# 实时计算涨停板股票的封单资金与总流通市值的比例
> 来源：https://uqer.io/community/share/55a8cf52f9f06c57a11b53b9
申明： 本贴的思路来源于社区高人 @明轩 的启发 说明： 本人之前一直用Matlab/R研究策略，最近发现了“优矿”这个策略研究平台，感觉非常的方便，社区大神也很多，社区里也有很多优秀的帖子， 再加上一直想学python的这种冲动（毕竟python在量化界还是很有地位的），所以就萌生在此发帖写策略的冲动。现在看来，这一切都是值的。
策略介绍： 过去的几个星期里中国股市很不太平，市场基本就只有三种状态：涨停、跌停、停牌。在这种特殊行情下，一些平时不会考虑到的因素可能在 这段时间里很有效。论坛里 @明轩 有一个很不错的想法，计算涨停板股票的封单资金与流通市值的比例，用以反映该股票的热度，这一点在直观上 也是很好理解的，本篇做的也就是这件事情，只需要克隆并运行下面的代码，就可以得到实时的“封单资金流通市值比例”。 在@明轩的帖子中，代码实现的大部分都是C的思想，过程显得比较复杂，而且对于程序也没有太多的注释说明，对初学者来说还是有一些压力的。 作者也是上周才看到“优矿”社区，学python也就一周的时间，初看 @明轩 的代码还是很吃力的，由于作者是matlab出身，所以就用matlab的思想来 实现这个想法（主要是矩阵运算，代码中尽量不要用到for循环），同时对于代码也做到注释详尽，以便和我一样的初学者共同学习进步。 作者新人，初次发帖，难免会有疏忽，还望论坛各位大神予以指正。
```py
# 常量准备
import pandas as pd
from datetime import datetime as dt
from pandas import DataFrame, Series
today = dt.today().strftime('%Y%m%d') # 获得今天的日期
# DataAPI取所有A股
stocks = DataAPI.EquGet(equTypeCD='A',listStatusCD='L',field='secID,nonrestfloatA',pandas="1")
universe = stocks['secID'].tolist() # 转变为list格式，以便和DataAPI中的格式符合
# 取所有A股的最新行情
fields = ['shortNM','lastPrice','bidBook','askBook','suspension']
data = DataFrame()
for i in range(0,len(universe),300): # 原则上可以性取完的，但是试验中作者发现会报错，估计是运算量太大，所以这里分批次取，每次300个
t = DataAPI.MktTickRTSnapshotGet(securityID=universe[i:min(i+300,len(universe))],field=fields,pandas="1")
tmp = DataFrame()
tmp['secID'] = t['ticker']+'.'+t['exchangeCD']
tmp[['shortNM','lastPrice','bidBook_price1','bidBook_volume1','askBook_volume1','suspension']] =t[['shortNM','lastPrice','bidBook_price1','bidBook_volume1','askBook_volume1','suspension']]
data = pd.concat([data,tmp],axis=0) # 数据拼接
# 去掉当日停牌的股票
data['nonrestfloatA'] = stocks['nonrestfloatA']
data = data[data['suspension']==0]
# 去掉没有涨停板的股票
data['suspension'][(data['bidBook_volume1']>0).values & (data['askBook_volume1']==0).values] = 1 # 若涨停盘，suspension则赋值1
data = data[data['suspension']==1]
data.drop(['suspension','askBook_volume1'],axis=1,inplace=True)
# 计算封停板资金量、流通市值、两者比值
data['stop_money'] = data['bidBook_price1'].values * data['bidBook_volume1'].values
data['float_value'] = data['bidBook_price1'].values * data['nonrestfloatA'].values
data['rate'] = data['stop_money']/data['float_value']*100 #百分之几
data = data.sort(columns='rate',ascending=False).reset_index()
data.drop('index',axis=1,inplace=True)
