今天我们正式进入股票行情分析。
上一课我们学习了量化交易的基本概念,知道了量化交易就是把交易规则转换成计算机能够执行的程序。
今天要解决一个非常基础、但非常重要的问题:
计算机究竟通过什么数据来判断一只股票的走势?
答案主要是:价格、成交量以及它们之间的关系。
这也是以后我们编写量化策略最常用的数据。
完成今天的课程后,你应该能够:
今天预计学习时间:2~2.5小时。
| 学习内容 | 建议时间 |
|---|---|
| K线基础 | 30分钟 |
| K线结构分析 | 25分钟 |
| 成交量与量价关系 | 30分钟 |
| Python实战 | 40分钟 |
| 练习与总结 | 20分钟 |
K线也叫蜡烛图(Candlestick)。
它起源于日本,后来被广泛应用于股票、期货、外汇等金融市场。
一根日K线,记录了一只股票在一天交易过程中的四个价格:
这四个价格通常简称:
OHLC
这是量化交易中非常重要的一个概念。
我们把一根K线拆成三个部分:
第一:实体
开盘价和收盘价之间的部分。
实体反映了这个周期内价格最终上涨还是下跌。
第二:上影线
实体上方到最高价之间的部分。
第三:下影线
实体下方到最低价之间的部分。
例如:
某股票今天:
| 项目 | 价格 |
|---|---|
| 开盘价 | 10.00元 |
| 最高价 | 10.80元 |
| 最低价 | 9.80元 |
| 收盘价 | 10.60元 |
那么:
这是一根阳线。
中国股票软件通常采用以下颜色约定:
| 类型 | 条件 | 常见颜色 |
|---|---|---|
| 阳线 | 收盘价 > 开盘价 | 红色 |
| 阴线 | 收盘价 < 开盘价 | 绿色 |
| 十字星 | 收盘价 ≈ 开盘价 | 视软件设置 |
注意:中国A股常用红涨绿跌,而一些国际交易软件采用绿涨红跌。
不要把两种颜色习惯混淆。
我们先认识四种,不需要现在就背诵所有K线形态。
| 形态 | 常见解释 |
|---|---|
| 大阳线 | 当期上涨幅度较大 |
| 大阴线 | 当期下跌幅度较大 |
| 十字星 | 开盘与收盘接近,多空暂时平衡 |
| 锤头线 | 下影线较长,可能反映低位买盘承接 |
这里特别提醒:
K线形态只是描述价格行为,并不意味着出现锤头线就一定会上涨,也不意味着大阳线之后一定会继续上涨。
量化交易不能仅凭形态判断买卖。
我们需要把这些形态转化成数学指标,再通过历史数据检验其有效性。
假设某只股票今天:
那么:
成交量 = 100万股。
成交额约等于:
\[ 100万\times10=1000万元 \]
这里有两个不同的概念:
| 指标 | 含义 |
|---|---|
| 成交量 Volume | 股票交易的数量 |
| 成交额 Amount | 股票交易的金额 |
量化交易中,两者都非常重要。
例如:
一只股票价格只有2元,另一只股票价格为200元。
即使它们成交量相同,成交额也会相差100倍。
所以,研究资金交易规模时,成交额往往比单纯成交量更有参考价值。
放量:当前成交量明显高于此前一段时间。
缩量:当前成交量明显低于此前一段时间。
例如:
| 日期 | 成交量 |
|---|---|
| 周一 | 100万股 |
| 周二 | 110万股 |
| 周三 | 105万股 |
| 周四 | 180万股 |
| 周五 | 200万股 |
周四和周五可以认为出现了明显放量。
但是,究竟放量多少才算明显?
