数。
defplot_bar(data,title,label=True,zoom=False):bar=Bar('')attr=list(data.index)v=list(data.values)bar.add(title,attr,v,is_label_show=label,is_splitline_show=False,is_datazoom_show=zoom)returnbar
data=index_list.groupby('exchange')['name'].count()title='同花顺概念和行业指数\nA股\港股\美股'plot_bar(data,title)
上图显示,A股概念和行业指数高达939个,下面主要分析A股上的同花顺概念和行业指数做进一步考察。
A_index_list=index_list.query("exchange=='A'")A_index_list=A_index_list.copy()A_index_list['nums']=pd.to_numeric(A_index_list['count'])#去掉缺失值A_index_list.dropna(inplace=True)A_index_list['nums'].describe()
概念或行业成分股中平均有53只个股,当然,每只个股可能分属不同的概念板块行业,如果某个概念板块所含个股数量太多或太少,相当于涵盖面太宽泛或代表性不足,分析起来意义不大。下面删除重复项和剔除成份个股数量低于12大于52(相当于取25%到75%分位数)。
#删除代码重复项,#保留type为N板块的指数final_index_list=(A_index_list.drop_duplicates(subset=['ts_code'],keep='first').query("12<nums<52").query("type=='N'"))#去掉样本股或成份股指数final_index_list=final_index_list[-final_index_list.name.apply(lambdas:s.endswith('样本股')ors.endswith('成份股'))]final_index_list.sort_values('nums')
data=(final_index_list.sort_values('nums',ascending=False).set_index('name')['nums'])title='同花顺概念和行业指数成分股个数'plot_bar(data,title,False,True)
获取概念行业指数行情
下面通过日期循环获取某时间段所有概念行业指数的行情数据。使用tushare在线获取代码由于篇幅所限,此处略,完整代码见Python金融量化知识星球。数据也可以通过公众号上获取(回复“2020”或“同花顺概念”)后导入。
#获取股票交易日历defget_cals():#获取交易日历pass#获取某段时间内的交易日期(如200个交易日)defget_trade_date(n):#获取当天日期时间pass#获取某段时间内的概念指数行情数据defget_index_data(n=200):pass
查看数据前几行。后续分析只需要使用指数的收盘价、交易代码和交易日期。
#通过tushare在线获取数据#all_data=get_index_data(n=200)#数据保存本地#all_data.to_csv('all_data.csv')#通过本地导入数据all_data=pd.read_csv('all_data.csv',index_col=0)all_data.head()
#删除重复缺失值、将代码使用概念中文名代替final_data=(all_data.sort_values(['ts_code','trade_date']).drop_duplicates().set_index(['trade_date','ts_code'])['close'].unstack().dropna(axis=1).rename(columns=dict(index_list[['ts_code','name']].values)))final_data.tail()
到这一步已获取到所需数据并做了规整处理。下面对板块和相关个股涨跌幅进行分析,并构建函数用于监测板块热点和强势个股的轮动走向。
板块热点与个股涨跌监测分析
要分析板块热点的走向,首先是计算板块指数在不同时间周期下的收益率(动量)。下面以1日、5日、20日、60日和120日作为时间窗口计算概念指数的收益率。
defdate_ret(data,w_list=[1,5,20,60,120]):df=pd.DataFrame()forwinw_list:df[str(w)+'日收益率%']=(((data/data.shift(w)-1)*100).round(2).iloc[w:].fillna(0).T.iloc[:,-1])returndf
date_ret(final_data).sort_values('120日收益率%',ascending=False)
120日涨幅居前板块指数。