# 重命名
data.columns = ['代码','简称','最新成交价','买一价','买一量','非受限流通股','封停板资金','流通市值','封停资金流通市值比（百分之几）']
data.head(30)
```
| | 代码 | 简称 | 最新成交价 | 买一价 | 买一量 | 非受限流通股 | 封停板资金 | 流通市值 | 封停资金流通市值比（百分之几） |
| --- | --- |
| 0 | 600127.XSHG | 金健米业 | 8.64 | 8.64 | 31034932 | 138756240 | 2.681418e+08 | 1.198854e+09 | 22.366513 |
| 1 | 002465.XSHE | 海格通信 | 26.49 | 26.49 | 48681212 | 232841128 | 1.289565e+09 | 6.167961e+09 | 20.907480 |
| 2 | 002451.XSHE | 摩恩电气 | 10.15 | 10.15 | 20255795 | 99720453 | 2.055963e+08 | 1.012163e+09 | 20.312578 |
| 3 | 600307.XSHG | 酒钢宏兴 | 4.97 | 4.97 | 41841200 | 223174819 | 2.079508e+08 | 1.109179e+09 | 18.748172 |
| 4 | 601216.XSHG | 内蒙君正 | 10.97 | 10.97 | 47936330 | 256155318 | 5.258615e+08 | 2.810024e+09 | 18.713775 |
| 5 | 002220.XSHE | 天宝股份 | 9.53 | 9.53 | 36358180 | 203638446 | 3.464935e+08 | 1.940674e+09 | 17.854281 |
| 6 | 000153.XSHE | 丰原药业 | 8.91 | 8.91 | 43825338 | 296645200 | 3.904838e+08 | 2.643109e+09 | 14.773655 |
| 7 | 600363.XSHG | 联创光电 | 11.98 | 11.98 | 39827219 | 287985798 | 4.771301e+08 | 3.450070e+09 | 13.829577 |
| 8 | 600881.XSHG | 亚泰集团 | 10.32 | 10.32 | 39219948 | 324000000 | 4.047499e+08 | 3.343680e+09 | 12.104922 |
| 9 | 601989.XSHG | 中国重工 | 12.90 | 12.90 | 35504690 | 309043600 | 4.580105e+08 | 3.986662e+09 | 11.488570 |
| 10 | 002578.XSHE | 闽发铝业 | 8.61 | 8.61 | 18732903 | 169374479 | 1.612903e+08 | 1.458314e+09 | 11.060051 |
| 11 | 002314.XSHE | 雅致股份 | 8.51 | 8.51 | 29786294 | 331060900 | 2.534814e+08 | 2.817328e+09 | 8.997225 |
| 12 | 002596.XSHE | 海南瑞泽 | 19.77 | 19.77 | 13188288 | 150360840 | 2.607325e+08 | 2.972634e+09 | 8.771092 |
| 13 | 300245.XSHE | 天玑科技 | 14.99 | 14.99 | 30609263 | 358143846 | 4.588329e+08 | 5.368576e+09 | 8.546639 |
| 14 | 600725.XSHG | 云维股份 | 7.21 | 7.21 | 10355583 | 131323745 | 7.466375e+07 | 9.468442e+08 | 7.885537 |
| 15 | 600635.XSHG | 大众公用 | 8.45 | 8.45 | 15693824 | 203285722 | 1.326128e+08 | 1.717764e+09 | 7.720082 |
| 16 | 000005.XSHE | 世纪星源 | 5.96 | 5.96 | 65653281 | 913743007 | 3.912936e+08 | 5.445908e+09 | 7.185093 |
| 17 | 000908.XSHE | 景峰医药 | 13.72 | 13.72 | 22259100 | 318306848 | 3.053949e+08 | 4.367170e+09 | 6.992969 |
| 18 | 002392.XSHE | 北京利尔 | 6.60 | 6.60 | 18238316 | 272720782 | 1.203729e+08 | 1.799957e+09 | 6.687542 |
| 19 | 300315.XSHE | 掌趣科技 | 15.47 | 15.47 | 8467640 | 143055590 | 1.309944e+08 | 2.213070e+09 | 5.919126 |
