摘要:市盈率TTM怎么算,扣非利润如何影响同行估值?本文以寒武纪和海光信息为真实案例,结合行情接口与正式财报,说明财务数据API研究中如何统一价格日期、股数基准和利润期间。两家的参考倍数差距在扣非后由10.33%缩至6.34%,并附营收与股东利润拆解、利润敏感性表及可直接运行的Python复算代码。 对照两家芯片公司的估值时,先看到的往往是市值和市盈率。但市值大多少、对应股东利润多多少,这两件事放到一起,才知道倍数差距来自哪里。 这次将寒武纪、海光信息放到同一计算基准上,完成了一份可以保存的研究对照。它给出三个结果:扣非使倍数差距由10.33%缩小到6.34%;海光营收更大但扣非归母利润更少;固定参考市值时,仅寒武纪利润假设增加10%,倍数顺序就会翻转。 一、这份估值表比较什么 本例把利润期间固定为2025年10月1日至2026年9月30日,采用“2025年第四季度+2026年前三季度累计”拼接TTM。第四季度来自年报分季度表,前三季度取三季报“年初至报告期末”栏;若误取“本报告期”单季数,就会漏掉2026年1—6月。 价格统一采用2026年11月17日未复权收盘价,股数统一采用2026年9月30日披露基准。两者相乘得到本文的参考市值。由于没有逐项核对9月30日以后的股本与库存股变化,这个参考值不当作11月17日精确总市值,也不等同于软件直接显示的市盈率。 两家公司同属芯片设计研究候选,但产品组合有区别:寒武纪的年报介绍了云端、边缘端智能芯片及相关产品;海光信息的年报摘要介绍了CPU、DCU等产品。统一计算条件以后,业务仍需要分别解释。 项目 寒武纪 688256.SH 海光信息 688041.SH 11月17日未复权收盘价,元 904.80 182.54 9月30日股数,股 628,854,008 2,324,338,091 参考市值,亿元 5,689.87 4,242.85 TTM归母净利润,亿元 41.69 34.30 TTM扣非归母净利润,亿元 38.74 30.72 归母口径参考PE 136.48倍 123.70倍 扣非归母口径参考PE 146.87倍 138.10倍 按归母利润计算,海光123.70倍低于寒武纪136.48倍。到这里,只有数字高低,还没有解释利润结构。 二、把非经常性部分剥出来看 寒武纪TTM归母利润约41.69亿元,扣非后约38.74亿元;两者相差约2.95亿元,占归母利润7.07%。海光对应差额约3.58亿元,占10.43%。 同样是扣非,海光利润分母缩小的比例更大,所以倍数上升更多。扣非参考PE变成寒武纪146.87倍、海光138.10倍。 归母口径倍数差距:136.48与123.70对应约10.33% 扣非口径倍数差距:146.87与138.10对应约 6.34% 差距定义:寒武纪参考PE / 海光参考PE - 1 计算使用未四舍五入原值,以上倍数仅作展示。 这部分差距缩小,来自利润口径的切换,不是股价变化。扣非也不等于给持续盈利作保证;它只是把报告划定的非经常性部分从这次比较里单独分开。 三、市值更大,对应的股东利润也更大 同一TTM期间的经营结果 寒武纪 海光信息 营业收入,亿元 114.16 198.42 扣非归母净利润,亿元 38.74 30.72 每100元营收对应的扣非归母利润,元 33.94 15.48 非经常性部分占归母利润 7.07% 10.43% 海光营收约为寒武纪1.74倍,而扣非归母利润约为寒武纪0.79倍。这并不矛盾:每100元合并营收对应的扣非归母利润不同,规模优势还没有抵消这个比例差别。 海光/寒武纪的扣非归母利润比 ≈ 1.74 × (15.48 / 33.94) ≈ 0.79 研究时需要把这个结果写完整:它涉及合并收入与归属上市公司股东的利润,不是直接可比的整体净利率。成本费用、产品结构、税费与少数股东归属都可能参与形成结果;仅凭这张表,还不能归因到某一项经营优势。 沿着股东利润再看市值:寒武纪参考市值约为海光1.34倍,扣非归母利润约为海光1.26倍。两项相除后,扣非倍数差距才是约6.34%。 这一段可以直接写进研究笔记:寒武纪不仅参考市值更大,对应的扣非归母利润也更大。因此,不能把34%左右的参考市值差,直接理解成同样幅度的PE差。 四、给这份比较加上利润敏感性 固定两参考市值,仅改变扣非归母利润,得到五行情景: 假设情景 寒武纪扣非利润变化 海光扣非利润变化 寒武纪参考PE 海光参考PE 实际基线 0% 0% 146.87 138.10 只提高寒武纪利润 +10% 0% 133.51 138.10 只提高海光利润 0% +10% 146.87 125.55 只降低寒武纪利润 −10% 0% 163.18 138.10 两家利润同时提高 +10% +10% 133.51 125.55 除第一行外都是假设。寒武纪利润若单独提高10%,倍数降到133.51;海光利润不变时仍为138.10,顺序随之改变。 等倍数阈值约为6.34%。它要求海光利润不变、两参考市值固定,只提高寒武纪利润。这个数是数学上的条件解,不是市场隐含增长预期,也不意味着达到它就应买入。 利润增10%时,倍数除以1.10;利润减10%时,倍数除以0.90。分母变化的影响并不对称。两家公司若同时同比例提高利润,原顺序又会保留。 五、把已知结果与待验证因素分开 本次已完成的结论 后续最值得跟踪的因素 扣非使相对倍数差距缩小约4个百分点 非经常性项目形成原因 海光营收比约1.74,扣非股东利润比约0.79 产品、费用、税费与权益归属 寒武纪扣非利润单独+10%时顺序反转 新披露利润与价格是否同时变化 这三项不是选股结论,而是已经做完的研究结果。