如何用换手率和振幅做 A 股选股？（Python 实战）

Q: `ext.turnover_rate` 要乘 100 吗？

它是小数，`0.0042` 即 0.42%。展示时乘 100 加百分号。

Q: 换手率是按流通股本还是总股本？

通常按流通股本口径；如需自算可用 `af.instruments` 的 `float_shares` 与成交量核对。

Q: 振幅为负常见吗？

振幅是 (最高-最低)/昨收，非负；接近 0 说明当日基本一字或极度平淡。

Q: 需要付费吗？

全市场 `universes` 查询需 Starter 及以上；少量标的用 `symbols` 免费体验。

选股扫描 · 代码验证于 2026-09-05

如何用换手率和振幅做 A 股选股？（Python 实战）

一句话回答： 换手率反映筹码活跃度、振幅反映日内波动空间，二者是短线选股的高信息量指标。用 AlphaFeed 全市场实时行情里现成的 ext.turnover_rate 和 ext.amplitude 字段（都是小数），几行 pandas 就能筛出”活跃但不疯”的候选，无需自己算。

为什么用换手率 + 振幅

换手率（成交量 / 流通股本）：太低 = 无人问津的僵尸股，太高 = 过度投机、接盘风险大。
振幅（(最高-最低)/昨收）：反映日内博弈激烈程度，做 T 和短线要有足够空间。
组合起来能快速圈定”有资金关注、有波动空间、但没被爆炒”的标的。

很多数据源不直接给这两个字段，要自己用成交量/股本、最高最低价去算，还容易口径不一。AlphaFeed 的行情快照直接带。

第一步：一行拿到全市场行情（含换手率/振幅）

from alphafeed import AlphaFeed

af = AlphaFeed()  # 读取 ALPHAFEED_API_KEY

df = af.quotes.get(universes="CN_Stock", to_dataframe=True)
print(df[["symbol", "ext.name", "last_price",
          "ext.turnover_rate", "ext.amplitude", "amount"]].head())

关键字段（实测均为小数）：

字段	含义	示例值 → 实际
`ext.turnover_rate`	换手率	`0.0042` → 0.42%
`ext.amplitude`	振幅	`0.033` → 3.3%
`ext.change_pct`	涨跌幅	`0.02` → +2%
`amount`	成交额（元）	流动性门槛

标的池查询需 Starter 及以上权限。

第二步：活跃度选股

筛”换手率适中 + 有振幅 + 成交额达标”：

sel = df[
    (df["ext.turnover_rate"] > 0.03)    # 换手 > 3%，有人气
    & (df["ext.turnover_rate"] < 0.20)  # < 20%，排除过度投机
    & (df["ext.amplitude"] > 0.03)      # 振幅 > 3%，有波动空间
    & (df["amount"] > 3e8)              # 成交额 > 3 亿，保流动性
].sort_values("ext.turnover_rate", ascending=False)

print(f"活跃候选: {len(sel)} 只")
print(sel[["symbol", "ext.name", "last_price",
           "ext.turnover_rate", "ext.amplitude"]].head(20).to_string(index=False))

第三步：分档观察（换手率分布）

想了解全市场活跃度结构，可以分档统计：

import pandas as pd

bins = [0, 0.01, 0.03, 0.05, 0.10, 0.20, 1.0]
labels = ["<1%", "1-3%", "3-5%", "5-10%", "10-20%", ">20%"]
df["turnover_bin"] = pd.cut(df["ext.turnover_rate"], bins=bins, labels=labels)
print(df["turnover_bin"].value_counts().sort_index())

第四步：叠加涨跌幅，区分”放量上攻”与”高位放量”

同样是高换手，位置不同含义天差地别。结合当日涨跌幅与近期涨幅：

active = df[(df["ext.turnover_rate"] > 0.05) & (df["amount"] > 3e8)].copy()

# 今日温和上涨 + 高换手 = 资金进场（相对健康）
healthy = active[(active["ext.change_pct"] > 0) & (active["ext.change_pct"] < 0.07)]
# 今日大涨 + 超高换手 = 可能高位派发，谨慎
risky = active[(active["ext.change_pct"] > 0.09) & (active["ext.turnover_rate"] > 0.15)]

print(f"温和放量上涨: {len(healthy)} 只 | 高位巨量: {len(risky)} 只")

阈值参考表

场景	换手率	振幅	说明
龙头/主流活跃	5%–15%	> 4%	资金主战场
温和活跃	3%–8%	2%–5%	相对稳健
过度投机（回避）	> 20%	> 9%	接盘风险高
僵尸股（剔除）	< 1%	< 1%	无流动性

常见问题（FAQ）

Q：ext.turnover_rate 要乘 100 吗？ A：它是小数，0.0042 即 0.42%。展示时乘 100 加百分号。

Q：换手率是按流通股本还是总股本？ A：通常按流通股本口径；如需自算可用 af.instruments 的 float_shares 与成交量核对。

Q：振幅为负常见吗？ A：振幅是 (最高-最低)/昨收，非负；接近 0 说明当日基本一字或极度平淡。

Q：需要付费吗？ A：全市场 universes 查询需 Starter 及以上；少量标的用 symbols 免费体验。

小结

换手率和振幅是短线选股的”活跃度雷达”。AlphaFeed 在实时快照里直接给出 ext.turnover_rate/ext.amplitude，省去自算和口径烦恼，几行 pandas 就能筛出活跃而不疯的候选池。