python股票量化交易（5）---股价跳空缺口

命自我立，福自己求。一切祸福休咎皆自当人掌握，行善则积福，作恶则招祸。

什么是股价跳空缺口

跳空缺口存在与K线图之中，是指相邻的两根K线之间出现了没有交易的空白区间。当今日最低价与昨日最高价之间没有重合部分，称为向上缺口；当今日最高价与昨日最低价之间没有重叠部分，称为向下缺口。

理论上来说，当市场没有利好与利空消息之时，次日股价应该平开，但是如果前一日有利好出现，那么在当日集合竞价之时，多数投资者都会挂高价格进行买入，因为利好挂低价格可能买不到，这样就形成了一个向上的跳空高开。反之则是跳空低开。

这种留下的缺口对于判断后市的涨跌具有一定的参考价值。但需要注意的是，如果高开低走，跌倒昨日最高价之内，回补了这个空挡，只能叫跳空高开，不能叫缺口，缺口是指当日价格没有被反向回补。

不过，我们还需要注意，跳空缺口如果较小，可能对后市没有参考意义，而且在除权除息日也同样会出现跳空缺口，也不具有参考意义。当然，也有例外，比如比亚迪，如今也没回补50的缺口，单独看某个股票的单一数据是没有参考意义的，这一点需要额外的注意。

计算跳空值

前面我们都是以歌尔股份为例，分析各种股票的参数。今天，我们换一个股票，叫牧原股份，因为这个股票因为业绩的公布直接2个涨停到了99，如今又跌到了82，缺口很明显。

首先，我们来获取一下牧原股份近两个月的数据，具体代码如下：

df = ak.stock_zh_a_daily(symbol="sz002714", start_date="20201103", end_date="20210118",
                             adjust="qfq")
df.to_excel("牧原股份.xlsx")

接着，我们定义一个计算跳空值的函数，代码如下：

def count_gap(cPriceUp, preLow, preHigh, low, high, threshold):
    jump_value = 0
    if (cPriceUp > 0) and (low - preHigh) > threshold:
        # 向上跳空
        jump_value = (low - preHigh) / threshold
    elif (cPriceUp < 0) and (preLow - high) > threshold:
        # 向下跳空
        jump_value = (high - preLow) / threshold
    return jump_value

函数的参含含义如下：

cPriceUp：收盘价的涨幅

preLow：昨日最低价

preHigh：昨日最高价

low：最低价

high：最高价

threshold：跳空阈值

这个函数翻译成文字意思如下：

（1）向上跳空：当涨幅cPriceUp为正，且今日最低价（low）减去昨日最高价（preHigh）大于跳空阈值。

（2）向下跳空：当涨幅cPriceUp为负，且昨日最低价（preLow）减去今日最高价（high）大于跳空阈值。

遍历股票数据获取跳空缺口

首先，我们需要自定义一个阈值用于判断是否符合跳空缺口，代码如下：

jump_threshold = df["close"].median() * 0.01

这里定义收盘价的中位数*0.01作为阈值。

接着，套用公式计算出上面方法中的参数，具体代码如下所示：

jump_threshold = df["close"].median() * 0.01
# 计算涨跌幅
df['changeRatio'] = df["close"].pct_change() * 100
# 增加昨日最低价序列
df["preLow"] = df["low"].shift(1)
# 增加昨日最高价序列
df['preHigh'] = df['high'].shift(1)
# 增加空白列jump
df = df.assign(jump=0)
# 计算所有跳空值
df['jump'] = df.apply(
    lambda row: count_gap(row['changeRatio'], row['preLow'], row['preHigh'], row['low'], row['high'], jump_threshold),
    axis=1)

注释已经非常详细了，就是获取该股票所有的跳空缺口，并且赋值给jump列，而没有跳空值的jump被赋值为0。这里我们得到了所有的跳空缺口，接下来我们需要区分是向上跳空还是向下跳空。

