# Python 实现 A 股全市场涨跌幅排行和强势股自动筛选

> 盘中或盘后想快速知道哪些股票涨停、哪些板块异动、哪些票放量突破？手动翻行情软件太慢了。这篇文章教你用 Python 自动做全市场扫描，实现涨跌幅排行、放量筛选、行业异动等实用功能。

---

## 一、场景：为什么需要全市场扫描？

做量化选股或者盘后复盘，常见需求：

- 今天涨幅/跌幅最大的股票有哪些？
- 有多少只涨停？哪些票接近涨停？
- 成交额放大且上涨的票（放量上涨）有多少？
- ETF 涨幅排行，看看当天哪个板块最强

这些在行情软件里都能看到，但用 Python 做的好处是：可以自定义条件、批量处理、和策略系统打通。

---

## 二、获取全市场实时行情

首先需要一次性拿到全部 A 股的行情快照。这里用 alphafeed（数据源可以换，后面的筛选逻辑是通用的）：

```python
from alphafeed import AlphaFeed

af = AlphaFeed(api_key="your-api-key")

# 全部 A 股实时行情
df = af.quotes.get(universes="CN_Stock", to_dataframe=True)
print(f"共 {len(df)} 只 A 股")
print(df.columns.tolist())
```

返回的 DataFrame 里每一行是一只股票的最新行情快照，包含 `symbol`、`last_price`（最新价）、`prev_close`（昨收）、`open`、`high`、`low`、`volume`、`amount` 等字段。

`ext.change_pct` 是涨跌幅（小数），`ext.name` 是股票名称。

---

## 三、涨跌幅排行

### 涨幅榜

```python
# 按涨跌幅排序
top_gainers = df.nlargest(20, "ext.change_pct")
print("涨幅 Top 20:")
for _, row in top_gainers.iterrows():
    pct = row["ext.change_pct"] * 100
    print(f"  {row['symbol']} {row['ext.name']:　<6} {row['last_price']:>8.2f}  {pct:+.2f}%")
```

### 跌幅榜

```python
top_losers = df.nsmallest(20, "ext.change_pct")
print("跌幅 Top 20:")
for _, row in top_losers.iterrows():
    pct = row["ext.change_pct"] * 100
    print(f"  {row['symbol']} {row['ext.name']:　<6} {row['last_price']:>8.2f}  {pct:+.2f}%")
```

---

## 四、涨停股统计

A 股主板涨跌停限制为 10%，创业板和科创板为 20%。简单做法是取涨幅 >= 9.9% 的股票：

```python
change_pct = df["ext.change_pct"] * 100

limit_up = df[change_pct >= 9.9]
print(f"涨停或接近涨停: {len(limit_up)} 只")

# 进一步区分板块
for _, row in limit_up.iterrows():
    board = ""
    if row["symbol"].startswith("3"):
        board = "创业板"
    elif row["symbol"].startswith("688"):
        board = "科创板"
    else:
        board = "主板"
    pct = row["ext.change_pct"] * 100
    print(f"  [{board}] {row['symbol']} {row['ext.name']} {pct:+.2f}%")
```

更精确的做法是创业板/科创板按 20% 判断：

```python
def is_limit_up(row):
    pct = row["ext.change_pct"] * 100
    sym = row["symbol"]
    if sym.startswith("3") or sym.startswith("688"):
        return pct >= 19.9
    return pct >= 9.9

limit_up_strict = df[df.apply(is_limit_up, axis=1)]
print(f"严格涨停统计: {len(limit_up_strict)} 只")
```

---

## 五、放量上涨股筛选

筛选条件：成交额 > 5 亿 且 涨幅 > 3%。这些票通常有资金关注。

```python
strong = df[(df["amount"] > 5e8) & (df["ext.change_pct"] > 0.03)]
strong = strong.sort_values("ext.change_pct", ascending=False)

print(f"放量上涨（成交额 > 5 亿 且 涨幅 > 3%）: {len(strong)} 只")
for _, row in strong.head(20).iterrows():
    pct = row["ext.change_pct"] * 100
    amt = row["amount"] / 1e8
    print(f"  {row['symbol']} {row['ext.name']:　<6} {pct:+.2f}%  成交额 {amt:.1f} 亿")
```

你可以根据需要调整阈值，比如把成交额改成 10 亿、涨幅改成 5% 等。

---

## 六、成交额排行

看哪些票最活跃：

```python
top_amount = df.nlargest(20, "amount")
print("成交额 Top 20:")
for _, row in top_amount.iterrows():
    amt = row["amount"] / 1e8
    pct = row["ext.change_pct"] * 100
    print(f"  {row['symbol']} {row['ext.name']:　<6} 成交额 {amt:.1f} 亿  {pct:+.2f}%")
```

