引言

題材概念一直是A股市場投機炒作的主旋律。大多數散戶都在復雜的理論、財務指標、技術圖形和消息上折騰，缺乏從實踐上去認識和把握市場。概念板塊是市場資金達成共識的重要介質，主力資金憑借熱點題材形成賺錢效應，熱點炒作驅動資金與賺錢效應形成正向反饋環，推動熱點板塊個股上漲，而熱點題材的級別大小和想象力大小則決定了股票上漲的空間。熱點題材與板塊主要來自經濟、政策、情緒、資金、技術和外圍環境。同花順軟件提供了各種熱點題材和概念指數數據，為我們分析熱點題材板塊動向提供了依據。那么如何利用板塊指數行情監測領漲板塊，尋找板塊龍頭股呢？本文利用Python從tushare上獲取同花順概念板塊行業指數行情數據和個股交易數據，分析板塊及個股的動量走向，為構建熱點題材和龍頭股（強勢股）監測系統提供參考依據。

數據獲取與探索性分析

下面利用tushare pro獲取同花順概念板塊行業指數相關數據，tushare pro需到其官網注冊獲取token才能使用，某些數據提取有積分限制，下面使用到的數據可以通過在微信公眾號后臺回復“20220210”或“同花順概念”獲取。

首先導入需要用到的Python庫/模塊。

import?pandas?as?pd import?numpy?as?np #可視化：matplotlib、seaborn、pyecharts import?matplotlib.pyplot?as?plt import?seaborn?as?sns #正確顯示中文和負號 plt.rcParams['font.sans-serif']=['SimHei'] plt.rcParams['axes.unicode_minus']=False #這里的pyecharts使用的是0.5.11版本 from?pyecharts?import?Bar,HeatMap #導入時間處理模塊 from?dateutil.parser?import?parse from?datetime?import?datetime,timedelta #pandas賦值老提升警告 import?warnings warnings.filterwarnings('ignore') #使用tushare?pro獲取數據，需要到官網注冊獲取相應的token import?tushare?as?ts? token='輸入你的token' pro=ts.pro_api(token)

獲取同花順概念和行業列表。

index_list=pro.ths_index() #查看數據前幾行 index_list.head()

#數據保存本地 #index_list.to_csv('index_list.csv') #讀取本地數據 #index_list=pd.read_csv('index_list.csv',index_col=0)

其中，ts_code：代碼；name：名稱；count：成分個數；exchange：交易所，包括A股、港股（H）和美股（US）；list_date：上市日期；type：指數類型N-板塊指數，I-行業指數，S-同花順特色指數。

def?plot_bar(data,title,label=True,zoom=False):bar=Bar('')attr=list(data.index)v=list(data.values)bar.add(title,attr,v,is_label_show=label,is_splitline_show=False,is_datazoom_show=zoom)return?bardata=index_list.groupby('exchange')['name'].count() title='同花順概念和行業指數\nA股\港股\美股' plot_bar(data,title)

上圖顯示，A股概念和行業指數高達939個，下面主要分析A股上的同花順概念和行業指數做進一步考察。

A_index_list=index_list.query("exchange=='A'") A_index_list=A_index_list.copy() A_index_list['nums']=pd.to_numeric(A_index_list['count']) #去掉缺失值 A_index_list.dropna(inplace=True) A_index_list['nums'].describe()

概念或行業成分股中平均有53只個股，當然，每只個股可能分屬不同的概念板塊行業，如果某個概念板塊所含個股數量太多或太少，相當于涵蓋面太寬泛或代表性不足，分析起來意義不大。下面刪除重復項和剔除成份個股數量低于12大于52（相當于取25%到75%分位數）。

#刪除代碼重復項， #保留type為N板塊的指數 final_index_list=(A_index_list.drop_duplicates(subset=['ts_code'],?keep='first').query("12<nums<52").query("type=='N'")) #去掉樣本股或成份股指數 final_index_list=final_index_list[-final_index_list.name.apply(lambda?s:s.endswith('樣本股')or?s.endswith('成份股'))] final_index_list.sort_values('nums')

data=(final_index_list.sort_values('nums',ascending=False).set_index('name')['nums']) title='同花順概念和行業指數成分股個數' plot_bar(data,title,False,True)

獲取概念行業指數行情

下面通過日期循環獲取某時間段所有概念行業指數的行情數據。使用tushare在線獲取代碼由于篇幅所限，此處略，完整代碼見Python金融量化知識星球。數據也可以通過公眾號上獲取（回復“20220210”或“同花順概念”）后導入。

#獲取股票交易日歷 def?get_cals():#獲取交易日歷pass #獲取某段時間內的交易日期（如200個交易日） def?get_trade_date(n):#獲取當天日期時間pass #獲取某段時間內的概念指數行情數據 def?get_index_data(n=200):pass

查看數據前幾行。后續分析只需要使用指數的收盤價、交易代碼和交易日期。

#通過tushare在線獲取數據 #all_data=get_index_data(n=200) #數據保存本地 #all_data.to_csv('all_data.csv') #通過本地導入數據 all_data=pd.read_csv('all_data.csv',index_col=0) all_data.head()

#刪除重復缺失值、將代碼使用概念中文名代替 final_data=(all_data.sort_values(['ts_code','trade_date']).drop_duplicates().set_index(['trade_date','ts_code'])['close'].unstack().dropna(axis=1).rename(columns=dict(index_list[['ts_code','name']].values))) final_data.tail()

到這一步已獲取到所需數據并做了規整處理。下面對板塊和相關個股漲跌幅進行分析，并構建函數用于監測板塊熱點和強勢個股的輪動走向。

板塊熱點與個股漲跌監測分析

要分析板塊熱點的走向，首先是計算板塊指數在不同時間周期下的收益率（動量）。下面以1日、5日、20日、60日和120日作為時間窗口計算概念指數的收益率。

def?date_ret(data,w_list=[1,5,20,60,120]):df=pd.DataFrame()for?w?in?w_list:df[str(w)+'日收益率%']=(((data/data.shift(w)-1)*100).round(2).iloc[w:].fillna(0).T.iloc[:,-1])return?dfdate_ret(final_data).sort_values('120日收益率%',ascending=False)

120日漲幅居前板塊指數。

date_ret(final_data).sort_values('120日收益率%',ascending=False)[:10]

120日跌幅最多的前五個板塊指數。

date_ret(final_data).sort_values('120日收益率%',ascending=True)[:5]

概念板塊指數周期漲跌幅可視化

#使用pyecharts0.5.11版本可視化 def?out_chart(w=120):col=str(w)+'日收益率%'ddd=date_ret(final_data).sort_values(col,ascending=False)[col]x=list(ddd.index)y=list(ddd.values)bar=Bar(f"同花順概念指數{w}日收益率(%)",title_text_size=15,title_pos='center')bar.add("",?x,y,is_label_show=False,?is_datazoom_show=True)return?bar#最近一個交易日 #圖形為html動態交互式，可通過拖曳查看所有概念指數的詳細漲跌幅 out_chart(1)

#近5個交易日 out_chart(5)

#近20個交易日 out_chart(20)

#近120個交易日 out_chart(120)

除了使用pyecharts對板塊不同周期下的動量進行監測（動態交互式），還可以使用熱力圖監測最近交易日各板塊指數的輪動走向。圖片輸出可以使用網頁顯示更全面。

#由于同花順指數行情數據獲取不到下面概念，需剔除 xx=['華為汽車',?'鹽湖提鋰',?'鴻蒙概念',?'共同富裕示范區',?'MCU芯片',?'牙科醫療',?'CRO概念',?'鈉離子電池',?'工業母機',?'北交所概念',?'NFT概念',?'抽水蓄能',?'換電概念',?'海峽兩岸',?'WiFi?6',?'智能制造',?'EDR概念',?'動力電池回收',?'汽車芯片',?'傳感器',?'柔性直流輸電',?'虛擬數字人',?'預制菜',?'幽門螺桿菌概念'] sss=final_data[set(final_index_list.name.values)-set(xx)] import?seaborn?as?sns pt?=?((sss/sss.shift(1)-1)*100).round(2)[-10:] plt.figure(figsize=(25,5)) sns.heatmap(pt,?linewidths?=?0.05,cmap='Reds');

一旦出現賺錢效應，首先看的是哪個整體板塊在領漲，這個板塊是什么概念，是不是當下的大熱點？選股就是先看熱點板塊，龍頭股與題材有關，題材代表了一個板塊，不會是單打獨斗，關注熱點板塊，在板塊中選股非常重要。發現最大題材板塊后，核心是找板塊龍頭股。在整個板塊中最先上漲，漲勢最強的個股就一定要關注并分析。

熱點板塊成分股龍頭股監測

#受篇幅所限，以下代碼略，完整代碼分享在Python金融量化知識星球中。 #注意，寫作本文時交易日期為20220209,即默認end='20220209'. def?get_stock_price(code,start='20200101'):pass def?all_stock_price(name):pass def?stock_rets_rank(name,p=120):pass def?stock_heat(name='數字貨幣'):passstock_rets_rank('鉀肥')

實際上鉀肥這個概念所含個股較少，且鹽湖股份由于中間停牌復牌后短期暴漲（實際上是鹽湖提鋰概念在驅動），因此該概念指數120日漲幅最大。一起看下近期較熱門的數字貨幣概念。翠微股份120日漲幅高達314%，可以說是近期接替妖股九安醫療的一大熱門股。妖股是主力資金博弈到極致之物，與基本面與價值投資沒有任何干系。

stock_rets_rank('數字貨幣')

隨著數字貨幣財經新聞的持續發酵，2022年2月09日數字貨幣板塊單日暴漲9%，板塊內近20只個股漲停，四只創業板20cm。值得注意的是，板塊的短期暴漲也是風險集聚的表現，特別是碰上那些跟風上漲的個股，當板塊整體進入回調時往往一地雞毛。

stock_rets_rank('數字貨幣',p=1)[:20]

使用熱力圖監測熱點板塊個股。

stock_heat('數字貨幣')

結語

本文使用Python對同花順概念板塊指數及個股進行數據探索性分析，試圖從動量的角度捕捉熱門題材的走向，構建強勢板塊和個股的監測系統。利用板塊和個股監測系統可以構建動量（強者恒強）或動量反轉（物極必反）的量化交易策略。本文的數據挖掘存在一定的局限性，只考慮了某些時間周期內板塊和個股的收益率表現（技術面）。關于概念板塊行業的分析，還可以結合財經文本分析做深度挖掘，實際上熱點題材最好是結合基本面與技術面的深入分析，技術面正如溫度計一樣只能告訴你當前的冷熱，而基本面可以推斷為啥上漲的原因，未來持續性如何，這個基本邏輯非常重要。金融市場上的交易，沒有完全不變和百分之百確定的東西，任何分析和決策都是一種概率，而量化為我們多維度分析市場提供一種工具，實際上實戰才是唯一能快速提升交易能力的方法。

關于Python金融量化

專注于分享Python在金融量化領域的應用。加入知識星球，可以免費獲取30多g的量化投資視頻資料、量化金融相關PDF資料、公眾號文章Python完整源碼、量化投資前沿分析框架，與博主直接交流、結識圈內朋友等。

總結

以上是生活随笔為你收集整理的【Python量化】如何监测领涨板块，挖掘题材龙头股？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。