# 向上跳空
up_jump = df[(df["cPriceUp"] > 0) & df["jump"] > 0]
# 向下跳空
down_jump = df[(df["cPriceUp"] < 0) & df["jump"] < 0]

如上面代码所示，只需要根据前文向上跳空概念以及向下跳空概念进行判断即可。

绘制跳空缺口

经过上面的代码运算，我们已经得到了跳空缺口。下面，我们就可以根据这些值来绘制K线图，并标记出跳空缺口的位置。完整代码如下所示：

import matplotlib.pyplot as plt
import pandas as pd
import matplotlib.ticker as ticker
import mpl_finance as mpf

def count_gap(cPriceUp, preLow, preHigh, low, high, threshold):
    jump_value = 0
    if (cPriceUp > 0) and ((low - preHigh) > threshold):
        # 向上跳空
        jump_value = (low - preHigh) / threshold
    elif (cPriceUp < 0) and ((preLow - high) > threshold):
        # 向下跳空
        jump_value = (high - preLow) / threshold
    return jump_value

df = pd.read_excel("牧原股份.xlsx")
df['date'] = pd.to_datetime(df['date'])
df['date'] = df['date'].apply(lambda x: x.strftime('%Y-%m-%d'))
jump_threshold = df["close"].median() * 0.01
# 计算涨跌幅
df['cPriceUp'] = df["close"].pct_change() * 100
# 增加昨日最低价序列
df["preLow"] = df["low"].shift(1)
# 增加昨日最高价序列
df['preHigh'] = df['high'].shift(1)
# 增加空白列jump
df = df.assign(jump=0)
# 计算所有跳空值
df['jump'] = df.apply(
    lambda row: count_gap(row['cPriceUp'], row['preLow'], row['preHigh'], row['low'], row['high'], jump_threshold),
    axis=1)
# 向上跳空
up_jump = df[(df["cPriceUp"] > 0) & df["jump"] > 0]
# 向下跳空
down_jump = df[(df["cPriceUp"] < 0) & df["jump"] < 0]
fig = plt.figure(figsize=(12, 8))
ax = fig.add_subplot(111)
plt.rcParams['font.sans-serif'] = ['SimHei']
#绘制K线图
mpf.candlestick2_ochl(ax, df["open"], df["close"], df["high"], df["low"], width=0.6, colorup='r',
                          colordown='green',
                          alpha=1.0)
#绘制向下跳空与向上跳空缺口指标
for key, val in df.items():
    for index, today in up_jump.iterrows():
        x_posit = df.index.get_loc(index)
        ax.annotate("{}\n{}".format("向上跳空", today["date"]), xy=(x_posit, today["preHigh"]),
                    xytext=(-30, -up_jump["close"].mean() *0.5), xycoords="data",
                    fontsize=18, textcoords="offset points", arrowprops=dict(arrowstyle="simple", color="r"))
for key, val in df.items():
    for index, today in down_jump.iterrows():
        x_posit = df.index.get_loc(index)
        ax.annotate("{}\n{}".format("向下跳空", today["date"]), xy=(x_posit, today["preLow"]),
                    xytext=(-30, down_jump["close"].mean() *0.5), xycoords="data",
                    fontsize=18, textcoords="offset points", arrowprops=dict(arrowstyle="simple", color="r"))
ax.xaxis.set_major_locator(ticker.MaxNLocator(20))
def format_date(x, pos=None):
    if x < 0 or x > len(df['date']) - 1:
        return ''
    return df['date'][int(x)]

ax.xaxis.set_major_formatter(ticker.FuncFormatter(format_date))
plt.setp(plt.gca().get_xticklabels(), rotation=45, horizontalalignment='right')

运行之后，得到的效果如下图所示：

前面我们提到了比亚迪，至今没有回补50的缺口，对于这样的股票怎么办呢？其实很简单，你设置一个筛选条件，上涨超过多少，忽略其跳空缺口。像比亚迪这种一般来说肯定回不去了，那么大于一定涨幅，就不要记录缺口了。