新闻详情

新闻详情

首页 / 资讯中心 / 详情

沪深港通数据实战:从北向资金到择时信号的全链路量化(第 3 篇):沪、深股通成分股行情:字段解析与清洗

发布时间:2026/11/19 9:13:25来源:尧图网络
沪深港通数据实战:从北向资金到择时信号的全链路量化(第 3 篇):沪、深股通成分股行情:字段解析与清洗
沪深港通数据实战从北向资金到择时信号的全链路量化第 3 篇沪、深股通成分股行情字段解析与清洗一、前言北向资金的「态度」既体现在整体净流入第 1、2 篇也体现在它在哪些标的上进出。本篇接入沪股通成分股行情ht/nbzj/hgtc与深股通成分股行情ht/nbzj/sgtc把北向标的池的实时行情落库并自研「北向成分股当日平均涨跌幅」作为情绪代理变量为第 8 篇的个股周期排名、第 11 篇的综合择时做数据铺垫。二、接口与字段2.1 沪股通成分股行情/ht/nbzj/hgtc字段含义按官方字段名推断dm / mc代码 / 名称fm今开h / l / o / yc最高 / 最低 / 开盘 / 昨收p / ud / pc最新价 / 涨跌额 / 涨跌幅hs / lb / v / cje换手 / 量比 / 成交量 / 成交额lt / sz / sjl流通市值 / 总市值 / 实流通pe市盈率zf / zs振幅 / 涨速zdf60 / zdfnc60 日涨跌幅 / 年初至今涨跌幅t时间2.2 深股通成分股行情/ht/nbzj/sgtc字段与hgtc完全一致23 个。三、自研衍生指标北向成分股当日平均涨跌幅pc.mean()衡量北向标的整体强弱。涨停家数 / 跌停家数pc 9.9与pc -9.9的计数。PE 中位数北向池估值水位参考。四、数据表设计两张结构相同的表列名与官方字段一一对应统一以 TEXT 存储原始值读取时再pd.to_numeric。CREATETABLEht_hgtc(dmTEXT,mcTEXT,fmTEXT,hTEXT,hsTEXT,lbTEXT,lTEXT,ltTEXT,oTEXT,peTEXT,pcTEXT,pTEXT,szTEXT,cjeTEXT,udTEXT,vTEXT,ycTEXT,zfTEXT,zsTEXT,sjlTEXT,zdf60TEXT,zdfncTEXT,tTEXT);-- ht_sgtc 同构五、完整代码importurllib.request,json,sqlite3,time,loggingimportpandasaspdfromdatetimeimportdatetime LICENCEYOUR_LICENCE_HEREDB_PATHquant.dbLOG_FILEseason4_article3.logBASEhttps://api.biyingapi.comlogging.basicConfig(filenameLOG_FILE,levellogging.INFO,format%(asctime)s %(levelname)s %(message)s)HGT_COLS[dm,mc,fm,h,hs,lb,l,lt,o,pe,pc,p,sz,cje,ud,v,yc,zf,zs,sjl,zdf60,zdfnc,t]defbiying_api_get_retry(url,timeout15,max_retry3):lastNoneforiinrange(max_retry):try:requrllib.request.Request(url,headers{User-Agent:Mozilla/5.0})withurllib.request.urlopen(req,timeouttimeout)asresp:returnjson.loads(resp.read().decode(utf-8))exceptExceptionase:laste logging.warning(retry %d/%d %s %s,i1,max_retry,url,e)time.sleep(1)logging.error(api failed %s %s,url,last)returnNonedef_as_list(data):returndataifisinstance(data,list)else[data]defsave_board(name,path):urlf{BASE}/ht/nbzj/{path}/{LICENCE}databiying_api_get_retry(url)ifnotdata:returnrows_as_list(data)connsqlite3.connect(DB_PATH)coldef,.join(f{c}TEXTforcinHGT_COLS)conn.execute(fCREATE TABLE IF NOT EXISTS{name}({coldef}))ph,.join(?*len(HGT_COLS))forrinrows:conn.execute(fINSERT INTO{name}VALUES ({ph}),[r.get(c)forcinHGT_COLS])conn.commit();conn.close()logging.info(%s saved %d rows,name,len(rows))defsave_hgtc():save_board(ht_hgtc,hgtc)defsave_sgtc():save_board(ht_sgtc,sgtc)defboard_sentiment():自研北向成分股情绪快照。connsqlite3.connect(DB_PATH)fornamein[ht_hgtc,ht_sgtc]:dfpd.read_sql(fSELECT dm, mc, pc, pe FROM{name},conn)ifdf.empty:continuedf[pc]pd.to_numeric(df[pc],errorscoerce)df[pe]pd.to_numeric(df[pe],errorscoerce)print(f[{name}] 平均涨跌幅{df[pc].mean():.3f}f涨停{(df[pc]9.9).sum()}跌停{(df[pc]-9.9).sum()}fPE中位数{df[pe].median():.2f})conn.close()if__name____main__:save_hgtc()save_sgtc()board_sentiment()六、业务关键点两接口返回的是成分股列表快照盘中多次拉取可捕捉北向标的强弱变化落库建议带时间戳或覆盖写。字段pc是涨跌幅百分比pe可能缺失或为负亏损股pd.to_numeric(errorscoerce)是必须的。北向成分股池与全市场行情结构几乎一致本篇单独落库便于后面按「北向标签」做分组统计。七、拓展练习把ht_hgtc与ht_sgtc合并成一张带market字段的宽表方便统一分析。用zdf6060 日涨跌幅找出近 60 日北向强势股与第 8 篇排名做交叉。将涨停家数做成日内时序观察北向标的情绪拐点。八、下篇预告下一篇《港股通成分股行情沪、深港股通接入》将接入ht/nbzj/ggth与ht/nbzj/ggts补齐南向港股通标的池行情并把 A/H 联动分析所需的港股数据接进来。免责申明文中所有数据处理逻辑仅为编程演示仅为数据演示不构成投资建议。市场有风险投资需谨慎。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/18 21:21:17

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/18 14:20:46

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/18 20:01:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/18 11:04:06

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/18 15:55:22

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/18 21:21:16

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