它们让下一次财报更新有了明确的比较对象,不必从“再看看基本面”重新开始。 整理财务数据API输入时,可以把报告值与价格值分开。这里的利润来自公司正式报表,价格来自TickDB MCP取得的固定日未复权收盘价,复算脚本不直接照抄一个现成PE字段。 六、原始输入与Python复算 以下代码可在本地Python 3中直接运行,只使用标准库,不需要密钥或平台数据权限。它重放本次已采集的样本,不联网刷新行情;计算过程保留人民币元的完整输入,最后才四舍五入显示。运行后生成pe_research.csv。 公司与指标,人民币元 2025年第四季度 2026年前三季度累计 寒武纪营业收入 1,889,771,835.02 9,526,401,914.25 寒武纪归母净利润 454,582,794.56 3,714,522,759.80 寒武纪扣非归母净利润 351,046,180.38 3,523,141,104.43 海光信息营业收入 4,886,914,645.83 14,954,710,229.13 海光信息归母净利润 583,444,466.10 2,846,508,812.66 海光信息扣非归母净利润 487,963,593.86 2,584,242,015.98 """Python 3 标准库;离线复算本文固定样本,不重新请求行情。 价格:TickDB 2026-11-17 未复权日线收盘价,2026-11-18 采集。 股数:两家公司 2026-09-30 披露股本;参考市值并非当日精确总市值。 财务:2025年第四季度 + 2026年前三季度,金额均为人民币元。 """ from decimal import Decimal as D, ROUND_HALF_UP import csv DATA = [ dict(name="寒武纪", code="688256.SH", close="904.80", shares="628854008", revenue_q4="1889771835.02", revenue_ytd="9526401914.25", parent_q4="454582794.56", parent_ytd="3714522759.80", adjusted_q4="351046180.38", adjusted_ytd="3523141104.43"), dict(name="海光信息", code="688041.SH", close="182.54", shares="2324338091", revenue_q4="4886914645.83", revenue_ytd="14954710229.13", parent_q4="583444466.10", parent_ytd="2846508812.66", adjusted_q4="487963593.86", adjusted_ytd="2584242015.98"), ] def fmt(x): return str(x.quantize(D("0.01"), rounding=ROUND_HALF_UP)) results = [] for item in DATA: r = {k: D(v) for k, v in item.items() if k not in ("name", "code")} r["reference_value"] = r["close"] * r["shares"] for key in ("revenue", "parent", "adjusted"): r[key] = r[key + "_q4"] + r[key + "_ytd"] r["pe_parent"] = r["reference_value"] / r["parent"] r["pe_adjusted"] = r["reference_value"] / r["adjusted"] r["nonrec_pct"] = (r["parent"] - r["adjusted"]) / r["parent"] * 100 r["adjusted_revenue_pct"] = r["adjusted"] / r["revenue"] * 100 results.append(r) print(item["name"], "归母PE=" + fmt(r["pe_parent"]), "扣非PE=" + fmt(r["pe_adjusted"]), "扣非归母/营收=" + fmt(r["adjusted_revenue_pct"]) + "%") cam, hygon = results for key in ("pe_parent", "pe_adjusted"): print(key, "倍数差距=" + fmt((cam[key] / hygon[key] - 1) * 100) + "%") # 假设情景:参考市值固定,仅对扣非归母利润做百分比调整;不是预测。 