date_ret(final_data).sort_values('120日收益率%',ascending=False)[:10]
120日跌幅最多的前五个板块指数。
date_ret(final_data).sort_values('120日收益率%',ascending=True)[:5]
概念板块指数周期涨跌幅可视化
#使用pyecharts0.5.11版本可视化defout_chart(w=120):col=str(w)+'日收益率%'ddd=date_ret(final_data).sort_values(col,ascending=False)[col]x=list(ddd.index)y=list(ddd.values)bar=Bar(f"同花顺概念指数{w}日收益率(%)",title_text_size=15,title_pos='center')bar.add("",x,y,is_label_show=False,is_datazoom_show=True)returnbar
#最近一个交易日#图形为html动态交互式,可通过拖曳查看所有概念指数的详细涨跌幅out_chart(1)
#近5个交易日out_chart(5)
#近20个交易日out_chart(20)
#近120个交易日out_chart(120)
除了使用pyecharts对板块不同周期下的动量进行监测(动态交互式),还可以使用热力图监测最近交易日各板块指数的轮动走向。图片输出可以使用网页显示更全面。
#由于同花顺指数行情数据获取不到下面概念,需剔除xx=['华为汽车','盐湖提锂','鸿蒙概念','共同富裕示范区','MCU芯片','牙科医疗','CRO概念','钠离子电池','工业母机','北交所概念','NFT概念','抽水蓄能','换电概念','海峡两岸','WiFi6','智能制造','EDR概念','动力电池回收','汽车芯片','传感器','柔性直流输电','虚拟数字人','预制菜','幽门螺杆菌概念']sss=final_data[set(final_index_list.name.values)-set(xx)]importseabornassnspt=((sss/sss.shift(1)-1)*100).round(2)[-10:]plt.figure(figsize=(25,5))sns.heatmap(pt,linewidths=0.05,cmap='Reds');
一旦出现赚钱效应,首先看的是哪个整体板块在领涨,这个板块是什么概念,是不是当下的大热点?选股就是先看热点板块,龙头股与题材有关,题材代表了一个板块,不会是单打独斗,关注热点板块,在板块中选股非常重要。发现最大题材板块后,核心是找板块龙头股。在整个板块中最先上涨,涨势最强的个股就一定要关注并分析。
热点板块成分股龙头股监测
#受篇幅所限,以下代码略,完整代码分享在Python金融量化知识星球中。#注意,写作本文时交易日期为2029,即默认end='2029'.defget_stock_price(code,start='0101'):passdefall_stock_price(name):passdefstock_rets_rank(name,p=120):passdefstock_heat(name='数字货币'):pass
stock_rets_rank('钾肥')
实际上钾肥这个概念所含个股较少,且盐湖股份由于中间停牌复牌后短期暴涨(实际上是盐湖提锂概念在驱动),因此该概念指数120日涨幅最大。一起看下近期较热门的数字货币概念。翠微股份120日涨幅高达314%,可以说是近期接替妖股九安医疗的一大热门股。妖股是主力资金博弈到极致之物,与基本面与价值投资没有任何干系。
stock_rets_rank('数字货币')
随着数字货币财经新闻的持续发酵,2月09日数字货币板块单日暴涨9%,板块内近20只个股涨停,四只创业板20cm。值得注意的是,板块的短期暴涨也是风险集聚的表现,特别是碰上那些跟风上涨的个股,当板块整体进入回调时往往一地鸡毛。
stock_rets_rank('数字货币',p=1)[:20]
使用热力图监测热点板块个股。
stock_heat('数字货币')
结语
本文使用Python对同花顺概念板块指数及个股进行数据探索性分析,试图从动量的角度捕捉热门题材的走向,构建强势板块和个股的监测系统。利用板块和个股监测系统可以构建动量(强者恒强)或动量反转(物极必反)的量化交易策略。本文的数据挖掘存在一定的局限性,只考虑了某些时间周期内板块和个股的收益率表现(技术面)。关于概念板块行业的分析,还可以结合财经文本分析做深度挖掘,实际上热点题材最好是结合基本面与技术面的深入分析,技术面正如温度计一样只能告诉你当前的冷热,而基本面可以推断为啥上涨的原因,未来持续性如何,这个基本逻辑非常重要。金融市场上的交易,没有完全不变和百分之百确定的东西,任何分析和决策都是一种概率,而量化为我们多维度分析市场提供一种工具,实际上实战才是唯一能快速提升交易能力的方法。
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30多g的量化投资视频资料、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。