| 20 | 000733.XSHE | 振华科技 | 17.52 | 17.52 | 25394193 | 429158874 | 4.449063e+08 | 7.518863e+09 | 5.917201 |
| 21 | 002492.XSHE | 恒基达鑫 | 10.15 | 10.15 | 15039065 | 258580938 | 1.526465e+08 | 2.624597e+09 | 5.815999 |
| 22 | 000662.XSHE | 索芙特 | 13.52 | 13.52 | 16284361 | 287985798 | 2.201646e+08 | 3.893568e+09 | 5.654571 |
| 23 | 002070.XSHE | 众和股份 | 9.57 | 9.57 | 16355886 | 301076280 | 1.565258e+08 | 2.881300e+09 | 5.432472 |
| 24 | 002582.XSHE | 好想你 | 18.94 | 18.94 | 19100773 | 400080405 | 3.617686e+08 | 7.577523e+09 | 4.774234 |
| 25 | 600818.XSHG | 中路股份 | 67.12 | 67.12 | 9203792 | 213594042 | 6.177585e+08 | 1.433643e+10 | 4.309012 |
| 26 | 600439.XSHG | 瑞贝卡 | 6.90 | 6.90 | 17411170 | 429158874 | 1.201371e+08 | 2.961196e+09 | 4.057045 |
| 27 | 002385.XSHE | 大北农 | 16.10 | 16.10 | 8450558 | 221721339 | 1.360540e+08 | 3.569714e+09 | 3.811342 |
| 28 | 600839.XSHG | 四川长虹 | 8.07 | 8.07 | 21128839 | 560561743 | 1.705097e+08 | 4.523733e+09 | 3.769226 |
| 29 | 002176.XSHE | 江特电机 | 18.48 | 18.48 | 13745498 | 387357522 | 2.540168e+08 | 7.158367e+09 | 3.548530 |
应用： 只用将上述代码块拷到自己的notebook下运行，便可以得到实时的涨停板资金总流通市值比例。 后文： 得到上述比例表格可能暂时没有实际的用处，顶多指导一下明天投资的优先顺序。所以，接下来作者也会写一下更具实际价值的研究工具， 比如：实时更新昨天封停资金流通市值比例前20,但今天没有涨停的股票（对于市场遇到急跌的情况，一旦这些股票开板了，是非常好的投资机会）。 也希望通过多发一些帖子来进一步熟悉python和quartz。
- Python 量化交易教程
- 第一部分 新手入门
- 一 量化投资视频学习课程
- 二 Python 手把手教学
- 量化分析师的Python日记【第1天：谁来给我讲讲Python？】
- 量化分析师的Python日记【第2天：再接着介绍一下Python呗】
- 量化分析师的Python日记【第3天：一大波金融Library来袭之numpy篇】
- 量化分析师的Python日记【第4天：一大波金融Library来袭之scipy篇】
- 量化分析师的Python日记【第5天：数据处理的瑞士军刀pandas】
- 量化分析师的Python日记【第6天：数据处理的瑞士军刀pandas下篇
- 量化分析师的Python日记【第7天：Q Quant 之初出江湖】
- 量化分析师的Python日记【第8天 Q Quant兵器谱之函数插值】
- 量化分析师的Python日记【第9天 Q Quant兵器谱之二叉树】
- 量化分析师的Python日记【第10天 Q Quant兵器谱 -之偏微分方程1】
- 量化分析师的Python日记【第11天 Q Quant兵器谱之偏微分方程2】
- 量化分析师的Python日记【第12天：量化入门进阶之葵花宝典：因子如何产生和回测】
- 量化分析师的Python日记【第13天 Q Quant兵器谱之偏微分方程3】
- 量化分析师的Python日记【第14天：如何在优矿上做Alpha对冲模型】
- 量化分析师的Python日记【第15天：如何在优矿上搞一个wealthfront出来】
- 第二部分 股票量化相关
- 一 基本面分析
- 1.1 alpha 多因子模型
- 破解Alpha对冲策略——观《量化分析师Python日记第14天》有感
- 熔断不要怕， alpha model 为你保驾护航！
- 寻找 alpha 之: alpha 设计
- 1.2 基本面因子选股
- Porfolio（现金比率+负债现金+现金保障倍数）+市盈率
- ROE选股指标
- 成交量因子
- ROIC&cashROIC
- 【国信金工】资产周转率选股模型
- 【基本面指标】Cash Cow
- 量化因子选股——净利润／营业总收入
- 营业收入增长率+市盈率
- 1.3 财报阅读 • [米缸量化读财报] 资产负债表-投资相关资产
- 1.4 股东分析
- 技术分析入门 【2】 —— 大家抢筹码（06年至12年版）
- 技术分析入门 【2】 —— 大家抢筹码（06年至12年版）— 更新版
- 谁是中国A股最有钱的自然人