scenarios = [("基线", "0", "0"), ("寒武纪+10%", "0.10", "0"), ("海光+10%", "0", "0.10"), ("寒武纪-10%", "-0.10", "0"), ("两家均+10%", "0.10", "0.10")] for label, a, b in scenarios: print(label, fmt(cam["pe_adjusted"] / (1 + D(a))), fmt(hygon["pe_adjusted"] / (1 + D(b)))) threshold = (cam["pe_adjusted"] / hygon["pe_adjusted"] - 1) * 100 print("海光不变时,寒武纪扣非利润使倍数相等的增幅=" + fmt(threshold) + "%") # 导出完整精度,保留输入与中间量,显示时再四舍五入。 rows = [dict(name=item["name"], code=item["code"], **{k: str(v) for k, v in r.items()}) for item, r in zip(DATA, results)] with open("pe_research.csv", "w", encoding="utf-8-sig", newline="") as f: writer = csv.DictWriter(f, fieldnames=list(rows[0])) writer.writeheader() writer.writerows(rows) 实际运行输出: 寒武纪 归母PE=136.48 扣非PE=146.87 扣非归母/营收=33.94% 海光信息 归母PE=123.70 扣非PE=138.10 扣非归母/营收=15.48% pe_parent 倍数差距=10.33% pe_adjusted 倍数差距=6.34% 基线 146.87 138.10 寒武纪+10% 133.51 138.10 海光+10% 146.87 125.55 寒武纪-10% 163.18 138.10 两家均+10% 133.51 125.55 海光不变时,寒武纪扣非利润使倍数相等的增幅=6.34% 替换研究对象时,应同时更换两个不重叠期间的财务原值、同日未复权价格和明确日期及股份范围的股数。零利润、负利润不适用这里的正盈利PE排序。 数据来源与适用范围 寒武纪《2025年年度报告》第10页分季度财务数据;《2026年第三季度报告》第1页累计数据、第8页股本。 海光信息《2025年年度报告摘要》第13页分季度财务数据;《2026年第三季度报告》第1页累计数据、第8页股本。 两份2026年三季报均未经审计。所引官方PDF路径日期分别为10月24日、10月20日,不把路径日期当作首次公开时间的核验结论。 价格为2026年11月18日通过TickDB MCP的get_kline取得的11月17日未复权日线close。两只股票采用同一日期、1d和adjust="none";日线日期标签不作为成交或接收时刻。 研究值采用文中固定股数基准。敏感性表是条件计算,不是盈利预测、目标价或买卖建议;本例也不构成历史回测的时点可得数据集。 平时在 SuperMind 上写策略最烦的不是逻辑,是接口对不上—— 选股思路很清楚,一到 get_history、order_target 这些调用就卡壳; 用 DeepSeek / GPT 写出来的代码看着漂亮,粘进编辑器一堆 NameError、参数不匹配,改比自己写还慢。 最近在用一个专门做量化平台代码生成的工具 智量化,顺手分享给同在 SuperMind 上折腾的朋友: 自然语言描述选股+择时+仓位,直接出 SuperMind 可跑的 Python 策略 同时支持 QMT / PTrade / 聚宽 / miniQMT / 掘金 / 天勤 等,多平台来回迁不用重写 老代码丢进去让它改条件、加止损、修报错,比通用大模型准很多 内置各平台 API 文档问答,查函数不用翻手册 工具地址 👉 https://qmtai.cn/?wj 说明一下:AI 出的是技术参考代码,回测和实盘前自己过一遍逻辑,别直接上真金白银。 大家平时用 AI 写 SuperMind 策略,最常卡在 API 兼容还是逻辑改写?评论区聊聊,我也想看看还有啥坑没踩到 🤝 平时在 SuperMind 上开发量化策略时,不知道大家有没有遇到过这样的情况: 明明已经有了比较清晰的选股思路或交易逻辑,但真正写成可运行的策略代码,还是需要花不少时间。尤其是涉及平台 API、数据获取、调仓逻辑和仓位管理时,经常需要反复修改和调试。 虽然现在 DeepSeek、ChatGPT 等通用 AI 工具也能辅助编程,但生成的代码有时会出现平台接口不匹配、函数调用错误等问题,实际运行前还需要不少调整。 最近在推广一款专门面向量化策略开发的 AI 工具——AI 量化代码助手,分享给有类似需求的朋友。 目前支持 SuperMind、QMT、PTrade、聚宽等国内主流量化平台,主要功能包括: AI 生成策略代码:直接用自然语言描述选股条件、交易信号和调仓规则,辅助生成适用于 SuperMind 的策略代码。 修改已有策略:可以在原有代码基础上调整买卖条件、选股逻辑、仓位管理和止损机制,不需要每次都从头编写。 辅助排查代码问题:帮助分析报错信息、检查代码逻辑,减少重复调试的时间。 多平台策略开发:可以针对不同量化平台的 API 和代码规范生成对应代码,方便使用多个平台的开发者。 例如,直接输入: “帮我编写一个适用于 SuperMind 的多因子选股策略,根据市盈率、ROE 和动量指标筛选股票,每周调仓一次,并设置单只股票最大持仓比例。” AI 就可以根据这些要求辅助生成对应的策略代码,后续也能继续通过自然语言修改交易逻辑。 