今天我们开始学习一个非常重要的内容:A股交易规则如何影响量化交易策略。
前两节课,我们已经完成了:
第1课:认识量化交易,理解策略、回测和模拟交易。
第2课:学习K线、成交量,并用Python计算涨跌幅、振幅和成交量变化。
今天进入第3课。
我想先强调一个容易被初学者忽略的问题:
即使你的量化策略判断完全正确,如果不了解A股交易制度,回测结果也可能严重失真。
举个例子:
假设程序在今天买入一只股票,第二天发现判断错误,想立即卖出止损。但A股普通股票实行T+1交易制度,今天买入的股票通常不能在当天卖出。
如果你的回测程序允许当天买入、当天卖出,那么回测出来的收益就不符合真实交易规则。
这就是我们今天要解决的问题。
今天的学习目标
理解A股主要交易板块。
掌握T+1交易制度。
理解涨跌停板和价格限制。
认识集合竞价与连续竞价。
了解股票交易费用。
用Python编写一个简单的A股交易规则检查模块。
预计学习时间
2~3小时
中国A股市场不是所有股票都使用完全相同的交易规则。
我们先认识主要板块。
1. 上海证券交易所(上交所)
主板:包括很多传统行业上市公司。
科创板:主要服务科技创新企业。
常见股票代码:主板600、601、603、605;科创板688、689。
2. 深圳证券交易所(深交所)
主板:包括传统行业和成熟企业。
创业板:主要服务成长型创新创业企业。
常见股票代码:主板000、001、002、003;创业板300、301。
3. 北京证券交易所(北交所)
主要服务创新型中小企业。
常见股票代码:以8开头。
交易规则和涨跌幅限制与沪深主板不同。
对于量化交易来说,为什么要区分这些板块?
因为不同板块可能存在不同的:
涨跌幅限制。
投资者适当性要求。
新股上市交易规则。
交易申报数量要求。
流动性特征。
所以我们以后建立股票池时,不能简单地把所有股票放在一起,必须考虑板块属性。
这是A股量化交易必须掌握的规则。
T代表交易日。
T+1的意思是:
今天买入的普通A股股票,通常要到下一个交易日才能卖出。
举个例子:
| 时间 | 操作 | 是否允许 |
|---|---|---|
| 周一上午 | 买入1000股 | 允许 |
| 周一下午 | 卖出这1000股 | 不允许 |
| 周二上午 | 卖出这1000股 | 允许 |
这里要注意,周一买入的股票,即使当天价格已经下跌10%,也不能仅仅因为想止损就当天卖出。
这对量化策略有很大影响。
例如:
我们设计一个策略:
|
1 |
if price_drop > 0.03: sell() |
这个程序在普通Python环境中当然可以执行。
但是在A股真实交易中,必须先判断:
当前是否持有股票?
这部分股票是否已经可卖?
当前是否处于允许交易的时间?
股票是否停牌?
是否触及跌停、导致无法成交?
否则,程序生成的卖出信号不一定能够真正执行。
另外,T+1主要针对普通A股股票;ETF、债券等证券品种的交易制度存在差异,不能把普通股票规则直接套用到所有证券。
这是量化交易中非常关键的规则。
假设某只股票昨天收盘价为10元。
如果今天涨跌幅限制为10%,那么:
涨停价:
跌停价:
也就是说,普通交易日内,这只股票的竞价交易价格通常不能超过11元,也不能低于9元。
| 股票板块 | 普通交易日涨跌幅限制 |
|---|---|
| 沪市主板 | ±10% |
| 深市主板 | ±10% |
| 科创板 | ±20% |
| 创业板 | ±20% |
| 北交所 | ±30% |
这里有一个值得特别记住的2026年规则变化:
*2026年7月6日起,沪深主板风险警示股票(ST、ST)的涨跌幅限制也调整为10%,不再沿用过去普遍熟悉的5%规则。
上交所和深交所均发布了相应的规则调整。
上海证券交易所+2
因此,我们不能在量化程序中简单地写:
|
1 |
if stock_name.startswith("ST"): limit_rate = 0.05 |
这就是典型的硬编码错误。
应该根据股票所属交易板块、风险警示状态以及当日适用规则来确定涨跌幅限制。
假设昨天收盘价都是10元:
不同板块的涨跌停价格对比
主板
科创板 / 创业板
北交所
以上是普通交易日的教学示例,未考虑无涨跌幅限制的特殊交易日。
注意几个特殊情况:
新股上市初期,部分板块有不设涨跌幅限制的交易日。
退市整理、重新上市等特殊情况也可能有不同规定。
分红除权除息后,价格计算基准可能调整。
涨停不代表一定能买到,跌停也不代表一定能卖出去。
特别是最后一点,对量化回测非常重要。
假设你的程序发出卖出信号,而股票已经跌停,卖盘排队非常多,那么程序即使提交了卖单,也可能无法成交。
信号生成和订单成交,是两个完全不同的事情。
我们先记住下面这张表。
| 时间 | 交易方式 | 说明 |
|---|---|---|
| 09:15~09:25 | 开盘集合竞价 | 集中撮合 |
| 09:30~11:30 | 连续竞价 | 逐笔撮合 |
| 13:00~14:57 | 连续竞价 | 逐笔撮合 |
| 14:57~15:00 | 收盘集合竞价 | 产生收盘价 |