- 1.5 宏观研究
- 【干货包邮】手把手教你做宏观择时
- 宏观研究：从估值角度看当前市场
- 追寻“国家队”的足迹
- 二 套利
- 2.1 配对交易
- HS300ETF套利（上）
- 【统计套利】配对交易
- 相似公司股票搬砖
- Paired trading
- 2.2 期现套利 • 通过股指期货的期现差与 ETF 对冲套利
- 三 事件驱动
- 3.1 盈利预增
- 盈利预增事件
- 事件驱动策略示例——盈利预增
- 3.2 分析师推荐 • 分析师的金手指？
- 3.3 牛熊转换
- 历史总是相似 牛市还在延续
- 历史总是相似 牛市已经见顶？
- 3.4 熔断机制 • 股海拾贝之 [熔断错杀股]
- 3.5 暴涨暴跌 • [实盘感悟] 遇上暴跌我该怎么做？
- 3.6 兼并重组、举牌收购 • 宝万战-大戏开幕
- 四 技术分析
- 4.1 布林带
- 布林带交易策略
- 布林带回调系统-日内
- Conservative Bollinger Bands
- Even More Conservative Bollinger Bands
- Simple Bollinger Bands
- 4.2 均线系统
- 技术分析入门 —— 双均线策略
- 5日线10日线交易策略
- 用5日均线和10日均线进行判断 --- 改进版
- macross
- 4.3 MACD
- Simple MACD
- MACD quantization trade
- MACD平滑异同移动平均线方法
- 4.4 阿隆指标 • 技术指标阿隆（ Aroon ）全解析
- 4.5 CCI • CCI 顺势指标探索
- 4.6 RSI
- 重写 rsi
- RSI指标策略
- 4.7 DMI • DMI 指标体系的构建及简单应用
- 4.8 EMV • EMV 技术指标的构建及应用
- 4.9 KDJ • KDJ 策略
- 4.10 CMO
- CMO 策略模仿练习 1
- CMO策略模仿练习2
- [技术指标] CMO
- 4.11 FPC • FPC 指标选股
- 4.12 Chaikin Volatility
- 嘉庆离散指标测试
- 4.13 委比 • 实时计算委比
- 4.14 封单量
- 按照封单跟流通股本比例排序，剔除6月上市新股，前50
- 涨停股票封单统计
- 实时计算涨停板股票的封单资金与总流通市值的比例
- 4.15 成交量 • 决战之地， IF1507 ！
- 4.16 K 线分析 • 寻找夜空中最亮的星
- 五 量化模型
- 5.1 动量模型
- Momentum策略
- 【小散学量化】-2-动量模型的简单实践
- 一个追涨的策略(修正版)
- 动量策略（momentum driven）
- 动量策略（momentum driven）——修正版
- 最经典的Momentum和Contrarian在中国市场的测试
- 最经典的Momentum和Contrarian在中国市场的测试-yanheven改进
- ［策略］基于胜率的趋势交易策略
- 策略探讨（更新）：价量结合+动量反转
- 反向动量策略（reverse momentum driven）
- 轻松跑赢大盘 - 主题Momentum策略
- Contrarian strategy
- 5.2 Joseph Piotroski 9 F-Score Value Investing Model · 基本面选股系统：Piotroski F-Score ranking system
- 5.3 SVR · 使用SVR预测股票开盘价 v1.0
- 5.4 决策树、随机树
- 决策树模型（固定模型）
- 基于Random Forest的决策策略
- 5.5 钟摆理论 · 钟摆理论的简单实现——完美躲过股灾和精准抄底
- 5.6 海龟模型
- simple turtle
- 侠之大者 一起赚钱
- 5.7 5217 策略 · 白龙马的新手策略
- 5.8 SMIA · 基于历史状态空间相似性匹配的行业配置 SMIA 模型—取交集
- 5.9 神经网络
- 神经网络交易的训练部分
- 通过神经网络进行交易
- 5.10 PAMR · PAMR ： 基于均值反转的投资组合选择策略 - 修改版
- 5.11 Fisher Transform · Using Fisher Transform Indicator
- 5.12 分型假说， Hurst 指数 · 分形市场假说，一个听起来很美的假说
- 5.13 变点理论 · 变点策略初步
- 5.14 Z-score Model
- Zscore Model Tutorial
- 信用债风险模型初探之：Z-Score Model
- user-defined package
- 5.15 机器学习 · Machine Learning 学习笔记（一） by OTreeWEN
- 5.16 DualTrust 策略和布林强盗策略
- 5.17 卡尔曼滤波
- 5.18 LPPL anti-bubble model
- 今天大盘熔断大跌，后市如何—— based on LPPL anti-bubble model
- 破解股市泡沫之谜——对数周期幂率（LPPL）模型
- 六 大数据模型
- 6.1 市场情绪分析
- 通联情绪指标策略
- 互联网+量化投资 大数据指数手把手
- 6.2 新闻热点
- 如何使用优矿之“新闻热点”？
- 技术分析【3】—— 众星拱月，众口铄金?
