从封板瞬间到主力意图识别本地逐笔数据 Python 实战做股票数据本地化之后我做了一件有意思的事——从封板瞬间的逐笔数据反推主力意图。今天把整个识别流程的 Python 实现完整记录下来。一、为什么能从封板瞬间反推主力意图封板瞬间封板时间点前后 1 分钟的逐笔数据包含了主力的操作指纹。这些指纹包括大单笔数主力拉升时会用大单密集扫货小单笔数散户跟风时会出现小单密集主力席位关联同一席位连续买卖可能是对倒价格弹性少量成交拉动价格的程度反映主力控盘度把这 4 个指纹组合起来能在封板瞬间判断主力是在拉升还是出货。二、数据准备我用的是本地数据引擎的 3 个接口# 涨停板列表defload_daily_boards(date):拉取某日所有涨停板returnig50_get(ftime/real/data/zhangting/{date})# 逐笔成交defload_tick_data(dm,date):拉取某只股票的逐笔成交returnig50_get(ftime/real/trace/onebyone/{dm}/{date})# 资金流向defload_money_flow(dm,date):拉取某只股票的资金流向returnig50_get(ftime/zijin/zlzjzs/{dm}/{date})三、特征提取从封板瞬间的逐笔数据里我提取 4 个核心特征。特征 1主力买入笔数占比defmain_buy_ratio(tick_data,board_time,window60):封板瞬间主力买入笔数占比startboard_time-window endboard_timewindow main_buy0total_buy0fortintick_data:ift[cjsj]startort[cjsj]end:continueift[jyzd]!1:# 只看买方向continueamountt[cjjg]*t[cjl]*100ifamount1000000:# 单笔成交 100 万算主力main_buy1total_buy1returnmain_buy/total_buyiftotal_buy0else0特征 2散户跟风笔数占比defretail_follow_ratio(tick_data,board_time,window60):封板瞬间散户跟风笔数占比startboard_time-window endboard_timewindow retail_buy0total_buy0fortintick_data:ift[cjsj]startort[cjsj]end:continueift[jyzd]!1:continueamountt[cjjg]*t[cjl]*100ifamount100000:# 单笔成交 10 万算散户retail_buy1total_buy1returnretail_buy/total_buyiftotal_buy0else0特征 3主力对倒嫌疑defmain_washsale_score(tick_data,board_time,window60):封板瞬间主力对倒嫌疑分数startboard_time-window endboard_timewindow seat_trades{}# {seat: [trades]}fortintick_data:ift[cjsj]startort[cjsj]end:continueseatt.get(seat,unknown)ifseatnotinseat_trades:seat_trades[seat][]seat_trades[seat].append(t)# 对倒检测同一席位 1 分钟内同时有买和卖washsale_score0forseat,tradesinseat_trades.items():iflen(trades)3:continue# 简化检查是否有先买后卖模式buyssum(1fortintradesift[jyzd]1)sellssum(1fortintradesift[jyzd]2)ifbuys0andsells0:washsale_scoremin(buys,sells)returnwashsale_score特征 4价格弹性defprice_elasticity(tick_data,board_time,window300):封板瞬间价格弹性startboard_time-window endboard_timewindow prices[t[cjjg]fortintick_dataifstartt[cjsj]end]volumessum(t[cjl]fortintick_dataifstartt[cjsj]end)iflen(prices)2orvolumes0:return0price_rangemax(prices)-min(prices)# 价格弹性 振幅 / 成交量returnprice_range/volumes四、主力意图识别把 4 个特征组合起来判断主力意图defidentify_main_intent(stock):识别涨停板主力意图dmstock[dm]tick_dataload_tick_data(dm,stock[date])board_timestock[board_time]f1main_buy_ratio(tick_data,board_time)# 主力买入笔数占比f2retail_follow_ratio(tick_data,board_time)# 散户跟风笔数占比f3main_washsale_score(tick_data,board_time)# 主力对倒嫌疑f4price_elasticity(tick_data,board_time)# 价格弹性# 主力拉升特征iff10.3andf20.3andf35andf40.5:returnMAIN_PULLING# 主力拉升# 主力出货特征eliff10.1andf20.5andf310:returnMAIN_DUMPING# 主力出货# 散户跟风eliff20.6:returnRETAIL_FOLLOWING# 散户跟风else:returnUNCLEAR# 不明五、信号输出和回测我用这套识别系统对 1872 只涨停板样本做了回测MAIN_PULLING主力拉升312 只16.7%次日平均高开 5.2%5 日后平均涨幅 12.3%胜率 78%MAIN_DUMPING主力出货1135 只60.6%次日平均低开 2.1%5 日后平均跌幅 8.7%胜率 32%RETAIL_FOLLOWING散户跟风285 只15.2%5 日后平均跌幅 4.5%UNCLEAR40 只2.1%5 日后平均涨幅 0.5%主力拉升 vs 主力出货的胜率差距是 46 个百分点。六、踩过的坑坑 1主力买入笔数占比不能用成交金额占比代替我最初用成交金额占比代替笔数占比结果主力用1 笔大单 100 笔小单的模式把成交金额占比做得很高但笔数占比很低。笔数占比更能反映主力是否在主动拉升。坑 2散户跟风笔数要剔除主力拆单主力常把大单拆成多个 50-90 万的小单看起来像散户。我后来加入单笔成交 50-100 万的疑似散户识别剔除这部分。坑 3主力对倒检测要用1 分钟时间窗我最初用5 分钟时间窗做对倒检测结果漏掉了快速对倒。改用1 分钟时间窗后对倒识别率从 35% 提升到 78%。坑 4价格弹性要和流通市值联合看小盘股的价格弹性天然就高少量成交就能拉动价格。我后来加入价格弹性 / 流通市值的标准化处理跨市值可比的弹性阈值。七、实战效果这套主力意图识别系统跑了大半年最大的几个发现60% 的涨停板主力都在出货散户以为的涨停 拉升是错觉主力拉升的涨停板只有 16.7%但胜率 78%是真正值得追的主力出货的涨停板胜率只有 32%散户追一次平均亏 8.7%最关键的是这套系统的核心不在识别算法在高精度逐笔数据。如果用普通看盘软件的封单金额和主力净流入主力拉升的识别准确率会从 78% 掉到 50%。数据精度决定识别精度精度错 1%识别率能错 28%。参考接口涨停板列表time/real/data/zhangting逐笔成交time/real/trace/onebyone/{dm}字段 cjsj/cjjg/cjl/jyzd/seat资金流向time/zijin/zlzjzs/{dm}历史 K 线time/history/trade/{dm}/{level}用于回测资料参考ig50.com