| 15:05~15:30 | 盘后固定价格交易 | 按收盘价撮合 |
以上是沪深市场主要交易时段的学习框架。2026年7月6日起实施的交易规则调整,将盘后固定价格交易适用范围扩展至A股和交易型开放式基金。
上海证券交易所+3
有两个细节:
开盘集合竞价的9:20~9:25以及收盘集合竞价的14:57~15:00,不能撤销竞价申报。
盘后固定价格交易不是普通连续竞价,它按照当日收盘价进行撮合。
假设早上9:15,市场上出现以下委托:
| 投资者 | 买卖方向 | 委托价格 | 数量 |
|---|---|---|---|
| A | 买入 | 10.20元 | 1000股 |
| B | 买入 | 10.10元 | 2000股 |
| C | 买入 | 10.00元 | 3000股 |
| D | 卖出 | 10.00元 | 1000股 |
| E | 卖出 | 10.10元 | 2000股 |
| F | 卖出 | 10.20元 | 3000股 |
交易所会根据买卖申报情况,按照集合竞价规则确定一个能够实现最大成交量的价格。
这就是集合竞价。
它不是简单地把所有买单和卖单取一个平均值。
连续竞价就是我们平时理解的股票买卖撮合。
它遵循两个原则:
价格优先。
时间优先。
例如:
有两个投资者同时想买某只股票:
| 投资者 | 买入价格 | 申报时间 |
|---|---|---|
| A | 10.10元 | 09:30:01 |
| B | 10.20元 | 09:30:02 |
B虽然晚提交一秒,但出价更高,因此优先于A成交。
如果两个人出价都是10.10元,那么先提交的订单优先。
这意味着什么?
量化交易程序即使判断准确,也不意味着一定能按照理想价格成交。
我们以后回测时,必须考虑订单成交机制和排队情况。
上海证券交易所+1
这是很多初学者容易忽略的地方。
假设你买入10000元股票,之后又卖出。
即使股价没有变化,你仍然可能亏钱,因为买卖都需要支付费用。
| 费用 | 收取方向 | 说明 |
|---|---|---|
| 券商佣金 | 买卖双向 | 以开户协议为准 |
| 印花税 | 卖出单向 | 0.5‰ |
| 过户费 | 买卖双向 | 0.01‰ |
证券交易印花税自2023年8月28日起减半征收,目前按成交金额的0.5‰向出让方单边征收。
znhd.guangxi.chinatax.gov.cn+1
另外还有证券交易经手费、证管费等交易规费,上交所投资者服务页面列明相关收费项目,并说明相关规费计入券商佣金。实际计算要避免重复收费。
上海证券交易所
券商佣金不是所有人都一样。下面我们为了教学,假设:
佣金率:万分之2.5(0.025%)。
单笔最低佣金:5元。
过户费:万分之0.1。
卖出印花税:千分之0.5。
假设:
买入金额:10000元。
卖出金额:10000元。
买入和卖出价格相同。
买入佣金:
买入过户费:
买入总费用:
卖出费用:
佣金:5元。
过户费:0.1元。
印花税:5元。
卖出总费用:
假设买卖成交金额均为10000元,佣金率万分之2.5且最低5元
买入费用
5.10元
卖出费用
10.10元
合计
15.20元
你看,即使买卖价格完全相同,也已经产生了15.20元的费用。
这就是为什么量化交易不能只计算股票涨跌幅。
如果一个策略每天交易很多次,手续费就可能吞掉相当一部分利润。
现在开始今天的编程项目。
今天我们要写一个独立模块:
A股交易规则检查器(AStockRuleChecker)
它需要具备三个功能:
根据股票板块计算涨停价和跌停价。
判断今天买入的股票能不能今天卖出。
计算买卖股票产生的交易费用。
这三个功能以后都可以直接集成到我们的回测系统中。
在之前的 quant-learning 目录中创建:
|
1 2 3 4 5 |
quant-learning/ │ ├── day02_candle.py │ └── day03_rules.py |
打开 day03_rules.py,输入下面的完整代码:
|
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 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 |
from decimal import Decimal, ROUND_HALF_UP from datetime import date # 各板块普通交易日的涨跌幅限制 BOARD_LIMITS = { "main": Decimal("0.10"), "main_st": Decimal("0.10"), "chinext": Decimal("0.20"), "star": Decimal("0.20"), "beijing": Decimal("0.30") } # 将价格四舍五入到最小价格变动单位 def round_to_tick(price, tick=Decimal("0.01")): return ( (price / tick).quantize( Decimal("1"), rounding=ROUND_HALF_UP ) * tick ) # 计算涨停价和跌停价 def calculate_price_limits( previous_close, board, no_limit=False ): if no_limit: return None, None if board not in BOARD_LIMITS: raise ValueError(f"未知股票板块: {board}") previous_close = Decimal(str(previous_close)) rate = BOARD_LIMITS[board] upper = round_to_tick( previous_close * (1 + rate) ) lower = round_to_tick( previous_close * (1 - rate) ) return upper, lower # 判断普通A股是否可以卖出 def can_sell_today(buy_date, trade_date): buy_date = date.fromisoformat(buy_date) trade_date = date.fromisoformat(trade_date) return trade_date > buy_date # 计算交易费用 def calculate_fee( amount, side, commission_rate="0.00025", min_commission="5" ): amount = Decimal(str(amount)) commission_rate = Decimal(str(commission_rate)) min_commission = Decimal(str(min_commission)) if side not in ("buy", "sell"): raise ValueError("side只能是buy或sell") # 券商佣金 commission = max( amount * commission_rate, min_commission ) # 印花税:仅卖出收取 stamp_duty = ( amount * Decimal("0.0005") if side == "sell" else Decimal("0") ) # 过户费:双向收取 transfer_fee = amount * Decimal("0.00001") total = commission + stamp_duty + transfer_fee return { "commission": commission.quantize(Decimal("0.01")), "stamp_duty": stamp_duty.quantize(Decimal("0.01")), "transfer_fee": transfer_fee.quantize(Decimal("0.01")), "total": total.quantize(Decimal("0.01")) } if __name__ == "__main__": # 测试1:计算涨跌停价格 upper, lower = calculate_price_limits( 10, "main" ) print("主板涨停价:", upper) print("主板跌停价:", lower) # 测试2:判断T+1 print( "当天能否卖出:", can_sell_today( "2026-11-12", "2026-11-12" ) ) print( "下一个交易日能否卖出:", can_sell_today( "2026-11-12", "2026-11-13" ) ) # 测试3:计算交易费用 print("买入费用:", calculate_fee(10000, "buy")) print("卖出费用:", calculate_fee(10000, "sell")) |
在Mac终端执行:
|
1 |
python3 day03_rules.py |
预期输出:
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 |
主板涨停价: 11.00 主板跌停价: 9.00 当天能否卖出: False 下一个交易日能否卖出: True 买入费用: { 'commission': Decimal('5.00'), 'stamp_duty': Decimal('0.00'), 'transfer_fee': Decimal('0.10'), 'total': Decimal('5.10') } 卖出费用: { 'commission': Decimal('5.00'), 'stamp_duty': Decimal('5.00'), 'transfer_fee': Decimal('0.10'), 'total': Decimal('10.10') } |
第一:为什么使用Decimal,而不是float?
