# A股日线看不出方向？用 Python 多周期 K 线做共振选股，趋势一目了然

只看日线选股有一个致命问题：**你不知道自己在做什么级别的交易。**

日线金叉了，你买进去，结果周线还在往下走——日线级别的反弹被周线级别的下跌吞掉了。反过来也有：日线死叉了你吓得卖了，结果月线趋势完好，跌下去两天就拉回来。

专业做趋势的人会同时看多个周期。当日线、周线、月线同时指向同一个方向——这叫"多周期共振"——趋势的可靠性会大幅提高。

AlphaFeed 的 K 线接口支持 `period="1d"` / `"1w"` / `"1M"` 三种周期，可以用同一个接口拉日线、周线、月线数据。这篇文章用这三个周期做一套完整的共振选股系统。

## 1. 什么是多周期共振

简单说：**大周期定方向，小周期找时机。**

| 周期 | 看什么 | 对应交易级别 |
| --- | --- | --- |
| 月线 | 长期趋势方向 | 中长线（持仓数月） |
| 周线 | 中期趋势强度 | 波段（持仓数周） |
| 日线 | 短期买卖时机 | 短线（持仓数天） |

最理想的买入时机：月线多头 + 周线多头 + 日线刚刚翻多。

## 2. 单只票的三周期分析

先拿一只票演示，看看三个周期怎么配合：

```python
from alphafeed import AlphaFeed
import pandas as pd

af = AlphaFeed()

symbol = "600519.SH"

# 用同一个接口拉三个周期的数据
df_daily = af.klines.get(symbol, period="1d", count=250, adjust="forward", to_dataframe=True)
df_weekly = af.klines.get(symbol, period="1w", count=100, adjust="forward", to_dataframe=True)
df_monthly = af.klines.get(symbol, period="1M", count=36, adjust="forward", to_dataframe=True)

def analyze_trend(df: pd.DataFrame, label: str) -> dict:
    """分析单个周期的趋势状态"""
    df = df.sort_values("trade_date").reset_index(drop=True)
    price = df["close"].iloc[-1]

    ma5 = df["close"].rolling(5).mean().iloc[-1]
    ma10 = df["close"].rolling(10).mean().iloc[-1]
    ma20 = df["close"].rolling(min(20, len(df))).mean().iloc[-1]

    # 趋势打分
    score = 0
    details = []

    if price > ma5:
        score += 1
        details.append(f"站上 MA5({ma5:.2f})")
    if price > ma10:
        score += 1
        details.append(f"站上 MA10({ma10:.2f})")
    if price > ma20:
        score += 1
        details.append(f"站上 MA20({ma20:.2f})")
    if ma5 > ma10 > ma20:
        score += 2
        details.append("均线多头排列")
    elif ma5 < ma10 < ma20:
        score -= 2
        details.append("均线空头排列")

    return {
        "周期": label,
        "现价": price,
        "得分": score,
        "状态": "多头" if score >= 3 else "空头" if score <= -1 else "震荡",
        "细节": " | ".join(details),
    }

daily_trend = analyze_trend(df_daily, "日线")
weekly_trend = analyze_trend(df_weekly, "周线")
monthly_trend = analyze_trend(df_monthly, "月线")

print(f"=== {symbol} 多周期分析 ===\n")
for t in [monthly_trend, weekly_trend, daily_trend]:
    print(f"  {t['周期']}: {t['状态']}（得分 {t['得分']}）")
    print(f"        {t['细节']}")
    print()

# 共振判断
states = [monthly_trend["状态"], weekly_trend["状态"], daily_trend["状态"]]
if all(s == "多头" for s in states):
    print("🟢 三周期共振多头 —— 趋势非常强")
elif all(s == "空头" for s in states):
    print("🔴 三周期共振空头 —— 趋势非常弱")
elif monthly_trend["状态"] == "多头" and weekly_trend["状态"] == "多头":
    print("🟡 大周期偏多，日线待确认 —— 可以观察")
else:
    print("⚪ 各周期方向不一致 —— 暂时观望")
```

## 3. 批量多周期共振选股

对一批股票同时做三周期分析，筛选出"三线共振"的标的：

```python
from alphafeed import AlphaFeed
import pandas as pd

af = AlphaFeed()

# 股票池（可以扩展到几百只）
stock_pool = [
    "600519.SH", "000001.SZ", "300750.SZ", "002594.SZ", "601318.SH",
    "000858.SZ", "600036.SH", "000333.SZ", "601012.SH", "600276.SH",
    "600900.SH", "601398.SH", "600030.SH", "000651.SZ", "002415.SZ",
    "600887.SH", "601166.SH", "000568.SZ", "600809.SH", "002304.SZ",
    "601888.SH", "600809.SH", "300059.SZ", "002475.SZ", "000725.SZ",
    "601899.SH", "600031.SH", "002714.SZ", "600585.SH", "000002.SZ",
]

# 批量拉三个周期的 K 线
print("拉取日线...")
daily_data = af.klines.batch(
    stock_pool, period="1d", count=60,
    adjust="forward", to_dataframe=True, show_progress=True,
)

print("拉取周线...")
weekly_data = af.klines.batch(
    stock_pool, period="1w", count=30,
    adjust="forward", to_dataframe=True, show_progress=True,
)

print("拉取月线...")
monthly_data = af.klines.batch(
    stock_pool, period="1M", count=12,
    adjust="forward", to_dataframe=True, show_progress=True,
)

print(f"\n数据拉取完成: {len(stock_pool)} 只票 × 3 个周期\n")
```

三个 batch 调用，自动并发，30 只票 × 3 个周期 = 90 次请求，但实际只需要几秒。

## 4. 定义趋势判断函数

```python
def get_trend_score(df: pd.DataFrame) -> int:
    """
    趋势打分: -5 到 +5
    正数 = 多头，负数 = 空头，0 附近 = 震荡
    """
    if df is None or len(df) < 10:
        return 0

    df = df.sort_values("trade_date").reset_index(drop=True)
    price = df["close"].iloc[-1]

    ma5 = df["close"].rolling(5).mean().iloc[-1]
    ma10 = df["close"].rolling(10).mean().iloc[-1]
    ma20 = df["close"].rolling(min(20, len(df))).mean().iloc[-1]

    score = 0
    if price > ma5: score += 1
    else: score -= 1
    if price > ma10: score += 1
    else: score -= 1
    if price > ma20: score += 1
    else: score -= 1
    if ma5 > ma10: score += 1
    else: score -= 1
    if ma10 > ma20: score += 1
    else: score -= 1

    return score


def classify_trend(score: int) -> str:
    if score >= 3:
        return "多头"
    elif score <= -3:
        return "空头"
    else:
        return "震荡"
```

## 5. 筛选共振标的

```python
results = []

for sym in stock_pool:
    d_score = get_trend_score(daily_data.get(sym))
    w_score = get_trend_score(weekly_data.get(sym))
    m_score = get_trend_score(monthly_data.get(sym))

    d_trend = classify_trend(d_score)
    w_trend = classify_trend(w_score)
    m_trend = classify_trend(m_score)

    # 综合得分 = 月线权重最大
    total_score = m_score * 3 + w_score * 2 + d_score * 1

    results.append({
        "代码": sym,
        "月线": m_trend,
        "周线": w_trend,
        "日线": d_trend,
        "月得分": m_score,
        "周得分": w_score,
        "日得分": d_score,
        "综合分": total_score,
    })

rdf = pd.DataFrame(results).sort_values("综合分", ascending=False)

# 三周期共振多头
resonance_bull = rdf[
    (rdf["月线"] == "多头") &
    (rdf["周线"] == "多头") &
    (rdf["日线"] == "多头")
]

# 月线周线多头，日线待确认（潜在买入时机）
potential_buy = rdf[
    (rdf["月线"] == "多头") &
    (rdf["周线"] == "多头") &
    (rdf["日线"] != "多头")
]

# 三周期共振空头
resonance_bear = rdf[
    (rdf["月线"] == "空头") &
    (rdf["周线"] == "空头") &
    (rdf["日线"] == "空头")
]

print(f"=== 多周期共振选股结果 ===\n")

print(f"🟢 三周期共振多头: {len(resonance_bull)} 只")
if len(resonance_bull) > 0:
    print(resonance_bull[["代码", "月线", "周线", "日线", "综合分"]].to_string(index=False))

print(f"\n🟡 大周期多头 + 日线待确认: {len(potential_buy)} 只")
if len(potential_buy) > 0:
    print(potential_buy[["代码", "月线", "周线", "日线", "综合分"]].to_string(index=False))

print(f"\n🔴 三周期共振空头: {len(resonance_bear)} 只")
if len(resonance_bear) > 0:
    print(resonance_bear[["代码", "月线", "周线", "日线", "综合分"]].to_string(index=False))

print(f"\n完整排名:")
print(rdf[["代码", "月线", "周线", "日线", "综合分"]].to_string(index=False))
```

## 6. 加入动量确认

光看均线位置还不够，加入动量指标让筛选更精确：

```python
def get_momentum(df: pd.DataFrame, period: int = 20) -> float:
    """计算近 N 根 K 线的动量（涨幅）"""
    if df is None or len(df) < period:
        return 0
    df = df.sort_values("trade_date").reset_index(drop=True)
    return df["close"].iloc[-1] / df["close"].iloc[-period] - 1


# 给共振多头的票加上动量排序
if len(resonance_bull) > 0:
    momentum_data = []
    for _, row in resonance_bull.iterrows():
        sym = row["代码"]
        mom_d = get_momentum(daily_data.get(sym), 20)   # 日线 20 日动量
        mom_w = get_momentum(weekly_data.get(sym), 8)    # 周线 8 周动量
        momentum_data.append({
            "代码": sym,
            "20日动量": f"{mom_d:+.1%}",
            "8周动量": f"{mom_w:+.1%}",
            "综合分": row["综合分"],
        })

    mom_df = pd.DataFrame(momentum_data)
    print(f"\n🟢 共振多头标的动量排序:")
    print(mom_df.to_string(index=False))
```

