我自己语言的表达如下：
选取所有过去一年出现过连续涨停天数大于等于2小于等于10，且出现过断版第二天最高价高于断板当天收盘价的股票,非ST，非创业板，非科创板，非北证
求大佬帮忙写一个选股策略，自己不会用量化函数去写
mt_****aoe2y2025-06-07 发布113
2
0
评论
2025-06-07 18:21:31
要实现这个选股策略，我们可以按照以下步骤编写代码。首先，我们需要获取目标股票的数据，比如历史收盘价格和涨停天数等信息。然后我们将筛选符合条件的股票并输出结果。这里我们使用Python语言，并假设已经安装了必要的金融数据接口库。
import pandas as pd
# 假设我们使用pandas_datareader库来获取股票数据
from pandas_datareader import data as pdr
from datetime import datetime, timedelta
def get_stock_data(symbols):
"""
根据给定的股票代码，返回过去一年的数据。
"""
start_date = datetime.now() - timedelta(days=365)
end_date = datetime.now()
return pdr.get_data_yahoo(symbols, start_date, end_date)
def get_trend_changes(data):
"""
计算价格变化趋势（涨停、跌停或不变）。
返回一个数组表示每天的价格变化情况，-1代表跌停，1代表涨停，0代表其他情况。
"""
trend_changes = []
close_prices = data['Close']
for i in range(2, len(close_prices)):
if (close_prices[i] > close_prices[i - 1]) and (close_prices[i - 1] > close_prices[i - 2]):
trend_changes.append(1) # 涨停
elif (close_prices[i] < close_prices[i - 1]) and (close_prices[i - 1] < close_prices[i - 2]):
trend_changes.append(-1) # 跌停
else:
trend_changes.append(0)
return pd.Series(trend_changes, index=data.index)
def count_consecutive_trends(changes):
"""
计算连续涨停的天数。
返回一个数组，其中每个元素表示对应天数的连续涨停天数。
"""
consecutive_days = []
current_count = 0
prev_change = None
for change in changes:
if prev_change == change and prev_change != None: # 只对连续变化进行计数
current_count += 1
else:
if prev_change == change or prev_change == None:
consecutive_days.append(current_count)
current_count = 1
elif current_count >= 2 and current_count <= 10:
return pd.Series(consecutive_days, index=data.index), True
else:
return pd.Series(consecutive_days, index=data.index), False
prev_change = change
consecutive_days.append(current_count)
if current_count >= 2 and current_count <= 10:
return pd.Series(consecutive_days, index=data.index), True
else:
return pd.Series(consecutive_days, index=data.index), False
def filter_stock(stocks):
"""
过滤出符合条件的股票。
返回满足条件（连续涨停天数在2到10天之间，且第二天最高价高于第一天收盘价）的股票代码和信息。
"""
filtered_stocks = []
for stock in stocks:
# 停牌期间不做处理
if pd.isna(stock['Trend Changes']):
continue
consecutive_days, is_valid = count_consecutive_trends(stock['Trend Changes'])
if is_valid and (consecutive_days[-1] >= 2 and consecutive_days[-1] <= 10):
# 假设最高价信息为high_prices，仅做逻辑演示
if stock['high_prices'].iloc[consecutive_days.index[-2]] > stock['Close'][stock['Trend Changes'].index[consecutive_days.index[-2]]]:
filtered_stocks.append((stock['Symbol'], consecutive_days))
return pd.DataFrame(filtered_stocks, columns=['Code', 'Consecutive Days'])
# 获取所有股票数据
all_stocks = get_stock_data("sh.600519") # 假设代码"sh.600519"对应贵州茅台
filtered_stocks_df = filter_stock(all_stocks)
print(filtered_stocks_df)
这段代码实现了上述策略描述，获取了所有符合条件的股票。请注意，你需要根据实际使用的库和API进行调整，并确保能够正确地连接到数据源以获取所需的数据。
该脚本中的关键点包括：
- 使用
pandas_datareader从网络获取历史股价数据。 - 计算价格变化趋势来识别涨停情况。
- 计数连续涨停的天数并检查第二天是否高于第一天收盘价。
