[Python技术] 统计个股股性包括涨停次数、首次涨停溢价率、 高开低走次数

import akshare as akimport pandas as pd
# 获取个股历史数据（示例代码：宁德时代300750）df = ak.stock_zh_a_hist(symbol="300750", period="daily", start_date="20240701", end_date="20250701")# 保留核心列：日期、开盘价、收盘价、涨跌幅df = df[["日期", "开盘", "收盘", "涨跌幅"]]df["日期"] = pd.to_datetime(df["日期"])df.set_index("日期", inplace=True)

# 计算涨停次数（假设非ST股）df["is_limit_up"] = df["涨跌幅"] >= 9.9  # 考虑浮动误差limit_up_count = df["is_limit_up"].sum()print(f"近1年涨停次数：{limit_up_count}")

# 计算前日收盘价（shift平移数据）df["prev_close"] = df["收盘"].shift(1)# 判断高开：开盘价 > 前日收盘价 * 1.01df["is_high_open"] = df


    
["开盘"] > df["prev_close"] * 1.01# 判断低走：收盘价 < 开盘价df["is_low_close"] = df["收盘"] df["开盘"]# 统计高开低走df["high_open_low_close"] = df["is_high_open"] & df["is_low_close"]high_open_low_close_count = df["high_open_low_close"].sum()print(f"高开低走次数：{high_open_low_close_count}")

import akshare as akimport pandas as pdimport numpy as npfrom datetime import datetime, timedeltadef calculate_limit_price(row, stock_code):    """    计算涨停价（考虑不同板块的涨跌幅限制）    参数:    row : DataFrame行    stock_code : 股票代码    返回:    float : 涨停价    """    # 根据股票代码确定涨跌幅限制    if str(stock_code).startswith(('68', '30')):  # 科创板和创业板        limit_rate = 0.20    elif str(stock_code).startswith(('8')):  # 北交所        limit_rate = 0.30    elif 'ST' in row.get('name', '') or '*ST' in row.get('name', ''):  # ST股票        limit_rate = 0.05    else:  # 主板股票        limit_rate = 0.10    # 计算涨停价（四舍五入到分）    limit_price = round(row['prev_close'] * (1 + limit_rate), 2)    return limit_pricedef analyze_stock_behavior(symbol, start_date, end_date):    """    分析股票行为：涨停次数、高开低走次数、首板次日未突破情况    参数:    symbol : 股票代码    start_date : 开始日期 (YYYYMMDD)    end_date : 结束日期 (YYYYMMDD)    返回:    tuple : (涨停次数, 高开低走次数, 首板次日未突破次数, 包含分析结果的DataFrame)    """    # 获取股票基本信息（包含股票名称）    #stock_info = ak.stock_info_a_code_name()    #stock_name = stock_info[stock_info['code'] == symbol]['name'].values[0]    # 获取历史行情数据    df = ak.stock_zh_a_hist(symbol=symbol, period="daily",                            start_date=start_date, end_date=end_date,                            adjust="qfq")  # 使用前复权数据    # 数据预处理    df = df[["日期", "开盘", "最高", "最低", "收盘", "涨跌幅"]]    #print(df)    df["日期"] = pd.to_datetime(df["日期"])    df = df.sort_values("日期").reset_index(drop=True)    # 计算前日收盘价    df["prev_close"] = df["收盘"].shift(1)    # 计算涨停价


    
    df["涨停价"] = df.apply(lambda row: calculate_limit_price(        {'prev_close': row['prev_close']}, symbol), axis=1)    # 涨停判断（考虑四舍五入误差）    df["is_limit_up"] = (df["最高"] >= df["涨停价"] - 0.01) | (df["涨跌幅"] >= 9.5)    # 高开低走判断    df["is_high_open"] = df["开盘"] > df["prev_close"] * 1.03  # 高开3%以上    df["is_low_close"] = df["收盘"] < df["开盘"] * 0.97   # 收盘 低于开盘    df["high_open_low_close"] = df["is_high_open"] & df["is_low_close"]    # 首板涨停次日未突破判断    df["is_first_limit"] = False    df["next_day_not_break"] = False    for i in range(1, len(df) - 1):        # 判断首板涨停：当日涨停且前日未涨停        if df.loc[i, "is_limit_up"] and not df.loc[i - 1, "is_limit_up"]:            df.loc[i, "is_first_limit"] = True            # 判断次日最高价是否未突破涨停价            if df.loc[i + 1, "最高"] < df.loc[i, "涨停价"]:                df.loc[i + 1, "next_day_not_break"] = True    # 统计结果    limit_up_count = df["is_limit_up"].sum()    high_open_low_close_count = df["high_open_low_close"].sum()    next_day_not_break_count = df["next_day_not_break"].sum()    return limit_up_count, high_open_low_close_count, next_day_not_break_count, df# 示例使用if __name__ == "__main__":    # 设置分析参数    symbol = "002549"    end_date = datetime.now().strftime("%Y%m%d")    start_date = (datetime.now() - timedelta(days=365)).strftime("%Y%m%d")    # 执行分析    limit_up, high_open_low, next_day_not_break, result_df = analyze_stock_behavior(        symbol, start_date, end_date    )    # 打印结果    print(f"分析时段: {start_date} 至 {end_date}")    print(f"涨停次数: {limit_up}")    print(f"高开低走次数: {high_open_low}")    print(f"首板涨停次日未突破次数: {next_day_not_break}")    # 查看首板次日未突破的案例    if next_day_not_break > 0:        print("\n首板涨停次日未突破案例:")        cases = result_df[result_df["next_day_not_break"]]        print(cases[["日期", "开盘", "最高", "最低", "收盘", "涨停价"]])