用DeepSeek结合资金进入高景气高政策高风险编写捕捉妖股程序

捕捉妖股需要结合量化策略与市场行为分析，以下是一个基于Python的简化框架，整合了资金流向、政策热点、技术指标等要素。请注意，此为技术研究示例，不构成投资建议。

“`python

import pandas as pd

import numpy as np

import akshare as ak

from talib import RSI, ATR

# 参数配置

POLICY_KEYWORDS = [‘碳中和’,’数字经济’,’新基建’] # 政策关键词

INDUSTRY_WHITELIST = [‘新能源’,’半导体’,’人工智能’] # 高景气行业

VOLUME_MULTIPLIER = 2.0 # 成交量放大倍数

RSI_OVERBOUGHT = 70 # 超买阈值

def get_policy_news():

“””获取近期政策新闻（需接入新闻API）”””

# 示例伪代码，实际需接入新闻源

news_data = [

{‘title’:’国家推进新型储能发展’,’date’:’2023-07-20′},

{‘title’:’数字经济创新发展方案出台’,’date’:’2023-07-19′}

]

return pd.DataFrame(news_data)

def detect_industry_hot(news_df):

“””识别政策热点行业”””

hot_industries = []

for keyword in POLICY_KEYWORDS:

if news_df[‘title’].str.contains(keyword).any():

hot_industries.append(keyword)

return list(set(hot_industries) & set(INDUSTRY_WHITELIST))

def get_stock_data():

“””获取全市场股票数据”””

stock_df = ak.stock_zh_a_spot_em()

return stock_df[[‘代码’,’名称’,’最新价’,’涨跌幅’,’成交量’,’成交额’]]

def technical_analysis(df):

“””技术指标分析”””

df[‘5日涨幅’] = df[‘close’].pct_change(5)

df[‘RSI_14’] = RSI(df[‘close’], timeperiod=14)

df[‘ATR_10’] = ATR(df[‘high’], df[‘low’], df[‘close’], 10)

return df

def detect_abnormal_activity(stock_df):

“””异常交易行为检测”””

cond1 = stock_df[‘成交量’] > stock_df[‘成交量’].rolling(20).mean() * VOLUME_MULTIPLIER

cond2 = stock_df[‘换手率’] > 15

cond3 = stock_df[‘RSI_14’] < RSI_OVERBOUGHT

return stock_df[cond1 & cond2 & cond3]

def main():

# 获取政策热点

news = get_policy_news()

hot_industries = detect_industry_hot(news)

# 获取市场数据

all_stocks = get_stock_data()

# 多维度筛选

candidates = []

for code in all_stocks[‘代码’]:

# 获取历史数据（需实现）

hist_data = ak.stock_zh_a_daily(symbol=code)

ta_data = technical_analysis(hist_data)

# 筛选条件

if (ta_data.iloc[-1][‘5日涨幅’] > 20 and

ta_data.iloc[-1][‘ATR_10’] > ta_data[‘ATR_10’].mean()*1.5 and

code in get_industry_stocks(hot_industries)): # 需实现行业匹配

candidates.append({

‘代码’: code,

‘名称’: all_stocks[all_stocks[‘代码’]==code][‘名称’].values[0],

‘5日涨幅’: ta_data.iloc[-1][‘5日涨幅’],

‘ATR’: ta_data.iloc[-1][‘ATR_10’]

})

# 输出候选列表

result_df = pd.DataFrame(candidates)

print(“潜在标的筛选结果：”)

print(result_df.sort_values(‘5日涨幅’, ascending=False))

if __name__ == ‘__main__’:

main()

“`

核心逻辑说明：

1. 政策驱动维度：

– 通过新闻API监控政策关键词

– 建立高景气行业白名单

– 实时追踪政策利好行业

2. 资金流向维度：

– 成交量异常放大检测（20日均量2倍以上）

– 高换手率筛选（>15%）

– ATR指标识别波动率突变

3. 风险特征维度：

– RSI指标过滤超买状态

– 短期涨幅监控（5日>20%）

– 高波动率筛选

4. 妖股特征组合：

– 政策热点+资金涌入+高波动性

– 短期强势+高换手+量价齐升

注意事项：

1. 需接入实时行情接口（如聚宽、Tushare Pro）

2. 需要完善行业匹配模块

3. 建议加入龙虎榜数据分析

4. 需设置风险控制模块（如最大回撤止损）

5. 应结合人工复核避免量化陷阱

增强建议：

1. 加入舆情分析（股吧、论坛热度）

2. 监控大宗交易数据

3. 分析筹码集中度变化

4. 加入游资席位跟踪

5. 结合筹码分布指标（CYQ）

风险提示：妖股炒作具有极高风险，程序化识别仅作为辅助工具，实际投资需结合严格风控措施。