相比通用 AI 编程工具,这类专门面向国内量化平台的助手,在平台 API 适配和策略代码开发方面可能更有针对性。 当然,AI 生成的策略仍然需要通过实际运行和历史回测验证,尤其要注意未来函数、交易成本以及策略过拟合等问题。工具主要是帮助提高开发效率,并不保证策略能够盈利。 工具地址:https://qmtai.cn/?le 也想借这个帖子和社区里的朋友交流一下: 大家平时使用 AI 编写 SuperMind 策略时,最常遇到的是 API 兼容问题,还是策略逻辑修改和代码调试方面的问题? 欢迎交流使用经验,也希望能收集一些实际需求和建议,进一步完善工具对 SuperMind 的支持。 做对进场选择,从看懂K线形态开始 对于刚入市的股票新手来说,如何在纷繁复杂的K线走势中找到高胜率买点,是迈向稳定盈利的关键所在。盘面形态是市场多空博弈最直观的体现,看懂图表进场形态,能帮你避开盲目追高的陷阱,在主力建仓或拉升的节点精准跟进。 为了帮助广大散户朋友快速建立起系统化的看盘逻辑,本文特别梳理了6种必须掌握的经典买入进场形态及其对应的操作口诀。掌握这些形态背后的交易逻辑,你就能在盘面发出信号时做到心中有数、执行果断。 6种核心进场形态与操作策略 以下是6种核心看涨进场形态的详细拆解与操作策略: 形态一:下降楔形(歇型) 操作策略:准备抄底。 博主实战拆解:下降楔形通常出现在一段下跌趋势的尾声,股价虽然不断创出新低,但每次下跌的幅度都在缩小,波幅逐渐收窄。这表明空头能量正在迅速衰竭,多头蓄势待发。一旦盘面不再向下破位,就是绝佳的“准备抄底”信号。 形态二:上升旗形(起形) 操作策略:果断补仓。 博主实战拆解:上升旗形是强劲主升浪中常见的洗盘整理形态,股价在快速拉升后出现小幅倾斜回调,形成旗面。只要回调不破下方支撑位,就属于良性洗盘,一旦股价重新突破旗形上轨,往往会迎来第二波拉升,必须“果断补仓”锁定后市收益。 形态三:底形态 操作策略:跑步入场。 博主实战拆解:无论是圆弧底还是多重底,形态确立都意味着股价历经长时间筑底、主力吸筹充分,下方支撑极其坚实。底部拐点信号一旦确认,下跌风险已大幅释放,投资者应当机立断“跑步入场”,占领优质筹码的先机。 形态四:上升三角形(角形) 操作策略:突破就重仓。 博主实战拆解:形态上表现为上方有明确的水平阻力线,下方低点却不断抬高,反映出多头向上进攻意愿强烈,买盘力量持续增强。当股价带量向上冲破上方水平阻力位时,上涨空间被彻底打开,因此要“突破就重仓”。 形态五:头肩底形态 操作策略:进场手要快。 博主实战拆解:头肩底是技术分析中最经典的看涨反转王牌形态,由左肩、头部和右肩组成。该形态最关键的位置在于“颈线阻力位”,一旦放量突破颈线,后续往往会出现爆发性快速拉升,因此“进场手要快”,切忌犹豫错失最佳起飞点。 形态六:等腰三角形 操作策略:提示信号不能停。 博主实战拆解:等腰三角形(对称三角形)属于典型的中性变盘形态,表现为高点不断降低、低点不断抬高,收敛至尾端即面临双向选择。此时必须保持警惕,“提示信号不能停”,时刻密切盯盘,等待股价明确选择向上突破后,再跟进确认信号买入。 核心进场形态速查表 为了方便大家日常看盘速记与对照,现将6种形态与操作口诀汇总如下: 进场形态名称 核心操作口诀与策略 下降楔形(歇型) 准备抄底 上升旗形(起形) 果断补仓 底形态 跑步入场 上升三角形(角形) 突破就重仓 头肩底形态 进场手要快 等腰三角形 提示信号不能停 总结与新手风险提示 掌握这6种经典进场形态,核心在于理清**“形态识别、信号确认、果断执行”**的三步交易逻辑。不管是“突破就重仓”还是“进场手要快”,都要求我们在机会确立时告别犹豫,严格按照技术信号进行操作。 博主特别风险提示: 技术分析绝非盲目包治百病的“万能钥匙”,市场上没有100%成功的形态。在实际交易中,务必要防范假突破(骗线)风险: **1.**等待确认信号:尽量结合成交量放大、关键阻力位/颈线突破确认后再建仓。 **2.**严格设置止损:入场的同时必须设定明确的止损位(如跌破形态下轨即止损出局),控制单笔交易风险。 为什么新手必须学会结合“大周期”与“小周期”? 你是不是也经常遇到这种尴尬的场面:刚买入股票就遭遇下跌,忍痛卖出后股价却扶摇直上?看日线觉得势头强劲立马追进去,结果一买就吃套;看盘中稍有风吹草动吓得割肉,结果刚割完股价就强劲拉升? 在纷繁复杂的股市行情中,新手迷失方向的根本原因,就是只看眼前的小波动,缺少了“大小周期联动”的交易思维。 在实际实战中,20****周线代表大周期与大趋势的方向,是交易的“大局观”;20****日线代表小周期的具体走势,是找买卖点的“战术板”。炒股新手只要死记硬背并严格执行20周线(大周期)与20日线(小周期)联动的四句交易口诀,就能建立起清晰的买卖与观望逻辑,不再盲目交易。 看多篇:20周线向上时的操作法则(做多与持股) 当大趋势处于多头行情(20周线向上)时,市场的整体风险较低,日线的波动为我们提供了建仓与持股的最佳时机。大方向看多时,重点把握以下两条法则: 口诀一:20周线向上,日线回踩20线不破,回调就是买点 触发条件: 大周期20周线方向明确向上(大趋势看多),日线在运行过程中出现阶段性回调,向下回踩20日线但企稳并未跌破。这表明20日线附近存在较强支撑,股价逢回调获得承接。 操作动作: 明确“回调即是买点”,切忌在回调时恐慌。