你可能会想:
|
1 |
price = 10.00 * 1.10 |
这看起来没问题,但浮点数在计算过程中可能产生精度误差。
金融计算对价格精度比较敏感。
因此我们使用:
|
1 |
from decimal import Decimal |
例如:
|
1 |
price = Decimal("10.00") |
这能让我们更准确地处理价格和金额。
第二:为什么把板块涨跌幅做成字典?
|
1 2 3 4 5 6 |
BOARD_LIMITS = { "main": Decimal("0.10"), "chinext": Decimal("0.20"), "star": Decimal("0.20"), "beijing": Decimal("0.30") } |
这是为了避免在程序中到处出现硬编码。
未来如果交易规则发生变化,只需要维护规则配置,不必修改所有策略代码。
不过,实际系统还需要从证券基础信息和交易所规则中识别股票所属板块,不能仅靠股票简称判断。
第三:为什么判断T+1只比较日期?
|
1 |
return trade_date > buy_date |
因为对于普通A股,我们只关心买入日是否早于卖出交易日。
这里有个重要限制:这个教学函数没有处理节假日、停牌、部分可卖持仓和其他证券品种。
真实回测系统必须引入交易日历和逐笔持仓记录,不能直接把它当成完整的订单管理系统。
以后我们需要继续完善:
| 边界条件 | 当前代码 | 真实系统 |
|---|---|---|
| 普通交易日涨跌幅 | 已处理 | 已处理 |
| 新股无涨跌幅限制日 | 支持手动传入 | 应自动识别 |
| 除权除息参考价格 | 简化处理 | 应读取交易所参考价格 |
| 节假日和停牌 | 未处理 | 应接入交易日历 |
| 涨停跌停排队成交 | 未处理 | 应模拟订单簿和成交概率 |
| 部分成交和剩余持仓 | 未处理 | 应记录订单和持仓 |
我们不要试图一次性把系统写得非常复杂。
先理解规则,再逐步完善工程结构。
这次我给你安排四道题,其中前三道考察基础知识,最后一道是编程实践。
某只主板股票昨日收盘价为12.50元。
请计算:
今日涨停价是多少?
今日跌停价是多少?
某只创业板股票昨天收盘价为20元。
请计算:
涨停价。
跌停价。
假设:
买入股票金额8000元。
卖出股票金额8000元。
佣金率万分之2.5。
最低佣金5元。
请计算完整买卖一次的费用。
修改刚才的程序:
增加一个科创板涨跌停价格计算测试。
增加一个北交所涨跌停价格计算测试。
增加一个ST主板股票测试。
增加一个新股无涨跌幅限制的测试。
建议自己写,不要直接复制我的答案。
练习1:
练习2:
创业板限制20%:
练习3:
买入费用:
佣金:5元。
过户费:0.08元。
买入合计:5.08元。
卖出费用:
佣金:5元。
过户费:0.08元。
印花税:4元。
卖出合计:9.08元。
总费用:
练习4:
在程序最后添加:
|
1 |
print( "科创板:", calculate_price_limits(10, "star"))print( "北交所:", calculate_price_limits(10, "beijing"))print( "ST主板:", calculate_price_limits(10, "main_st"))print( "无涨跌幅限制:", calculate_price_limits( 10, "main", no_limit=True )) |
预期结果:
| 测试 | 涨停价 | 跌停价 |
|---|---|---|
| 科创板 | 12.00 | 8.00 |
| 北交所 | 13.00 | 7.00 |
| ST主板 | 11.00 | 9.00 |
| 特殊无涨跌幅限制日 | 不设 | 不设 |
注意:这里的无涨跌幅限制测试只是验证函数分支,并不代表所有新股都可以不加条件地这样处理。
今天我们学习了五个对A股量化交易至关重要的知识点。
学习完成情况
|
1 2 3 4 5 |
quant-learning/ │ ├── day02_candle.py # K线与成交量分析 │ └── day03_rules.py # A股交易规则检查器 |
这两个文件就是我们量化研究系统的最初两个模块。
以后我们会将它们逐步整合成一个完整的项目。
本课涉及的易变化内容,以交易所和税务机关的官方规则为准: