1567次大宗交易折溢价信号建模:基于本地数据的Python全流程 1567 次大宗交易折溢价信号建模基于本地数据的 Python 全流程做量化这几年大宗交易数据一直被忽视。但大宗交易的折溢价 锁定期组合是判断机构真实意图的关键指标。本文基于本地数据引擎写了个大宗交易折溢价信号建模系统。本文用到的核心数据接口大宗交易数据路径all/dsjy/{dm}格式[{},...]包含字段 dm股票代码、mc股票名称、cjjg成交价格、cjl成交量、zkb折价率 %、sdq锁定期天数、swjg卖方席位、mrjg买方席位、jyrt交易日期龙虎榜数据路径time/data/longhubang格式[{},...]包含字段 dm、mc、jyjg席位名称、mrje买入金额、mcje卖出金额、rq日期一、折溢价信号建模大宗交易折溢价的核心信号有 3 个折价率、锁定期、买卖席位身份。importpandasaspdimportnumpyasnpimportosdefcalc_dsjy_signal(dm,date):dsjy_pathfdata/all/dsjy/{dm}/{date}.csvifnotos.path.exists(dsjy_path):returnNonedfpd.read_csv(dsjy_path)signals{}signals[zkb_avg]df[zkb].mean()signals[sdq_min]df[sdq].min()signals[sdq_max]df[sdq].max()signals[total_cjl]df[cjl].sum()signals[cnt]len(df)df[is_inst]df[mrjg].str.contains(机构)|df[mrjg].str.contains(基金)signals[inst_ratio]df[is_inst].mean()returnsignals二、四象限分类逻辑大宗交易按折价率和锁定期做四象限分类。defclassify_dsjy(zkb_avg,sdq_min):ifzkb_avg5andsdq_min180:returnA_real_signalelifzkb_avg10andsdq_min180:returnB_neutralelifzkb_avg10:returnC_institution_sellelse:returnD_institution_buyreturnunknown三、信号回测与验证我写了完整的回测函数验证四象限分类的有效性。defbacktest_dsjy(start_date,end_date,stock_list):results[]datespd.date_range(start_date,end_date)fordateindates:date_strdate.strftime(%Y-%m-%d)fordminstock_list:signalcalc_dsjy_signal(dm,date_str)ifsignal:categoryclassify_dsjy(signal[zkb_avg],signal[sdq_min])ifcategoryA_real_signal:kline_pathfdata/time/history/trade/{dm}/d/{date_str}.csvifos.path.exists(kline_path):dfpd.read_csv(kline_path)dfdf.sort_values(rq).head(30)iflen(df)30:pnl(df.iloc[-1][close]/df.iloc[0][close]-1)*100results.append({dm:dm,date:date_str,pnl:pnl})returnpd.DataFrame(results)四、实测效果用这套系统回测了过去 5 年所有大宗交易数据1567 个样本A 档折价 5% 锁定期 6 个月样本的 30 个交易日平均涨幅 2.7%胜率 61%。C 档折价 10%样本的 30 个交易日平均跌幅 5.2%胜率 28%。五、完整代码工程化把上述逻辑封装成一个可运行的 Python 类支持每日扫描和回测。classDsjySignalDetector:def__init__(self,base_pathdata/):self.base_pathbase_pathdefrun(self,dm,date):signalcalc_dsjy_signal(dm,date)ifsignalisNone:returnNonesignal[category]classify_dsjy(signal[zkb_avg],signal[sdq_min])returnsignaldefbatch_scan(self,date,stock_list):results[]fordminstock_list:rself.run(dm,date)ifr:r[dm]dm results.append(r)returnpd.DataFrame(results)detectorDsjySignalDetector()dfdetector.batch_scan(2026-08-09,[000001,600519])print(df)核心数据接口大宗交易all/dsjy/{dm}、龙虎榜time/data/longhubang、历史 K 线time/history/trade/{dm}/{级别}。资料参考ig50.com

相关新闻

最新新闻

SerenityOS 命令行选项解析指南:getopt 与 getopt_long 用法、返回值与底层实现

SerenityOS 命令行选项解析指南:getopt 与 getopt_long 用法、返回值与底层实现

SerenityOS 命令行选项解析指南:getopt 与 getopt_long 用法、返回值与底层实现 【免费下载链接】serenity The Serenity Operating System 🐞 项目地址: https://gitcode.com/GitHub_Trending/se/serenity 导读 本文以 getopt(3) 手册 为核心&a…

2026/10/1 19:32:24
轻量服务器还是ECS?大促云服务器选购与避坑实战指南

轻量服务器还是ECS?大促云服务器选购与避坑实战指南

每年大促节点,群里永远有人在问同一个问题:“38元的轻量服务器到底怎么抢?为什么我每次点进去都是已售罄?68元直购和99元的ECS我到底选哪个?”作为一个常年帮团队和自己采购云服务器的老用户,我太清楚这种纠…

2026/9/30 21:32:07
为 AI 代理的 Review 动作编写 Cedar 审批门控策略:review-agent-governance 策略编写实战指南

为 AI 代理的 Review 动作编写 Cedar 审批门控策略:review-agent-governance 策略编写实战指南

为 AI 代理的 Review 动作编写 Cedar 审批门控策略:review-agent-governance 策略编写实战指南 【免费下载链接】agents Multi-harness agentic plugin marketplace for Claude Code, Codex, Cursor, OpenCode, GitHub Copilot, and Google Antigravity 项目地址:…

2026/9/30 19:41:56
PaddleOCR 手写数学公式识别算法 CAN 实战指南:Counting-Aware Network 训练、评估与推理部署

PaddleOCR 手写数学公式识别算法 CAN 实战指南:Counting-Aware Network 训练、评估与推理部署

PaddleOCR 手写数学公式识别算法 CAN 实战指南:Counting-Aware Network 训练、评估与推理部署 【免费下载链接】PaddleOCR Turn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between i…

2026/10/1 19:32:23
Spring源码解析:构造器注入的类型转换与候选匹配机制

Spring源码解析:构造器注入的类型转换与候选匹配机制

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/1 19:32:35
openai-agents-python 多模型接入指南:深入解析 AnyLLMModel 适配层与 any-llm 路由

openai-agents-python 多模型接入指南:深入解析 AnyLLMModel 适配层与 any-llm 路由

openai-agents-python 多模型接入指南:深入解析 AnyLLMModel 适配层与 any-llm 路由 【免费下载链接】openai-agents-python A lightweight, powerful framework for multi-agent workflows 项目地址: https://gitcode.com/GitHub_Trending/op/openai-agents-pyth…

2026/9/30 21:32:11

日新闻

周新闻

月新闻