应当把握支撑有效的进场时机,果断进行买入建仓或加仓。 口诀二:周线向上,日线站稳20线,持仓耐心持有 触发条件: 大周期周线方向保持向上,小周期日线持续成功站稳在20日线之上平稳运行,整体多头结构完好。 操作动作: 保持定力与耐心,坚定执行持仓策略,切勿因为盘中微小的震荡而轻易被洗出局,静享趋势上涨带来的丰厚收益。 趋势是交易的生命线。看懂看多信号固然重要,但学会看空避险更是新手保住本金的关键。3. 看空篇:20周线向下时的避险法则(离场与观望) 当大趋势处于空头行情(20周线向下)时,市场整体处于下行通道,任何反弹都伴随着极高的风险。此时的防守重于进攻,规避风险是第一要务: 口诀三:20周线向下,日线反抽20日线受压,逢高离场兑现 触发条件: 大周期20周线方向向下(大趋势看空),日线出现短暂向上反抽并触及20日线,但遇到明显抛压重压、无法有效突破。这代表上方压力巨大,反弹缺乏动能。 操作动作: 切勿盲目抄底或幻想大涨,应当果断趁着反抽逢高卖出离场,及时兑现利润或收回资金,规避后续再次下行的风险。 口诀四:20周线向下,日线跌破20线,行情走弱走坏,保持观望 触发条件: 大周期20周线持续向下,小周期日线进一步跌破20日线支撑,失去最后的短期防线。 操作动作: 确认行情已经完全走弱走坏,此时唯一正确的策略就是坚决管住双手、保持观望,切忌盲目进行任何抄底或买入操作。 防范风险要义: 在股市里,会买的是徒弟,会卖的是师傅,会观望的才是祖师爷!当大周期(20周线)向下时,市场整体风险偏高。无论是反抽受压还是直接跌破,第一反应必须是避险与兑现。严格执行离场与观望纪律,才能在弱市中保住本金,等待下一次牛市的到来。 速查表:四句口诀一览 交易的精髓在于纪律的严格执行。记住这四句口诀,在盘中对照大周期(20周线)与小周期(20日线)的位置关系,即可快速得出当前最适宜的操作策略。 为了方便大家截屏保存和日常对照查阅,特整理速查表如下: 周线趋势(大周期) 日线走势(小周期) 核心操作策略 20****周线向上 回踩20日线不破 回调就是买点(把握进场) 20****周线向上 站稳20日线 持仓耐心持有(坚定持有) 20****周线向下 反抽20日线受压 逢高离场兑现(切勿抄底) 20****周线向下 跌破20日线 行情走弱走坏,保持观望(规避风险) 亲测最好用的AI编写量化策略工具,可以让 AI 直接生成同花顺Supermind上可运行的策略代码,代码质量远高于直接使用 DeepSeek、GPT等平台。 😃Supermind AI工具入口:https://easyquant.ai/ 大家可以直接向AI描述策略,然后一键生成可运行的完整策略代码,也可以把它当做一个API 查询工具。 100万以下散户的“避坑金律” 只要你在炒股,尤其是资金在100万以下的散户投资者,就必须把股市里的黄金铁律——**“六不买,三不卖”**深深刻进脑子里! 散户炒股为什么总是亏钱?90%的踩坑与被套,都是因为管不住手、凭感觉在最危险的位置冲动买入。对于资金量并不占优势的散户来说,保住本金永远是第一位的。把这“六不买”彻底砸透、记牢,就能帮你挡掉市场中绝大多数的收割陷阱。 本篇文章将为你深度拆解“六不买”的具体形态与背后的主力资金逻辑,带你建立起“顺势而为、防范风险”的交易骨架。在每一次按下买入键之前,先对照看看自己是不是踩了这六条红线! 警惕高位信号:暴涨后的“见顶与出货”陷阱 股价经历大幅拉升后,高位出现的任何异动都可能是主力资金撤退砸盘的信号,必须保持高度警惕: 原则一:顶峰型不买 当一只股票在经历暴涨之后,在周线级别走出顶峰形态时,打死都不要买。一轮大上涨周期走到尽头,这个位置大概率就是阶段性的顶部。此时切忌抱有任何侥幸心理,幻想后面还会拉出“二次行情”。记住:周期尽头就是顶,坚决不买! 原则二:高位放量滞涨不买 在K线形态上表现为:股价经历一轮猛拉后处于高位,成交量明显同步放大,但K线上就是涨不动、原地踏步。这种现象被称为量价背离。它的本质是主力资金在假拉抬、真出货(边拉边出),看似成交火爆,实则抛压极其沉重。遇到这种情况,千万不要去接主力砸出来的“烫手山芋”。 识别形态异动:远离“操控票”与“破位飞刀” 市场上有一类股票形态极为诡异,或者已经彻底破坏了支撑趋势,这类股票散户必须果断避开: 原则三:电锯走势不买 这种股票的K线看起来非常奇怪,像电锯的锯齿,又像心电图一样上下剧烈波动——全天不是带着长长的上影线往上拉,就是带着长长的下影线往下砸。这类股票被称为**“刺猬票”**。其本质是主力资金高度控盘、自唱自嗨,根本没有散户跟风承接。一旦主力资金不想玩了、准备出货,瞬间就会砸出“瀑布式下跌”。遇到这种票,离得越远越好,切勿跟风接盘。 原则四:破位下跌不买 一旦股价跌穿了关键支撑位(例如震荡区间的下沿,或者跌破20日线、60日线),这就叫“破位”。必须明确:破位不是打折,是大坝决堤!大坝一旦开了口子,水就会直接往下灌,说明整体趋势已经彻底走坏。破位本身就是极其明显的风险信号,务必遵循铁律:不抄底、不接飞刀,退远点,千万别往前凑! 把握资金脉搏:摒弃“死水票”与“高位久横” 成交量是股票的血液,均线是趋势的防线。缺乏资金关注或均线破坏的股票,会严重消耗散户的时间与资金成本: 原则五:成交量萎靡不买 成交量小得像苍蝇一样、半天没有任何波动,这绝对不是“安静”,而是**“一摊死水”**。这说明没有主力资金参与,市场已经彻底将其遗忘。没有活水注入,哪来的行情?