## 7. 一个更实际的选股流程

把多周期共振嵌入日常选股工作流：

```python
# resonance_scan.py
"""多周期共振选股扫描"""

from alphafeed import AlphaFeed
import pandas as pd

af = AlphaFeed()

def resonance_scan(symbols: list) -> pd.DataFrame:
    """对一组标的做多周期共振扫描"""

    daily = af.klines.batch(
        symbols, period="1d", count=60,
        adjust="forward", to_dataframe=True,
    )
    weekly = af.klines.batch(
        symbols, period="1w", count=30,
        adjust="forward", to_dataframe=True,
    )
    monthly = af.klines.batch(
        symbols, period="1M", count=12,
        adjust="forward", to_dataframe=True,
    )

    results = []
    for sym in symbols:
        ds = get_trend_score(daily.get(sym))
        ws = get_trend_score(weekly.get(sym))
        ms = get_trend_score(monthly.get(sym))
        dt = classify_trend(ds)
        wt = classify_trend(ws)
        mt = classify_trend(ms)

        resonance = "共振多头" if dt == wt == mt == "多头" else \
                    "共振空头" if dt == wt == mt == "空头" else \
                    "大周期多头" if mt == "多头" and wt == "多头" else \
                    "方向不一致"

        results.append({
            "代码": sym,
            "月线": mt,
            "周线": wt,
            "日线": dt,
            "共振": resonance,
            "综合分": ms * 3 + ws * 2 + ds,
        })

    return pd.DataFrame(results).sort_values("综合分", ascending=False)

# 使用
my_stocks = ["600519.SH", "000001.SZ", "300750.SZ", "002594.SZ",
             "601318.SH", "000858.SZ", "600036.SH", "000333.SZ"]

result = resonance_scan(my_stocks)
print(result.to_string(index=False))
```

## 8. 为什么这个方法有效

多周期共振不是万能的，但它解决了一个很实际的问题：**降低逆势交易的概率。**

| 场景 | 只看日线 | 三周期共振 |
| --- | --- | --- |
| 日线金叉买入，周线还在跌 | 会买 ❌ | 不买 ✅ |
| 日线死叉卖出，月线趋势完好 | 会卖 ❌ | 不卖 ✅ |
| 三个周期都翻多 | 可能买也可能没注意 | 明确信号 ✅ |
| 月线空头反弹 | 可能当反转 ❌ | 大周期空头，不参与 ✅ |

本质上，它帮你过滤掉了大量"日线看着不错但大周期不配合"的假信号。

## 9. AlphaFeed 在这件事里的价值

多周期分析需要同时拉日线、周线、月线三套数据。用 AlphaFeed 做这件事很顺畅：

```python
# 同一个接口，只改 period 参数
df_d = af.klines.get(sym, period="1d",  count=60,  adjust="forward", to_dataframe=True)
df_w = af.klines.get(sym, period="1w",  count=30,  adjust="forward", to_dataframe=True)
df_m = af.klines.get(sym, period="1M",  count=12,  adjust="forward", to_dataframe=True)
```

不需要自己从日线合成周线月线（很多数据源只提供日线，周线月线要自己算——日期对齐、跨周处理、节假日，坑很多）。AlphaFeed 直接给你计算好的周线和月线 K 线，开高低收都是准的。

再加上 batch 批量接口，30 只票 × 3 个周期 = 90 次请求，SDK 内部并发处理，几秒钟全部拉完。

---

- Python SDK 快速开始：https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart


日线金叉了，你买进去，结果周线还在往下走——日线级别的反弹被周线级别的下跌吞掉了。反过来也有：日线死叉了你吓得卖了，结果月线趋势完好，跌下去两天就拉回来。

A股日线看不出方向？用 Python 多周期 K 线做共振选股，趋势一目了然

编程语言

人工智能

"Python多周期K线共振选股策略：通过日线、周线、月线三周期分析，实现大周期定方向、小周期找时机的精准选股。利用AlphaFeed接口快速获取多周期数据，结合均线排列与动量指标，筛选三线共振标的，有效避免逆势交易，提升选股成功率。"

代码解释

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

A股日线看不出方向？用 Python 多周期 K 线做共振选股，趋势一目了然-腾讯云开发者社区-腾讯云

A股日线看不出方向？用 Python 多周期 K 线做共振选股，趋势一目了然

A股日线看不出方向？用 Python 多周期 K 线做共振选股，趋势一目了然

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