社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  Python

神秘指标一出现,市场立马就变天 | 用Python计算成交量集中度(附代码)【邢不行】

邢不行 • 4 年前 • 1034 次点击  

这是邢不行第 81 期量化小讲堂的分享

作者 | 邢不行、密斯锌硒




01 

某神秘指标


有这么一个神秘指标,虽然15年来只产生过5次信号,但每次信号后市场都发生了翻天覆地的变化,无一例外。



下图中的蓝色曲线就是这个神秘指标,从2007年开始至今。


指标波动范围介于20%—50%


该指标每个月有一个数据,我们会在每月底计算。如2007年1月底算出来是32.05%。


1

对比沪深300

光看上图,大家可能觉得也平平无奇。我们把这个指标和沪深300指数放在一起对比看。


2007年1月-2021年8月


上图中蓝色曲线代表了该指标,橙色曲线则为同期沪深300指数。


从指标的45%位置画一道线,



将大于45%的5个月份映射到下面的沪深300指数上,对应下图中标记为1-5的点。



这样可以清楚的发现,当指标大于45%时,次月沪深300指数就会下跌(圆圈内蓝色折线)。尤其是第1、第2个点。


指标信号触发后大盘表现


当然这并不能说明太多。出现次数不多,第5个点大盘在次月也只下跌了0.28%。


但关键是,这5个点出现的时间点却非常的特殊。


2

牛熊转换

首先看第1、2、4个点:


3次牛熊转换


只要观察指数走势或者亲历过,就知道2007年10月、2008年9月,以及2018年1月都是非常重要的牛熊转换节点。


如07年10月就是那轮波澜壮阔的大牛市的顶点,当时A股涨到了6000多点。


接下来就是持续一年的熊市,一直跌到了第2个点的2008年9月。说来也巧,随后熊市立即结束,09年出现一波反弹。



再看点4位置的2018年1月。之前蓝筹股的持续上涨带动了一轮蓝筹牛,但是到了点4之后大盘就开始下跌。


所以这3个点精确定位了牛熊的转换:点1、点4预示了牛市的终结、点2则标志着熊市的结束。


3

风格切换

接着来看点3和点5:


2次风格切换


这两个点出现后市场并未发生明显牛熊转换。


但亲历过的朋友应该知道,点3出现前的2014年10月到12月,市场行情以蓝筹股为主。


代表大盘股的沪深300涨了40%,同期代表中小盘股的中证1000却下跌了1%。市场风格差异巨大。


市场风格从蓝筹股切换为中小盘


但在点3之后,市场风格就急剧变化。随后的1月到5月中证1000涨了84%,远超同期沪深300指数33%的涨幅。



同样的点5也是如此,就是最近发生的抱团股疯涨与崩盘,大家应该印象深刻。


如下图所示,2020年10月到2021年1月间,大盘股涨幅明显优于小盘股。接下来的2021年2月到8月,由于抱团股的瓦解,沪深300下跌10%,中证1000反而上涨21%。



所以总的来说,点1、2、4代表了牛熊转换,点3、5代表了市场风格转换,这个指标一旦出现信号,市场确实会急剧变化。



既然这个指标如此神奇,那它到底是怎样计算的呢?下文就详细介绍这个指标的原理,相关数据即计算代码也都会提供给大家。



02 

指标原理


1

指标原理

前5%成交额个股的占全部A股比重


这个指标的原理并不复杂:


每月末把所有股票按当月成交额从高到低进行排名,加总排名前5%的股票成交额,计算其占当月全部A股成交额的比重,即为指标的值。


下面举例说明。


2

指标案例

在2021年6月末我们将所有4418只股票按当月成交额从大到小进行排名。



可以看到第1名的股票(比XX)当月成交额为2358亿。最后一名的成交额为0.13亿,也就是一个月才成交了1300万。


同时我们可以算出排名前5%(前220名)的股票成交额加总为12万亿,以及所有4418只股票总的成交额是27万亿左右。


计算得到2021年6月前5%个股的成交额占比指标:12 / 27 = 44%。



基于上述计算方法,为方便实时监测该指标,我做了一个相关的网页。


图中白色曲线就是我们的指标,黄色曲线则为同期沪深300指数表现。



也想要实时看到结果的话,可以加我微信xbx297获取网站地址。



03

指标总结


此时我们再回看下图,就能大概明白为什么这个指标可以预示出市场变换了。


以最近的点5为例,当时的行情是极致抱团,抱团股的成交量极高,导致前5%个股成交额占比不断抬升,直到超过45%。


但金融市场没有什么会一直发生下去,早晚会均值回归。我们当时就说过抱团股一定会瓦解,事实也确实如此。


所以总体而言,当这个指标超过45%时就意味着我们应多注意未来的风险或机会。



当然没有任何指标是绝对有效的,它只是从某一个角度让我们更清楚的观察市场。


对这个指标感兴趣或有想法的,可以在评论区留言或者加我微信xbx297,一起沟通交流。




04

Python量化实现指标


1

获取数据

介绍完指标的原理,接下来我会讲解如何通过Python编程计算指标。零基础也能听懂。


为了计算指标,我们首先要有股票的成交量历史数据。


有编程基础的朋友可以用Python从一些财经网站(网易财经、新浪财经等)抓取数据。


网易财经:quotes.money.163.com/stock


也可以从我们的量化小讲堂网站上直接下载数据:


量化小讲堂数据网址:www.quantclass.cn/data/stock


这里有已经整理好的所有股票(包括退市股)从上市至今每天的交易数据。


如果需要的话,可以加我微信xbx297,免费获取一份最新的数据。


数据文件下载后如下图所示:


数据展示


文件名就是股票代码,打开后就能看到这只股票每天的交易数据。


2

代码实操

有了数据后结合相应的代码就可以计算指标。


代码可以加xbx297获取


如果尚未安装Python,可以看我之前这篇文章,里面讲的非常清楚:


收藏 | 最最最最简单、最最最最详细的Python和Pandas安装教程


按照它的操作就可以完成安装,大家有兴趣可以看看。下载好后运行代码的界面就如下图所示:


Spyder界面


打开输出运行结果的文件,从2016年11月到2021年8月,每一行都计算了每个月指标的数据。


运行后的结果文件


同时Python还做了个折线图,如上文展示的一样:


数据、代码可以加xbx297获取


最后你也可以通过每个月观测这个指标来了解目前市场的分化情况,相信能对大家的交易决策有一定帮助。


如果你有其他观测市场的指标,或者对数据、代码感兴趣,都可以加我微信xbx297交流。


联系作者


往期文章推荐


Python量化避雷指南:一直买负债最多的公司,会亏成啥样?【邢不行】

用Python量化定义MACD,找出A股全部12万次顶底背离,胜率究竟有多少?附代码【邢不行】

从零编写60%+胜率的短线择时信号!零基础python量化投资代码详解【邢不行】

邢不行 | 妙用北向资金找出大盘买点、卖点,跟着操作6年4倍【附代码】

常见量化投资误区合集,量化交易新手脱坑指南 | 邢不行

期权骚操作:逃顶比特币,还能额外赚【比特币逃顶系列1】

邢不行 | Python量化 + 数字货币 + 轮动 = 4年1000倍【附代码】

抱团股会一直涨?无脑执行大小盘轮动策略,轻松跑赢指数5倍【附Python代码】

BTC涨这么多,还能买吗?要卖吗?| 量化定投策略告诉你答案【附代码】

【交易回顾】没用Python做量化回测,少赚100w | 股指期货妙用案例

听说MACD是技术指标之王?我们用Python来验验成色

复权不复权,天差与地别 | 量化投资中如何最准确的计算股票前后复权价(附代码)

写最少的代码,画最骚的K线


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/122398