最近看到一个股市中非常有趣的趋势——老鼠仓
大概的原理可自行百度，而这只股票每隔10天左右会有一个约9%的下影线，换句话说，如果提前在当日开盘价-9%位置埋单，并且成交，就能在隔日获得几乎一个涨停的收益！
于是现在希望写一个脚本找出所有可能形成老鼠仓的股票——
满足老鼠仓的K线图满足如下要求：
- 单日涨跌幅小于2%
- 单日最低价大于-8%
- 从跌2%到接近最低价所用时间小于5分钟
- 整体平均值跌幅小于3%
在代码编写中，发现一个问题，即可能在分时图上股价并没有太大的变化，但在日K线中有一个很长的下影线，这是由于一单非理性限价单成交导致的。这也对于K线实际的意义产生了质疑。任意一个挂单都可以使K线产生巨大的形态变化，这应该能够成为操作市场的一个方式（如果我没有理解错的话）
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 |
import tushare as ts import time import numpy as np import logging ''' 通过识别“老鼠仓”实现的套利策略 ''' def check_rat(stock,date,end_day): logger = logging.getLogger(__name__) logger.info("Check Pit <%s,%s,%s>..."%(stock,date,end_day)) if end_day: summary = get_hist_data_sp(stock,date) #summary = ts.get_hist_data(stock,date,date) if len(summary['low']) != 1: logger.warning("Error occur at <%s>"%stock) return False if (float(summary['low'][0])/float(summary['open'][0]) > 0.92): return False logger.debug("Big Hole...checked") if (abs(1.0-float(summary['open'][0])/float(summary['close'][0])) > .2): return False if (float(summary['high'][0])/float(summary['open']) > 1.2): return False logger.debug("Slightly fluctuating...checked") rt = get_tick_data(stock,date = date) rt = rt[['time','price','change']] low_value = np.min(rt['price']) if (low_value/float(summary['open'][0]) > 0.92): return False #rt.to_csv('save.csv',sep='\t') lower_bound = float(low_value) * 1.01 upper_bound = float(summary['open'][0]) * 0.985 pos_x = rt['time'].size-1 pos_y = -1 for i in range(rt['time'].size-1,-1,-1): if (rt['price'][i] > upper_bound): pos_x = i if (rt['price'][i] < lower_bound): pos_y = i break time_x = time.strptime('2000 '+rt['time'][pos_x],'%Y %H:%M:%S') time_y = time.strptime('2000 '+rt['time'][pos_y],'%Y %H:%M:%S') time_x = time.mktime(time_x) time_y = time.mktime(time_y) delta = time_y-time_x if (delta > 5 * 60): return False logger.debug("Fast down...checked") return True def build_list(): logger = logging.getLogger(__name__) info = ts.get_stock_basics() stocks = info.index for stock in stocks: realtime = ts.get_realtime_quotes(stock) logger.info("Begin Stock <%s>"%stock) check_result = True if (float(realtime['low']) < float(realtime['open'])*0.92): check_result = True if (check_result): recent =ts.get_k_data(stock) check_range = 80 if (recent.size < 100): continue recentId = recent.index[-check_range:] for w in recentId: count = 0 check_h_result = check_rat(stock,end_day = True, date = recent['date'][w]) if (check_h_result): logger.warning("Pit found <%s,%s>"%(stock,recent['date'][w])) count += 1 if (count > 2): logger.error("Pit Stock Found <%s,%s/%s>"%(stock,count,check_range)) |
效果：高频率的老鼠仓只存在于002072一支股票，也让我非常失望。
对于该算法的拓展，我又尝试获得所有影线较长，但是开盘收盘价相差较小的股票，最后发现识别出的股票本身都是在强烈的震荡情况，也就是说无法判断一个大幅下跌属于影线还是正常的大跌，也就没有太强的实用价值。