陷入这种死水票中,不仅不知道它会阴跌到什么地步,就算碰上了也可能要苦熬个三年五载。牢记铁律:不放量不进场,不见活水不伸手。等它什么时候真正放量了,再进场也完全来得及。 原则六:高位破线不买 当一只股票来到高位后,不上不下反复磨人,请记住:久横必跌。高位横盘绝不是在蓄力,而是在给主力腾出更多的出货空间。什么时候开始跌?跌破重要均线的时候——短线看跌破5日线/10日线,破位就要走;中长线看跌破30日线,破位也必须走。股价运行在趋势均线下方,说明短期趋势彻底走弱,严禁高位低吸。必须坚持顺势而为,等待出现趋势拐点、均线走出多头排列时,才是可以考虑买入的安全时机。 “六不买”核心要诀对照表 为了方便大家快速记忆与对标查阅,现将“六不买”的核心内容梳理如下: 不买类型 关键形态/风险特征 操作铁律 顶峰型不买 周线级别走顶峰形态;大上涨周期尽头;阶段性顶部 打死不买,不幻想二次行情 高位放量滞涨不买 股价高位放量却原地踏步;量价背离;主力假拉抬真出货、抛压重 坚决不接“烫手山芋” 电锯走势不买 K线呈锯齿状/心电图,长上下影线(刺猬票);主力控盘自嗨;易发生瀑布式下跌 切勿跟风,坚决别碰 破位下跌不买 跌穿关键支撑位(震荡下沿、20日线、60日线);大坝决堤、趋势走坏 不抄底、不接飞刀、退远点,千万别往前凑 成交量萎靡不买 成交量极小如苍蝇;一摊死水、被市场遗忘;可能阴跌熬3-5年 不放量不进场,不见活水不伸手 高位破线不买 高位久横必跌(腾出出货空间);跌破5日/10日线(短线)或30日线(中长线) 严禁高位低吸,等待趋势拐点与均线多头排列 避开这六种危险买点,是保住本金、在股市中生存下来的第一步。 颠覆传统认知——被套牢也能成为翻倍收益的起点 在股市里,绝大多数散户最害怕的就是“被套”。看到账户里绿油油的一片,不少人瞬间慌了神,要么盲目割肉,要么闭着眼睛死扛。但作为在市场上摸爬滚打多年的实战老手,我要告诉你一个颠覆常识的真理:背套,才是炒股赚钱的开始! 你别怀疑。我做过的第一只实现收益翻倍的股票,恰恰就是从买入后被整整套了50%的绝境中做出来的。 股市不是买涨才能赚钱。只要你掌握了正确的方法,哪怕股票一买就跌,也能把危机变成战机。今天我要分享的,是一套专为散户设计的**“主动买套”**五步解套与盈利交易法。这套方法逻辑极其清晰,哪怕你是刚入市三天的菜鸟,听完也能听懂并立刻上手。 面对下跌,记住千万不要恐慌。把下跌视为一次“主动买套”的调仓契机和筹码重组过程,主动出击,你就能重新把交易的主动权牢牢抓在自己手里。 核心逻辑:暴跌之中,为何“死扛”和“盲目补仓”是致命误区? 在绝大多数散户的思维定势里,被套之后只有两条路:要么死扛到底等待“解套”,要么越跌越买进行“补仓”。但在残酷的实战中,这两条路往往都是绝路。 **●**看清下跌趋势,切忌盲目看多:当一只股票在短期内回撤超过20%时,说明下跌趋势已经正式形成。趋势一旦形成,就像顺流而下的巨石,绝不是凭散户的一腔热血就能阻挡的。 **●**驳斥两大散户致命误区: 误区一:盲目补仓。在趋势向下未止跌时盲目补仓,等于用自己的血肉之躯去接飞刀,只会让你“越套越深”,很快耗尽所有后备资金。 误区二:死扛不动。选择躺平死扛,不仅要承受账户资产严重缩水的心灵折磨,更致命的是你的资金被彻底封死,失去了任何调整和回旋的余地。 ●**减仓防守的实质:自造资金流:散户解套最大的难题是“没钱补仓”。而解套的关键,在于在下跌30%(如股价降至7元)时果断减仓一半**。减仓绝不是割肉认输,而是一次战略防守!它的本质是在亏损持仓内部“自我造血”,拿回宝贵的现金弹药,为后续在更低位置抄底重置筹码做准备。 实操演示:基于真实数据的“主动买套”五步交易模型 为了让你直观感受这套策略的震撼效果,我们用具体的交易演算进行拆解。 初始建仓设定 假设你的账户本金为 10****万元,在股价为 10元/股 时全仓买入 **10,000**股。买入后市场走恶,股价一路下探。 步骤一:确认趋势,三成止损减仓(防守变现) ●当股价下跌30%降至 **7元/**股 时,确认下跌趋势成立,坚决执行防守纪律。 ●果断卖出一半持仓(5,000股),拿回 3.5****万元 现金,账户内保留剩余 5,000股。 *●*教练点评:拿回这3.5万元现金,你就拿回了全场的主动权! 步骤二:腰斩低吸,重置增持筹码(零本增筹) ●股价继续探底,当跌幅达到50%(降至 5元/股)企稳、准备补仓时,将此前减仓拿回的 **3.5**万元 现金全部在5元低位买入。 ●此时3.5万元现金可买入 7,000****股。 ●持仓盘点:原有5,000股 + 新买入7,000股 = 总持仓 **12,000**股。 ●*关键对比:死扛模式下你手里只有 **10,000股** 沉沦在底部;而通过主动买套,在没有追加一分钱额外本金的前提下,你白白多得了 **2,000*股** 的低价筹码! 步骤三:主力反弹,高抛回笼资金(获利回吐) **●**反弹逻辑:股票腰斩之后往往会迎来强劲反弹,因为深陷其中的主力资金同样面临清盘风险,他们必须拉高自救。 ●当股价从5元反弹至 8****元附近 时,将低位买入的 7,000股 全部高抛变现,成功回收 5.6****万元 现金。 **●**账户权益精准演算: ●主动买套模式:剩余 5,000股 × 8元 + **5.6**万元现金 = 9.6****万元总资产。 ●传统死扛模式:10,000股 × 8元 = **8.0**万元总资产(且零现金储备)。 ●*关键洞察:看清楚了这个神奇的数学现象了吗?