- 七 排名选股系统
- 7.1 小市值投资法
- 学习笔记：可模拟（小市值+便宜 的修改版）
- 市值最小300指数
- 流通市值最小股票（新筛选器版）
- 持有市值最小的10只股票
- 10% smallest cap stock
- 7.2 羊驼策略
- 羊驼策略
- 羊驼反转策略（修改版）
- 羊驼反转策略
- 我的羊驼策略，选5只股无脑轮替
- 7.3 低价策略
- 专捡便宜货(新版quartz)
- 策略原理
- 便宜就是 alpha
- 八 轮动模型
- 8.1 大小盘轮动 · 新手上路 -- 二八ETF择时轮动策略2.0
- 8.2 季节性策略
- Halloween Cycle
- Halloween cycle 2
- 夏买电，东买煤？
- 历史的十一月板块涨幅
- 8.3 行业轮动
- 银行股轮动
- 申万二级行业在最近1年、3个月、5个交易日的涨幅统计
- 8.4 主题轮动
- 快速研究主题神器
- recommendation based on subject
- strategy7: recommendation based on theme
- 板块异动类
- 风险因子（离散类）
- 8.5 龙头轮动
- Competitive Securities
- Market Competitiveness
- 主题龙头类
- 九 组合投资
- 9.1 指数跟踪 · [策略] 指数跟踪低成本建仓策略
- 9.2 GMVP · Global Minimum Variance Portfolio (GMVP)
- 9.3 凸优化 · 如何在 Python 中利用 CVXOPT 求解二次规划问题
- 十 波动率
- 10.1 波动率选股 · 风平浪静 风起猪飞
- 10.2 波动率择时
- 基于 VIX 指数的择时策略
- 简单低波动率指数
- 10.3 Arch/Garch 模型 · 如何使用优矿进行 GARCH 模型分析
- 十一 算法交易
- 11.1 VWAP · Value-Weighted Average Price (VWAP)
- 十二 中高频交易
- 12.1 order book 分析 · 基于高频 limit order book 数据的短程价格方向预测—— via multi-class SVM
- 12.2 日内交易 · 大盘日内走势 (for 择时)
- 十三 Alternative Strategy
- 13.1 易经、传统文化 · 老黄历诊股
- 第三部分 基金、利率互换、固定收益类
- 一 分级基金
- “优矿”集思录——分级基金专题
- 基于期权定价的分级基金交易策略
- 基于期权定价的兴全合润基金交易策略
- 二 基金分析
- Alpha 基金“黑天鹅事件” -- 思考以及原因
- 三 债券
- 债券报价中的小陷阱
- 四 利率互换
- Swap Curve Construction
- 中国 Repo 7D 互换的例子
- 第四部分 衍生品相关
- 一 期权数据
- 如何获取期权市场数据快照
- 期权高频数据准备
- 二 期权系列
- [ 50ETF 期权] 1. 历史成交持仓和 PCR 数据
- 【50ETF期权】 2. 历史波动率
- 【50ETF期权】 3. 中国波指 iVIX
- 【50ETF期权】 4. Greeks 和隐含波动率微笑
- 【50ETF期权】 5. 日内即时监控 Greeks 和隐含波动率微笑
- 【50ETF期权】 5. 日内即时监控 Greeks 和隐含波动率微笑
- 三 期权分析
- 【50ETF期权】 期权择时指数 1.0
- 每日期权风险数据整理
- 期权头寸计算
- 期权探秘1
- 期权探秘2
- 期权市场一周纵览
- 基于期权PCR指数的择时策略
- 期权每日成交额PC比例计算
- 四 期货分析
- 【前方高能！】Gifts from Santa Claus——股指期货趋势交易研究