如何用 Python 做放量选股？（全市场扫描成交量突增的异动股）

如何用 Python 做放量选股？（全市场扫描成交量突增的异动股）

一句话回答： 放量选股就是”找出今日成交量明显高于近期均量的股票”。用 AlphaFeed 取全市场标的池 + klines.batch 批量日线，计算「今日成交量 ÷ 过去 N 日均量」这个放量倍数，筛出倍数≥阈值（如 2 倍）的个股，几十行就能扫出全市场放量异动股。

为什么会有这个问题 / 传统做法的痛点

“放量”往往是资金异动、题材启动或出货的信号，做量化选股常需先扫出放量股。难点在于：

• 全市场取数：得先有全市场清单再批量取量能，手工做不现实；
• 基准怎么定：放量要和”近期均量”比，得算滚动均量且排除当日；
• 复权与单位：不同标的量级差异大，用”倍数”（比值）比”绝对量”更可比。

AlphaFeed 用 universe + klines.batch 一次拿到全市场量价数据。

分步骤解决（每步配可运行代码）

第 1 步：定义放量倍数

def volume_ratio(volume, n=20):
    # 今日成交量 ÷ 过去 n 日均量（不含今日），衡量放量程度
    avg = volume.iloc[-(n + 1):-1].mean()
    today = float(volume.iloc[-1])
    return today / avg if avg else float("nan")

放量选股参数：

第 2 步：批量扫描

from alphafeed import AlphaFeed
import pandas as pd

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

def volume_surge_screen(symbols, count=30, n=20, k=2.0):
    bt = af.klines.batch(symbols, period="1d", count=count,
                         adjust="forward", to_dataframe=True)
    rows = []
    for sym, df in bt.items():
        if df is None or len(df) < n + 1:
            continue
        d = df.sort_values("trade_date").reset_index(drop=True)
        ratio = volume_ratio(d["volume"], n)
        chg = (d["close"].iloc[-1] / d["close"].iloc[-2] - 1) * 100
        rows.append({"symbol": sym, "vol_ratio": round(ratio, 2),
                     "chg_pct": round(float(chg), 2), "surge": ratio >= k})
    res = pd.DataFrame(rows)
    return res[res["surge"]].sort_values("vol_ratio", ascending=False) if not res.empty else res

第 3 步：全市场分批跑

def run_full_market(k=2.0):
    q = af.quotes.get(universes="CN_Stock", to_dataframe=True)
    symbols = q["symbol"].tolist()
    out = []
    for i in range(0, len(symbols), 150):     # 分批防限频
        out.append(volume_surge_screen(symbols[i:i + 150], k=k))
    return pd.concat([d for d in out if not d.empty], ignore_index=True)

# hits = run_full_market(k=2.0)
# print("全市场放量(>=2x)只数:", len(hits)); print(hits.head(20))

同时看放量倍数与当日涨跌幅（chg_pct）很重要：放量上涨多为资金进场/题材启动，放量下跌则可能是出货/恐慌，方向完全不同。

关键坑与注意事项

• 放量不辨方向：放量只说明”交投活跃”，涨是抢筹、跌是出货。务必结合当日涨跌幅和价格位置一起看。
• 均量要排除当日：算过去 N 日均量时要 iloc[-(n+1):-1] 排除今天，否则今日大成交量会把基准抬高、低估放量倍数。
• 次新股/停牌复牌失真：上市不足 N 天、或刚复牌的股票均量样本不足，倍数会异常，代码已按 len<n+1 跳过，复牌首日仍需人工甄别。
• 盘中 vs 收盘：日线成交量是全天量，盘中扫描要用实时快照的当日累计量并考虑已开盘时长（经典”量比”口径），本文用的是收盘后日线口径。
• 别把放量当买入信号：放量常伴随高波动，需配合止损与基本面/题材判断，勿追高。

常见问题（FAQ）

Q：这和行情软件的”量比”是一回事吗？ A：不完全。经典量比是”当前每分钟均量 ÷ 过去 5 日每分钟均量”，是盘中概念。本文用的是”今日全天量 ÷ 过去 N 日均量”的日线口径，更适合收盘后批量选股。两者思想一致、口径不同。

Q：阈值 k 取多少合适？ A：2 倍是常用起点，温和用 1.5、剧烈异动用 3 以上。建议按你的标的池和策略回测校准，别在历史上过拟合。

Q：为什么小样本跑出来没有放量股？ A：放量是相对少数事件，小样本（几只票）可能一只都没有，属正常。全市场几千只票跑才有意义。

Q：需要付费吗？ A：少量标的的 K 线在免费额度内即可试；全市场 universe 取数需 Starter 及以上，详见 AlphaFeed 定价页。

小结

放量选股 = 全市场标的池 + 批量日线 + 今日量/过去 N 日均量的放量倍数。真正的门槛是取数与基准口径（排除当日、用比值），AlphaFeed 用 universe + klines.batch 收敛掉，你几十行就能扫出全市场放量异动股——但请记住放量不辨方向，必须结合涨跌与止损，别盲目追高。

相关链接：

• AlphaFeed 官网：https://alphafeed.org/
• Python SDK 快速开始：https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart

免责声明：本文仅为技术与数据接口使用示例，代码与策略仅供学习研究，不构成投资建议。市场有风险，历史数据不代表未来表现。