**股价此时仍比你的初始买入价(10元)低20%**,死扛的人账户依然亏损20%(剩8万元);而你通过动态管理,**账户总资产已恢复至9.6万元(回血96%)**,同时手里还握着 **5.6*万元** 的充沛现金! 步骤四:资金再循环,二次回踩布局(动态流转) ●手中握有 5.6万元 现金与 5,000股 底仓,你已经彻底摆脱了被套牢的困境。 ●若股价在8元附近冲高回落进行二次回踩,你可以利用这 5.6万元 现金再次分批低吸;若股价直接突破向上,你手中的底仓和现金随时可以顺势加仓或锁定胜局。 步骤五:成本彻底摊薄,解套获利掌控主动(全面解封) ●通过前四步的筹码增持与现金循环,你的持仓实际成本被摊薄到了远低于市场均价的水平。 ●甚至不需要股价重新涨回原点(10元),账户资产就已经提前跨过保本线实现净盈利。至此,被封锁的资金彻底解封,你不仅实现了解套翻倍,更完成了从被动受害者到市场掌控者的蜕变。 全交易周期对比一览表 为了方便大家对比,我们将“死扛模式”与“主动买套模式”在各个关键节点的数据整理如下: 阶段 / 股价 传统死扛模式 (持仓量 / 账户总资产) 主动买套动态管理 (持仓量 / 现金 / 账户总资产) 核心优势对比 初始建仓 (10元) 10,000股 / 10.0万元 10,000股 / 0元 / 10.0万元 初始状态一致 跌幅30% (7元**)** 10,000股 / 7.0万元 5,000股 / 3.5****万元现金 / 7.0万元 果断减仓防守,自造3.5万备用弹药 跌幅50% (5元**)** 10,000股 / 5.0万元 12,000****股 / 0元 / 6.0万元 低位重置筹码,零外加本金多得2,000股 反弹至 (8元) 10,000股 / 8.0万元 (亏损20%) 5,000股 / 5.6****万元现金 / 9.6****万元 (基本保本) 股价未回原点,账户已近保本并握有大额现金 结语与启发:炒股不是靠“死扛”,而是靠筹码与现金的动态管理 在股市中,决定最终成败的从来不是你买入的股票会不会跌,而是下跌发生时你如何应对。炒股不是靠无脑死扛,而是靠对交易节奏、资金流动性以及筹码数量的精准把控。 给所有散户投资者的3点实战启发: **1.克服恐慌,树立“主动买套”**的逆向思维:不要害怕下跌。把每一次回撤都看作重新梳理持仓、以更低成本获取更多筹码的战略契机。 **2.**严守纪律,利用防守减仓自造现金流:趋势破位时切忌盲目补仓或硬扛。学会果断减仓拿回现金,只有手里有弹药,你才有资格谈抄底和翻盘。 **3.**借力主力自救反弹,实现筹码与现金双赢:利用腰斩后的主力自救行情高抛低吸,不追求股价一步到位解套,而是通过现金再循环,在股价反弹中提前实现资产回血。 交易是一场持久战。只要你掌握了筹码与现金的动态管理精髓,无论市场如何暴跌,你都能做到游刃有余、逆风翻盘! 写金融科技业务代码五六年,接过不少数据源,也踩过不少接口的坑 。这几年,我越来越依赖外汇 API 和实时汇率接口来处理全球外汇数据。记得刚入行时接了一个跨境电商需求,要在系统里加实时汇率换算——听起来简单,结果光是选 API 就看了七八家,文档看得头昏眼花,折腾好几天才跑通。现在回想,要是早点摸清外汇实时行情接口的门道,能省不少时间。 这篇文章就把我使用外汇 API 的经验完整捋一遍,重点聊实时汇率 API、外汇实时报价和历史 K 线的接入,尤其是如何用 DeepTick 这套接口把全球外汇数据稳稳接进自己的系统。如果你也正准备接实时汇率 API,看完应该能少踩几个坑。 为什么选外汇 API?从一次跨境电商需求说起 外汇市场变化飞快,实时汇率数据直接关系到定价、换算和结算。我最早接外汇 API 是因为一个跨境电商项目,需要在前端实时显示美元兑欧元、人民币的汇率。手动查数据显然不现实,用 API 一接入就能自动更新——数据准确、更新及时,还能覆盖主要货币对如 USD/EUR、GBP/JPY 等。 不过选 API 之前得先想清楚几件事,否则很容易被“免费”“实时”这些词带偏: 实时性到底要多“实时” :展示型页面 5 分钟更新一次可能就够了;但如果是交易工具或对账系统,秒级甚至毫秒级才有意义。 数据覆盖:你业务需要的货币对,API 是否都包含。 历史数据:要不要画汇率走势图、做回测?要的话,历史 K 线接口必须提前确认。 成本:免费档、按量付费、商用授权差距很大,先用免费版跑通流程,再根据调用量升级是更稳妥的路径。 试过的几个外汇 API,真实感受 ExchangeRate API:新手练手够用 免费额度大方,一个月 1500 次请求对中小项目完全够跑通流程,文档也清晰。但免费版的实时汇率数据有延迟,说是实时,实际可能慢几分钟。适合个人项目、展示型需求,或者拿来写第一个汇率 API 调用脚本。 DeepTick:稳定、规范,适合正经项目 数据源可靠,货币对覆盖比较全面,接口设计规范,REST 和 WebSocket 都有。免费档可以上手,付费档对商业项目也算友好。后文我会用它的接口来演示实时报价和历史 K 线的完整接入。 OANDA:专业玩家型 数据质量高、延迟低、覆盖货币对最全,但贵,而且需要申请,不是注册就能直接用。适合金融交易类应用或不差预算的团队。 用 DeepTick 接入外汇实时报价 先安装 requests(如果本地没装): bash pip install requests DeepTick 的实时报价 REST 接口用于拉取单个标的的当前最新价和当日统计,适合看板、行情条这类“现在这一口价”的场景。 