---

## 七、ETF 板块排行

通过 ETF 涨幅排行，可以快速发现当天最热门的板块方向：

```python
etf = af.quotes.get(universes="CN_ETF", to_dataframe=True)

top_etf = etf.nlargest(15, "ext.change_pct")
print("ETF 涨幅 Top 15（发现热门板块）:")
for _, row in top_etf.iterrows():
    pct = row["ext.change_pct"] * 100
    amt = row["amount"] / 1e8
    print(f"  {row['symbol']} {row.get('ext.name', ''):　<12} {pct:+.2f}%  成交额 {amt:.1f} 亿")
```

---

## 八、市场整体情况统计

做一个快速的盘面概览：

```python
change_pct = df["ext.change_pct"] * 100

up_count = (change_pct > 0).sum()
down_count = (change_pct < 0).sum()
flat_count = (change_pct == 0).sum()

print("今日市场概况:")
print(f"  总标的数: {len(df)}")
print(f"  上涨: {up_count} 只 ({up_count/len(df)*100:.1f}%)")
print(f"  下跌: {down_count} 只 ({down_count/len(df)*100:.1f}%)")
print(f"  平盘: {flat_count} 只")
print(f"  平均涨跌幅: {change_pct.mean():.2f}%")
print(f"  中位数涨跌幅: {change_pct.median():.2f}%")
print(f"  涨停: {(change_pct >= 9.9).sum()} 只")
print(f"  跌停: {(change_pct <= -9.9).sum()} 只")
print(f"  全市场成交额: {df['amount'].sum() / 1e12:.2f} 万亿")
```

---

## 九、组合筛选：自定义选股条件

实际用的时候，往往需要多个条件组合。比如：

### 条件 1：放量上涨 + 换手率高

```python
# 换手率需要额外数据，这里用成交量/流通股近似
# 或者直接看成交额排名前 20% + 涨幅 > 2%

amount_80th = df["amount"].quantile(0.8)  # 成交额 80 分位
selected = df[(df["amount"] > amount_80th) & (df["ext.change_pct"] > 0.02)]
print(f"活跃上涨股: {len(selected)} 只")
```

### 条件 2：从全市场中排除 ST 和新股

```python
# 排除 ST（名称含 ST）
not_st = ~df["ext.name"].str.contains("ST", na=False)
# 排除上市不满 60 天的新股（如果有上市日期字段的话）
filtered = df[not_st]
print(f"排除 ST 后: {len(filtered)} 只")
```

### 条件 3：涨幅 5-9%（接近涨停但未封板）

```python
near_limit = df[(change_pct >= 5) & (change_pct < 9.9)]
print(f"涨幅 5-9%（强势未封板）: {len(near_limit)} 只")
```

---

## 十、定时自动执行

把上面的逻辑封装成函数，配合定时运行，就是一个简易的盯盘工具：

```python
import time
import datetime

def market_scan():
    df = af.quotes.get(universes="CN_Stock", to_dataframe=True)
    change_pct = df["ext.change_pct"] * 100

    up = (change_pct > 0).sum()
    down = (change_pct < 0).sum()
    limit_up = (change_pct >= 9.9).sum()
    strong = df[(df["amount"] > 5e8) & (df["ext.change_pct"] > 0.03)]

    now = datetime.datetime.now()
    print(f"[{now:%H:%M:%S}] 涨:{up} 跌:{down} 涨停:{limit_up} 放量上涨:{len(strong)}")

# 每 30 秒扫描一次（交易时间使用）
while True:
    market_scan()
    time.sleep(30)
```

---

## 十一、总结

这篇文章实现了几个实用的全市场分析功能：

1. 涨跌幅排行（Top N）
2. 涨停股统计（区分主板/创业板/科创板）
3. 放量上涨股筛选
4. 成交额排行
5. ETF 板块强弱
6. 市场整体概况
7. 组合条件选股

这些是盘后复盘和盘中监控的基础功能。掌握了之后，可以根据自己的交易体系自定义筛选逻辑，逐步建立一套自己的量化选股系统。

核心就一句话：拿到全市场行情数据之后，剩下的全是 pandas 操作。

---

> 量化不是让你不看盘，而是让你看盘看得更快、更全。


盘中或盘后想快速知道哪些股票涨停、哪些板块异动、哪些票放量突破？手动翻行情软件太慢了。这篇文章教你用 Python 自动做全市场扫描，实现涨跌幅排行、放量筛选、行业异动等实用功能。

Python 实现 A 股全市场涨跌幅排行和强势股自动筛选

编程语言

Python实现A股全市场扫描，自动筛选涨停股、放量上涨股和强势板块。通过代码获取实时行情数据，进行涨跌幅排行、成交额分析、ETF板块强弱判断，快速掌握市场动态。自定义筛选条件，批量处理数据，提高选股效率，适合量化交易和盘后复盘。

Python

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Python 实现 A 股全市场涨跌幅排行和强势股自动筛选-腾讯云开发者社区-腾讯云

Python 实现 A 股全市场涨跌幅排行和强势股自动筛选

Python 实现 A 股全市场涨跌幅排行和强势股自动筛选

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