我们可以让计算机判断。
例如:
\[ 成交量变化率= \frac{今日成交量-昨日成交量}{昨日成交量} \times100\% \]
周四相对于周三:
\[ \frac{180-105}{105}\times100\% =71.43\% \]
也就是说,成交量增加了约71.43%。
这就是量化分析的基本思想:
把模糊的描述变成明确的数学条件。
这是今天非常重要的内容。
量价关系,就是价格变化和成交量变化之间的关系。
通常我们先研究四种情况。
通常称为放量上涨。
可能意味着:
但也可能是高位大量换手,不能简单理解为买入信号。
通常称为缩量上涨。
可能意味着:
是否健康,需要结合价格位置和市场环境判断。
通常称为放量下跌。
可能意味着:
通常称为缩量下跌。
可能意味着:
但也不一定意味着底部已经形成。
特别注意:量价关系只是研究假设,不是必然的市场规律。
我们将来会把这些假设写成策略,通过回测来判断是否真正有价值。
现在开始今天最重要的实战。
我们要做一个非常简单的程序:
读取股票K线数据,自动计算每一天的价格变化、振幅和成交量变化。
今天先不安装第三方库,使用Python原生语法完成。
这样可以把注意力集中在量化计算本身。
在Mac终端中执行:
|
1 2 |
mkdir quant-learning cd quant-learning |
创建Python文件:
|
1 |
touch day02_candle.py |
使用VS Code或者你习惯的编辑器打开这个文件。
我们先模拟一只股票连续5个交易日的数据。
注意:下面是教学模拟数据,不是真实股票行情。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 |
stock_data = [ { "date": "2026-11-02", "open": 10.00, "high": 10.50, "low": 9.90, "close": 10.30, "volume": 120000 }, { "date": "2026-11-03", "open": 10.30, "high": 10.80, "low": 10.20, "close": 10.70, "volume": 150000 }, { "date": "2026-11-04", "open": 10.70, "high": 10.90, "low": 10.40, "close": 10.50, "volume": 110000 }, { "date": "2026-11-05", "open": 10.40, "high": 10.60, "low": 10.00, "close": 10.10, "volume": 180000 }, { "date": "2026-11-06", "open": 10.10, "high": 10.40, "low": 10.00, "close": 10.30, "volume": 160000 } ] |
你可以看到,每一天的数据都有:
这五个字段就是我们以后获取股票行情数据时经常使用的基础字段。
我们需要计算以下指标:
| 指标 | 计算方法 |
|---|---|
| 实体长度 | abs(close – open) |
| 上影线 | high – max(open, close) |
| 下影线 | min(open, close) – low |
| 涨跌幅 | (今日收盘价 / 昨日收盘价 – 1) × 100% |
| 振幅 | (最高价 – 最低价) / 昨日收盘价 × 100% |
| 成交量变化率 | (今日成交量 / 昨日成交量 – 1) × 100% |
注意:第一天没有前一个交易日收盘价,因此第一天无法计算日涨跌幅和上述定义的振幅。
将下面代码放进 day02_candle.py:
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 |
for i, day in enumerate(stock_data): open_price = day["open"] high_price = day["high"] low_price = day["low"] close_price = day["close"] volume = day["volume"] # 检查K线数据是否合理 assert high_price >= max(open_price, close_price) assert low_price <= min(open_price, close_price) assert high_price >= low_price # 计算K线实体 body = abs(close_price - open_price) # 计算上影线 upper_shadow = high_price - max(open_price, close_price) # 计算下影线 lower_shadow = min(open_price, close_price) - low_price # 判断阳线、阴线 if close_price > open_price: candle_type = "阳线" elif close_price < open_price: candle_type = "阴线" else: candle_type = "十字线" print(f"\n日期:{day['date']}") print(f"K线类型:{candle_type}") print(f"实体长度:{body:.2f}") print(f"上影线:{upper_shadow:.2f}") print(f"下影线:{lower_shadow:.2f}") if i > 0: previous_day = stock_data[i - 1] previous_close = previous_day["close"] previous_volume = previous_day["volume"] # 计算收盘价涨跌幅 change_rate = ( close_price / previous_close - 1 ) * 100 # 计算振幅 amplitude = ( (high_price - low_price) / previous_close ) * 100 # 计算成交量变化率 volume_rate = ( volume / previous_volume - 1 ) * 100 print(f"涨跌幅:{change_rate:.2f}%") print(f"振幅:{amplitude:.2f}%") print(f"成交量变化:{volume_rate:.2f}%") |
运行:
|
1 |
python3 day02_candle.py |
你将看到程序自动输出每天的K线特征。
例如,2026-11-03:
这就是一个最简单的量化行情分析程序。
这段代码实际上涉及几个重要的Python知识:
| Python知识 | 在程序中的用途 |
|---|---|
| List | 保存多天股票数据 |
| Dict | 保存每天的行情字段 |
| for循环 | 遍历每一天的行情 |
| enumerate | 获取日期数据的索引 |
| if判断 | 判断阳线和阴线 |
| assert | 检查数据是否合理 |
| 函数计算 | 计算涨跌幅等指标 |
这些知识后面都会频繁使用。
我们今天接触到了量化交易中最基础的数据结构。
记住下面这张表:
| 英文 | 中文 | 含义 |
|---|---|---|
| Open | 开盘价 | 周期开始时的价格 |
| High | 最高价 | 周期内最高价格 |
| Low | 最低价 | 周期内最低价格 |
| Close | 收盘价 | 周期结束时的价格 |
| Volume | 成交量 | 成交数量 |
| Amount | 成交额 | 成交金额 |
这几个字段以后会成为我们整个量化交易系统的基础。
接下来还会接触:
这些指标都可以从基础行情数据计算出来。