引言
早盘作为一天交易的开始，不仅反映了隔夜市场信息的消化情况，还蕴含着当日市场走势的重要线索。据统计，超过 70% 的当日强势股在早盘就已展现出明显的上涨特征，因此把握早盘交易机会对于投资者来说至关重要。然而，面对数千只股票和海量的市场数据，仅凭人工经验进行选股往往难以做到全面和客观。量化选股作为一种科学的选股方法，通过建立数学模型和统计分析，能够在短时间内处理大量数据，筛选出符合特定条件的股票，为投资者提供决策依据。本文将详细介绍一种基于量价指标的早盘临盘量化选股策略，帮助你在开盘15分钟内精准捕捉主力启动信号。注意：投资有风险，交易需谨慎!本文仅供学习交流，不作任何投资建议！！！
个人基于该早盘策略近两年半的实盘操作结果如下：
数据获取与市场环境判断
（一）实时行情数据的获取与处理
在量化选股中，数据是基础。本文使用 qstock 库获取沪深 A 股的实时行情数据，该库提供了丰富的行情接口，能够满足我们的选股需求。
import qstock as qs
# 获取沪深A股票实时数据
df = qs.realtime_data(market='沪深A')
# 查看数据结构
print(f"数据包含 {df.shape[0]} 只股票，{df.shape[1]} 个字段")
print(df.columns.tolist())数据包含 5453 只股票，16 个字段
['代码', '名称', '涨幅', '最新', '最高', '最低', '今开', '换手率', '量比', '市盈率', '成交量', '成交额', '昨收', '总市值', '流通市值', '时间']获取的数据包含了股票代码、名称、涨幅、最新价、最高价、最低价等多个字段，这些字段是进行选股的基础。在实际应用中，还需要对数据进行清洗和预处理，例如处理缺失值、异常值等。
（二）市场环境判断的重要性
市场环境对股票的表现有着重要影响。在强势市场中，多数股票会跟随市场上涨，此时选股的难度相对较低；而在弱势市场中，多数股票会随市场下跌，即使选出的股票基本面和技术面都较好，也可能受到市场拖累。
通过计算上涨家数占比来判断市场环境：
# 判断市场环境：上涨家数占比超过一半才进行选股
up_ratio = len(df[df['涨幅']>0])/len(df)
print(f"当前市场上涨家数占比为 {up_ratio:.2%}")
if up_ratio > 0.5:
print("市场环境良好，可以进行选股")
else:
print("市场环境不佳，建议观望")当前市场上涨家数占比为 14.58%
市场环境不佳，建议观望这种判断方法简单有效。统计显示，当上涨家数占比超过 50% 时，次日股票上涨的概率为 58%；而当上涨家数占比低于 50% 时，次日股票上涨的概率仅为 42%。因此，在市场环境不佳时，选择观望可以有效降低风险。
选股逻辑详解
（一）风险股票的识别与排除
在选股过程中，首先要排除存在风险的股票，这些股票可能会给投资者带来巨大损失。
• 新股风险：新股上市初期往往会受到市场的热炒，价格波动较大。例如，2025 年某新股上市首日涨幅达到 350%，但随后连续多个交易日跌停。我们通过名称判断排除首日上市新股（以 'C' 开头）和次新股（以 'N' 开头）。
• ST 股风险：ST 股是指出现财务状况或其他异常情况的股票，存在退市风险。据统计，2024 年有 55 只 ST 股被退市，这些股票的投资者遭受了巨大损失。我们通过名称判断排除 ST 股（以 '*' 开头）。
• 退市股风险：处于退市整理期的股票价格往往会大幅下跌。我们通过名称判断排除退市整理期股票（以 ' 退' 开头或结尾），这类股也没法成交。
（二）市值与股价的选择逻辑
• 中小盘股的优势：中小盘股通常具有更高的成长性和弹性。统计显示，2024 年市值在 30-150 亿之间的中小盘股平均涨幅为 30%，而大盘股的平均涨幅仅为 18%。中小盘股更容易受到资金的关注，特别是在市场流动性充足的情况下。
• 合理股价区间的意义：股价过高的股票可能存在估值泡沫，而股价过低的股票可能存在基本面问题。选择 5-50 元区间的股票，可以平衡风险与收益。例如，某低价股（股价低于 5 元）因业绩亏损导致股价持续下跌，而某高价股（股价高于 50 元）因估值过高在市场调整中大幅下跌。
（三）流动性与活跃度指标分析
• 换手率的解读：换手率是指在一定时间内市场中股票转手买卖的频率，是反映股票流通性强弱的指标之一。换手率在 3%-15% 之间的股票，表明有足够的流动性但又不过度炒作。例如，某股票换手率超过 20%，可能意味着短期炒作过度，后续上涨动力不足。
• 量比的作用：量比是衡量相对成交量的指标，它是指股市开市后平均每分钟的成交量与过去 5 个交易日平均每分钟成交量之比。量比在 0.8-5 之间的股票，表明成交量处于正常水平。量比过高（如超过 5）可能意味着短期资金过度涌入，存在回调风险；量比过低（如低于 0.8）可能意味着股票缺乏关注，流动性不足。
（四）基本面与技术面的结合
• 市盈率的筛选：市盈率是指股票价格除以每股收益的比率，是衡量股票估值的重要指标。剔除市盈率为负数的亏损股，可以降低踩雷风险。例如，某亏损股因业绩不及预期，股价在短期内下跌超过 50%。
• 涨幅区间的选择：选择开盘涨幅在 1%-7% 之间的股票，既能避免追高风险，又能捕捉到强势股。统计显示，开盘涨幅在 1%-7% 之间的股票，当日继续上涨的概率为 63%，而开盘涨幅超过 7% 的股票，当日继续上涨的概率仅为 45%。
综合选股与结果分析
（一）筛选条件的组合
将上述所有筛选条件组合起来，形成最终的选股模型：
# 排除问题股（新股/ST/退市）
exclude_conditions = (
df['名称'].str.startswith('C') | # 新股
df['名称'].str.startswith('N') | # 新股
df['名称'].str.startswith('*') | # ST股
df['名称'].str.startswith('S') | # ST股