python import requests import json url = "https://api.deeptick.cc/api/v1/quote" params = { "symbols": "EURUSD" # 具体标的代码格式请以 DeepTick 文档为准 } headers = { "accept": "application/json", "deeptoken": "your_api_key" # 从 DeepTick 平台获取 } try: response = requests.get(url, params=params, headers=headers, timeout=10) response.raise_for_status() data = response.json() if data["code"] == 0 and data["data"]: quote = data["data"][0] ld = float(quote["ld"]) # 最新价 usd\_to\_eur = 1 / ld if ld != 0 else 0 print("外汇实时报价(USD to EUR):") print(json.dumps({ "amount": 1.0, "base": "USD", "rates": {"EUR": round(usd\_to\_eur, 6)} }, indent=4)) else: print(f"接口返回异常:{data.get('msg')}") except requests.RequestException as e: print(f"网络请求失败:{e}") 实时报价接口的响应里,ld 是最新价,p 是前收,o/h/l 是开/高/低,ch/chp 是涨跌额和涨跌幅,t 是行情时间戳。生产环境里一定要加 try-except,网络抖动或上游返回空数据都不应该让整个业务流程崩掉。 获取外汇历史 K 线 实时报价解决“现在多少钱”,历史 K 线解决“过去怎么走的”。DeepTick 的 K 线接口支持一次查一个或多个标的,周期覆盖 1m / 5m / 15m / 30m / 60m / 4h / 1d / 1w / 1M,limit 默认 40,最大 500,可以传截止时间戳 et 来取历史区间。 python import requests import json url = "https://api.deeptick.cc/api/v1/candles" params = { "symbols": "EURUSD", # 示例标的,实际代码以 DeepTick 文档为准 "interval": "1d", # 日 K 线 "limit": 10 # 最近 10 根 } headers = { "accept": "application/json", "deeptoken": "your_api_key" } try: response = requests.get(url, params=params, headers=headers, timeout=10) response.raise_for_status() data = response.json() if data["code"] == 0: print("全球外汇历史数据(EURUSD 日 K 线示例):") print(json.dumps(data["data"], indent=4)) else: print(f"接口返回异常:{data.get('msg')}") except requests.RequestException as e: print(f"网络请求失败:{e}") 返回的 data 里,每个标的包含 s(代码)、i(周期)和 d 数组,d 中每条记录按时间升序排列,字段包括 t(时间戳)、o、h、l、c、v。画走势图、做简单的汇率回测,拿这份外汇历史数据就够起步了。 几个实在建议 起步用免费档,别一上来就买贵的。 先用免费版把外汇 API 的认证、请求、解析、缓存整条链路跑通,确认业务真的需要更高频次和更低延迟再升级。 一定要加缓存。 汇率不会每秒剧烈变动,展示型场景缓存 30 秒到几分钟就能大幅减少 API 调用量。如果是多实例部署,Redis 做一层共享缓存效果更直接。 监控调用成功率和延迟。 记录每一次实时汇率接口的响应状态和耗时,设个简单的告警。API 不可能 100% 可靠,早点发现异常比事后排查便宜得多。 准备好降级方案。 上游不可用时,用最近一次成功缓存的汇率继续提供近似值,或者切换到备用数据源,比页面直接报错体面得多。 最后说几句 接外汇 API 本身技术难度不大,真正花时间的是业务侧:汇率保留几位小数、什么时候刷新、不同国家用户看到什么基准货币、异常汇率怎么兜底——这些细节往往比 HTTP 调用本身更耗精力。 DeepTick 的 REST 接口在实时报价和历史 K 线这两个最常用的场景上足够直接,文档也清晰,拿来做外汇实时行情的起步方案是顺手的选择。希望这篇经验能帮你少走一点弯路。 温馨提示:本文代码仅供技术参考,不构成任何投资建议。市场有风险,投资需谨慎。 GitHub:https://github.com/deeptick-cc/deeptick-realtime-market-data-api