股票高开是指当日股票的开盘价高于昨日的收盘价，为什么会这样？莫不是机构背着咱们搞交易？
股票开盘价由集合竞价产生，我们知道股市开盘时间为9:30-11:30~13:00-15:00，但集合竞价时间在9:15-9:30，这意味着有一股神秘力量夜观天象，提前进行交易。
今天，咱们来做个小实验，统计一下，如果股票高开，该股票后市上涨的概率有多少。
1. 我们先下载了2022-2-7至2022-5-16的盘口数据，保存为csv文件，代码和文件如下。
import akshare as ak
import datetime
date = datetime.datetime.now().strftime("%Y%m%d")
stock_zh_a_spot_em_df = ak.stock_zh_a_spot_em()
stock_zh_a_spot_em_df.to_csv('E:\\股票盘口信息\\{}.csv'.format(date), encoding='utf_8_sig')
2. 由于csv文件每次储存的股票是乱序的，为了方便操作，我们需要把csv格式的数据转成json。
import os
import pandas as pd
import json
def csv2json(csv_path, json_path):
json_dict = {}
csv_data = pd.read_csv(csv_path, encoding='utf_8_sig')
for i in range(0, csv_data.shape[0]-1):
json_dict['{:0>6d}'.format(csv_data.loc[i]['代码'])] = {
'名称': csv_data.loc[i]['名称'],
'最新价': csv_data.loc[i]['最新价'],
'涨跌幅': csv_data.loc[i]['涨跌幅'],
'涨跌额': csv_data.loc[i]['涨跌额'],
'成交量': csv_data.loc[i]['成交量'],
'成交额': csv_data.loc[i]['成交额'],
'振幅': csv_data.loc[i]['振幅'],
'最高': csv_data.loc[i]['最高'],
'最低': csv_data.loc[i]['最低'],
'今开': csv_data.loc[i]['今开'],
'昨收': csv_data.loc[i]['昨收'],
'量比': csv_data.loc[i]['量比'],
'换手率': csv_data.loc[i]['换手率'],
'市盈率-动态': csv_data.loc[i]['市盈率-动态'],
'市净率': csv_data.loc[i]['市净率']
}
json_data = json.dumps(json_dict)
f = open(json_path, 'w')
f.write(json_data)
f.close()
file_list = os.listdir('E:\\股票盘口信息')
for file in file_list:
code = file.split('.')[0]
csv_path = 'E:\\股票盘口信息\\' + code + '.csv'
json_path = 'E:\\股票盘口信息\\' + code + '.json'
csv2json(csv_path, json_path)
print(code)
（数据保存路径格式）
3. 我们加载这三个月的盘口数据，设定阈值为2%，即开盘价比昨日收盘价高2%就算高开。同时，以高开后五天为期限，设定4档概率，上涨5%以上，上涨0-5%，下跌0-5%，下跌5%以下，分别进行统计，代码如下。
import os
import json
# bidding_list 所有时间段价格波动
# time_list 所有时间点
# td 阈值
def getTimes(bidding_list, time_list, td):
list_len = len(bidding_list)
res = []
for i in range(list_len):
if bidding_list[i] > td:
res.append(time_list[i])
return res
# 根据日期，获取后五天股价涨幅
def after5(time, price_list, time_list):
rises = 0
count = 6
for i in range(len(time_list)):
if time_list[i] == time:
count = 5
if count <= 5:
rises += price_list[i]
count -= 1
if count == 0:
break
if count != 0:
return -1
return rises
if __name__ == '__main__':
dayu5 = 0
dayu0 = 0
xiaoyu0 = 0
xiaoyu5 = 0
# 获取所有时间段的数据
all_data = {}
date_list = os.listdir('E:\\股票盘口信息')
for date in date_list:
if date.find('csv') != -1:
continue
with open('E:\\股票盘口信息\\' + date) as f:
all_data[date] = json.load(f)
# 遍历所有股票
code_list = os.listdir('E:\\股票数据')
for code in code_list:
b_list = []
t_list = []
p_list = []
date_list = os.listdir('E:\\股票盘口信息')
for date in date_list:
if date.find('csv') != -1:
continue
json_data = all_data[date]
if code in json_data:
b_list.append((json_data[code]['今开']-json_data[code]['昨收'])/json_data[code]['昨收']*100)
t_list.append(date)
p_list.append(json_data[code]['涨跌幅'])
times = getTimes(b_list, t_list, 2)
for time in times:
res = after5(time, p_list, t_list)
if res == -1:
continue
if res > 5:
dayu5 += 1
elif res > 0:
dayu0 += 1
elif res > -5:
xiaoyu0 += 1
else:
xiaoyu5 += 1
total = dayu5+dayu0+xiaoyu0+xiaoyu5
if total == 0:
continue
print('股价涨5%:{}%,股价涨0%:{}%,股价跌0%:{}%,股价跌5%:{}%'.format(
dayu5 / total * 100,
dayu0 / total * 100,
xiaoyu0 / total * 100,
xiaoyu5 / total * 100))
（代码如有逻辑错误请尽快留言指出）
运行程序，我们得到了神奇的结果：
股价涨5%:38.07015011547344%
股价涨0%:22.10594688221709%
股价跌0%:20.30889145496536%
股价跌5%:19.51501154734411%
结果仿佛是在告诉我们：如果一个股票高开2%以上，咱们去追高，五天内有38%的概率再赚它5%以上，更有60%的概率不下跌。但是这个实验数据量太小，三个月的交易记录还说明不了本质问题。理论上来说，股票高开并不能决定后期走势，还得从其他层面来分析。
有兴趣的朋友可以下载近几年的数据来统计一下，下载历史数据的接口是 stock_zh_a_hist ，前一篇博客有用到《使用Python获取股票解禁数据并绘制股价曲线》，记得把统计结果留言，爱你哟~
文章出处登录后可见！
已经登录？立即刷新
