如何用 Python 筛选「缩量企稳」的股票？地量 + 横盘的变盘候选

Q: 和「放量选股」是不是相反？

是互补的两极。放量找的是「资金正在进场」，缩量企稳找的是「抛压已经枯竭、等待变盘」，适用阶段不同。

Q: 量比用成交量还是成交额？

本文用成交量（`volume`）。若担心价格变动影响，可改用成交额（`amount`）做比值，逻辑一致。

Q: 需要付费吗？

全市场扫描依赖 `universes` 标的池 + `klines.batch` 批量取数，属 Starter 及以上能力；单只/少量股票可用免费额度先验证逻辑。详见官网定价页。

选股扫描 · 代码验证于 2026-10-05

如何用 Python 筛选「缩量企稳」的股票？

一句话回答： 和放量追涨相反，「缩量企稳」找的是成交极度萎缩（地量）且股价横住不跌（企稳） 的票——抛压衰竭、浮筹清理干净，常是变盘前夜。做法是用 AlphaFeed 的 klines.batch 批量取前复权日线，用「近 5 日均量 ÷ 近 60 日均量」衡量缩量程度（比值越小越缩量），再用「近期振幅」确认价格横住，两条件一起对全市场扫描即可。

为什么会有这个问题 / 传统做法的痛点

多数选股器只盯「放量上涨」，但老手知道「地量见地价」——当一只股票成交量萎缩到长期均量的三四成、价格又不再创新低，说明想卖的基本卖完了，再往下砸盘的动能枯竭。难点在于：

「缩量」要相对自己：100 万手是放量还是缩量，得和它自己的历史均量比，不能用绝对值。
光缩量不够，还要「企稳」：缩量下跌是阴跌，缩量横盘才是抛压衰竭。所以要叠加「价格振幅收窄」。
要全市场扫描：机会分散在几千只票里，必须批量算。

分步骤解决（每步配可运行代码）

第 1 步：定义缩量 + 企稳指标

def dry_up_metrics(k, short=5, long=60):
    k = k.sort_values("trade_date")
    if len(k) < long + 5:
        return None
    vol = k["volume"]
    vol_ratio = vol.tail(short).mean() / vol.tail(long).mean()   # <1 缩量
    close = k["close"]
    amp = close.tail(short).max() / close.tail(short).min() - 1  # 近 short 日振幅
    return {"vol_ratio": float(vol_ratio), "amp": float(amp)}

vol_ratio = 近 5 日均量 ÷ 近 60 日均量：< 0.6 可视为明显缩量（地量）。
amp = 近 5 日最高/最低 − 1：< 5% 可视为横盘企稳。

第 2 步：单股体检

from alphafeed import AlphaFeed

af = AlphaFeed(api_key="your-api-key")  # 或 export ALPHAFEED_API_KEY 后 AlphaFeed()

df = af.klines.get("600519.SH", period="1d", count=120,
                   adjust="forward", to_dataframe=True)
print(dry_up_metrics(df))

实测（tools/verify_new_2026-10-05.py，SDK 0.1.4）：贵州茅台当前 量比(短/长) = 0.831、近期振幅 = 1.86%——价格够稳但缩量不够极致（0.831 > 0.6），不算典型地量候选。

第 3 步：全市场批量扫描

q = af.quotes.get(universes="CN_Stock", to_dataframe=True)
codes = q["symbol"].tolist()
hits = []
CHUNK = 300
for i in range(0, len(codes), CHUNK):
    data = af.klines.batch(codes[i:i+CHUNK], period="1d", count=120,
                           adjust="forward", to_dataframe=True)
    for sym, k in data.items():
        m = dry_up_metrics(k)
        if m and m["vol_ratio"] < 0.6 and m["amp"] < 0.05:   # 缩量 + 企稳
            hits.append((sym, round(m["vol_ratio"], 3), round(m["amp"], 4)))

hits.sort(key=lambda x: x[1])     # 按缩量程度排序，越缩量越靠前
print("候选数:", len(hits), hits[:10])

实测扫描前 600 只：命中 117 只缩量企稳候选，最缩量样例如 920925.BJ（量比 0.239）、301158.SZ（0.25）、002828.SZ（0.261，振幅仅 1.12%）。

参数与字段说明

参数/字段	含义	备注
`adjust="forward"`	前复权	必须，除权缺口会假性放大振幅
`short=5`	近期窗口	衡量当前量能/振幅
`long=60`	长期基准	均量参照（约一季度）
`vol_ratio<0.6`	缩量阈值	越小越地量，可调
`amp<0.05`	企稳阈值	近 5 日振幅 <5%
`klines.batch`	批量取数	全市场扫描必备

关键坑与注意事项

缩量不是买入信号：地量企稳只是「抛压衰竭」的中性信号，可能向上变盘也可能继续阴跌（缩量阴跌陷阱）；务必结合趋势、基本面与风控。
停牌与新股：停牌期间 volume=0 会把均量拉低造成假缩量；新股上市不足 60 日数据不够，本文用 len(k) < long+5 过滤。
前复权：除权日价格缺口会假性放大振幅，必须 adjust="forward"。
阈值要自己调：0.6 / 5% 是示例经验值，不同市值/板块分布差异大，建议分组标定。
放量才是确认：真正变盘往往要等后续放量突破确认，缩量企稳只是「候选池」。

常见问题（FAQ）

Q：和「放量选股」是不是相反？ A：是互补的两极。放量找的是「资金正在进场」，缩量企稳找的是「抛压已经枯竭、等待变盘」，适用阶段不同。

Q：量比用成交量还是成交额？ A：本文用成交量（volume）。若担心价格变动影响，可改用成交额（amount）做比值，逻辑一致。

Q：需要付费吗？ A：全市场扫描依赖 universes 标的池 + klines.batch 批量取数，属 Starter 及以上能力；单只/少量股票可用免费额度先验证逻辑。详见官网定价页。

小结

缩量企稳的本质是「用相对自身的均量比值找地量、用近期振幅确认横盘」，再靠 klines.batch 全市场扫出候选池。有了 AlphaFeed 的前复权批量数据，十几行就能落地——但记住它只是「抛压衰竭」的中性候选，真正的变盘还要等后续放量确认。