df['名称'].str.contains('退') # 退市股
)
# 基本面筛选
market_cap = (df['流通市值'] > 3e9) & (df['流通市值'] < 1.5e10) # 30-150亿
price_range = (df['最新'] > 5) & (df['最新'] < 50) # 股价5-50元
positive_pe = df['市盈率'] > 0 # 盈利企业
# 量价指标筛选
turnover = (df['换手率'] > 3) & (df['换手率'] < 15) # 换手率3%-15%
gain_range = (df['涨幅'] > 1) & (df['涨幅'] < 7) # 涨幅1%-7%
vol_ratio = df['量比'] > 1.5 # 量比>1.5
# 综合筛选
selected = df[~exclude_conditions & market_cap & price_range
& positive_pe & turnover & gain_range & vol_ratio]
# 按量比降序排列
final_pool = selected.sort_values('量比', ascending=False)
print(f"今日精选{len(final_pool)}只潜力股：")
display(final_pool[['代码','名称','最新','涨幅','换手率','量比','流通市值']])指标选择的深层逻辑：
1. 市值定位：30-150亿黄金区间
• 小于30亿：流动性差易被操纵
• 大于150亿：启动需要天量资金
• 中小市值兼具弹性与安全性，是游资最爱
2. 股价定位：5-50元甜蜜区
• 低于5元：多属问题股或僵尸股
• 高于50元：散户参与度下降
• 主力更倾向选择大众参与度高的标的
3. 换手率：主力踪迹探测器
下面以南极光（中小盘）个股为例查看换手率分布情况：
# 换手率分布
import matplotlib.pyplot as plt
import numpy as np
plt.figure(figsize=(10,6))
df=qs.get_data('南极光')
#turnover = np.random.uniform(0,30,5000)
plt.hist(df['turnover_rate'], bins=50, color='steelblue', edgecolor='white')
plt.axvline(x=3, color='red', linestyle='--', label='3%临界点')
plt.axvline(x=15, color='red', linestyle='--', label='15%临界点')
plt.title('换手率分布与策略选择区间')
plt.xlabel('换手率(%)')
plt.ylabel('出现频次')
plt.legend()
plt.show()
图示：3%-15%区间兼顾流动性与攻击性
4. 量比：资金异动风向标
• 量比>1.5：成交量显著放大
• 量比>3：过度放量需警惕诱多
• 温和放量体现资金有序进场
5. 涨幅：主力启动窗口
• <1%：动能不足
• 1%-7%：黄金启动区
• 7%：追高风险剧增
市场环境是不断变化的，因此在实际应用中，选股策略的参数也需要动态调整。例如：
• 在牛市行情中，可以适当提高涨幅上限和换手率上限，以捕捉更多的强势股。
• 在熊市行情中，应降低涨幅上限和换手率上限，同时提高市值下限，以选择更具防御性的股票。
• 根据不同的板块轮动情况，调整行业权重。例如，2024 年下半年消费板块表现强势时，可以适当增加消费板块股票的权重。
（二）选股结果的分析与应用（这一步是关键！）
对筛选出的股票进行进一步分析，直至得到3-8只可交易的标的，可以从以下几个方面入手：
• 行业分布：分析筛选出的股票在各个行业的分布情况，避免过度集中于某一行业。例如，如果筛选出的股票大部分集中在科技行业，而此时科技行业面临政策风险，那么整个投资组合可能会受到较大影响。
• 技术形态：结合 K 线图、均线系统、RPS等指标，分析股票的技术形态。例如，选择处于上升通道、均线多头排列的股票。
• 资金流向：关注主力资金的流向，选择主力资金流入较多的股票。例如，通过大单净流入、北向资金持股变化等指标来判断主力资金的动向。
• 仓位管理：根据市场环境和选股结果的质量，合理分配仓位。在市场环境良好时，可以适当增加仓位；在市场环境不佳时，应降低仓位。一般来说，单个股票的仓位不宜超过总资金的 10%。
• 止损设置：为每只股票设置止损点，当股票价格下跌超过一定幅度时，及时止损出局。一般来说，止损幅度可以设置为 5%-8%。
由于篇幅所限，这里没有给出更进一步的分析代码，详情可以参阅公众号历史推文：
结语
本策略通过结合市值、股价、换手率、量比等多维度指标，构建了一个相对全面的早盘量化选股框架。该策略具有客观性、高效性和系统性等优点，能够在短时间内从众多股票中筛选出具有潜力的标的。但切记：任何策略都需结合市场环境灵活运用。在使用该策略之前，需要充分理解每个选股指标的含义和作用，以及它们之间的相互关系。根据市场环境和个人风险偏好，灵活调整选股参数，以适应不同的市场情况。量化选股只是一种工具，不能完全替代基本面分析。在选择股票时，还需要结合公司的基本面情况进行综合判断。始终牢记风险控制的重要性，合理分配仓位，设置止损点，避免过度交易。建议先用模拟盘验证1-3个月，待熟悉策略特性后再投入实盘。
关于Python金融量化
专注于分享Python在金融量化领域的应用。加入知识星球，可以免费获取qstock源代码、30多g的量化投资视频资料、量化金融相关PDF资料、公众号文章Python完整源码、与博主直接交流、答疑解惑等。添加个人微信sky2blue2可获取八五折优惠。
扫一扫
1855
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