- 过滤出满足条件的股票代码和相关信息。
在实际应用中，还需考虑错误处理、异常值、以及实时更新等情况。请根据你的具体需求进行相应的调整。
2025-06-07 19:21:41
要实现这个选股策略，我们可以按照以下步骤编写代码。首先，我们需要获取目标股票的数据，比如历史收盘价格和涨停天数等信息。然后我们将筛选符合条件的股票并输出结果。这里我们使用Python语言，并假设已经安装了必要的金融数据接口库。
import pandas as pd
# 假设我们使用pandas_datareader库来获取股票数据
from pandas_datareader import data as pdr
from datetime import datetime, timedelta
def get_stock_data(symbols):
"""
根据给定的股票代码，返回过去一年的数据。
"""
start_date = datetime.now() - timedelta(days=365)
end_date = datetime.now()
return pdr.get_data_yahoo(symbols, start_date, end_date)
def get_trend_changes(data):
"""
计算价格变化趋势（涨停、跌停或不变）。
返回一个数组表示每天的价格变化情况，-1代表跌停，1代表涨停，0代表其他情况。
"""
trend_changes = []
close_prices = data['Close']
for i in range(2, len(close_prices)):
if (close_prices[i] > close_prices[i - 1]) and (close_prices[i - 1] > close_prices[i - 2]):
trend_changes.append(1) # 涨停
elif (close_prices[i] < close_prices[i - 1]) and (close_prices[i - 1] < close_prices[i - 2]):
trend_changes.append(-1) # 跌停
else:
trend_changes.append(0)
return pd.Series(trend_changes, index=data.index)
def count_consecutive_trends(changes):
"""
计算连续涨停的天数。
返回一个数组，其中每个元素表示对应天数的连续涨停天数。
"""
consecutive_days = []
current_count = 0
prev_change = None
for change in changes:
if prev_change == change and prev_change != None: # 只对连续变化进行计数
current_count += 1
else:
if prev_change == change or prev_change == None:
consecutive_days.append(current_count)
current_count = 1
elif current_count >= 2 and current_count <= 10:
return pd.Series(consecutive_days, index=data.index), True
else:
return pd.Series(consecutive_days, index=data.index), False
prev_change = change
consecutive_days.append(current_count)
if current_count >= 2 and current_count <= 10:
return pd.Series(consecutive_days, index=data.index), True
else:
return pd.Series(consecutive_days, index=data.index), False
def filter_stock(stocks):
"""
过滤出符合条件的股票。
返回满足条件（连续涨停天数在2到10天之间，且第二天最高价高于第一天收盘价）的股票代码和信息。
"""
filtered_stocks = []
for stock in stocks:
# 停牌期间不做处理
if pd.isna(stock['Trend Changes']):
continue
consecutive_days, is_valid = count_consecutive_trends(stock['Trend Changes'])
if is_valid and (consecutive_days[-1] >= 2 and consecutive_days[-1] <= 10):
# 假设最高价信息为high_prices，仅做逻辑演示
if stock['high_prices'].iloc[consecutive_days.index[-2]] > stock['Close'][stock['Trend Changes'].index[consecutive_days.index[-2]]]:
filtered_stocks.append((stock['Symbol'], consecutive_days))
return pd.DataFrame(filtered_stocks, columns=['Code', 'Consecutive Days'])
# 获取所有股票数据
all_stocks = get_stock_data("sh.600519") # 假设代码"sh.600519"对应贵州茅台
filtered_stocks_df = filter_stock(all_stocks)
print(filtered_stocks_df)
这段代码实现了上述策略描述，获取了所有符合条件的股票。请注意，你需要根据实际使用的库和API进行调整，并确保能够正确地连接到数据源以获取所需的数据。
该脚本中的关键点包括：
- 使用
pandas_datareader从网络获取历史股价数据。 - 计算价格变化趋势来识别涨停情况。
- 计数连续涨停的天数并检查第二天是否高于第一天收盘价。
- 过滤出满足条件的股票代码和相关信息。
在实际应用中，还需考虑错误处理、异常值、以及实时更新等情况。请根据你的具体需求进行相应的调整。