行业和题材双轮动才是王道!Web版热力图跟踪行业和题材切换!

行业和题材双轮动才是王道!Web版热力图跟踪行业和题材切换!_第1张图片


f4971a533bf8b478b14d077b28b94f2b.png

前言

08c3c98122d5b35077a87c2c8dc925ba.png

行业和概念题材是市场内具有相似属性的同一类股票。

板块轮动是指当具有行业或者概念题材属性的某一个板块持续了一定热度之后,开始无人问津的时候,此时另外一个板块突然接棒。这种热度在多个板块中切换出现,维持着市场的人气。

板块切换的原因有很多,有政策面的变化、周期性行业常规表现,或者是资金面的炒作等等。

未来的A股市场无论牛市、熊市还是震荡市场更多的还是结构性机会,也就是行业及题材板块的热点轮动,此消彼长,这会是一种常态,留给股友们更多的机会是踏准板块热点切换的节奏。

本文我们就用数据透视表和热力图这两个数据分析的利器,来介绍下如何跟踪行业和概念题材这两大类板块的热点切换!


011a2ffad0007cae4f41750d8050592c.png

板块数据获取

dd5a015a4dd6039e7ee7f77877ebc160.png

我们为星友们开启了股票数据的下载服务,我们搭建了一台云服务器,在云服务器上建立了FTP站点,供星友们在需要的时候远程下载数据。

目前我们提供了以下7类数据,分别为:
  • 季度A股个股财报

  • 季度基金持仓前十

  • 每日A股个股行情

  • 每日A股板块行情

  • 每日北向资金持仓

  • 每日A股热门概念

  • A股市场实盘行情

因此我们可以从中获取到“每日A股板块行情” “每日A股热门概念”数据。
每日A股板块行情内容包括:

板块名称、板块最新价、板块涨跌额、板块涨跌幅、板块总市值、板块换手率、上涨家数、下跌家数、领涨股票、领涨幅、领跌股票、领跌幅

每日A股热门概念内容包括:

概念名称、最新价、涨跌额、涨跌幅、总市值、换手率、上涨家数、下跌家数、领涨股票、涨幅、领跌股票、跌幅、当前时间

具体介绍可以点击以下公众号文章链接查看:

新增A股热门概念行情—股票数据远程下载服务升级


5e87db6e56543f57ffd5696a5593f4f0.png

如何制作数据透视表

d8774fb5a3c457680ac819a7de824e30.png

数据透视表(Pivot Table)对大家并不陌生,在EXCEL中就经常会用来统计分析数据。

Pandas这个库是可以取代Excel完成各自数据统计分析的,在Pandas中提供了一个类似的功能函数pivot_table()。

在创建数据透视表之前,我们得清楚地明确我们想通过透视表解决什么问题。

平时我们在股票分析的时候,除了关注指数的动态之外,还会关注板块的动态。特别是市场不断扩容的前提下,板块的选择尤其重要。

比如像我的话,会统计出每个交易日板块的一些整体动态,比如涨跌幅、总市值、换手率、上涨家数、下跌家数、领涨股票……

如下所示为2021-11-05的板块情况:

行业和题材双轮动才是王道!Web版热力图跟踪行业和题材切换!_第2张图片

行业和题材双轮动才是王道!Web版热力图跟踪行业和题材切换!_第3张图片

当然了,每天的板块数据是静态的,无法识别出板块的变化趋势,于是我们得把每天的板块数据链接起来分析。代码中我们可以设定选取近一个月的板块数据来进行分析。

接下来我们首先是把近一个月的板块数据csv文件中加载到程序中,成为DataFrame对象,然后合并为一份。

准备工作完成之后,我们就使用pivot_table()函数完成数据透视表。

pandas.pivot_table接口介绍如下:

pandas.pivot_table (data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All', observed=False)

官方文档有对各个参数做解释,此处不在赘述。

对于行业板块的数据,我比较关注的是“换手率”和“涨跌家数”。

接下来介绍下如果用pivot_table()观察“涨跌家数”。

我观察“涨跌家数”数据是在某一个热点板块持续火爆的时候,我通过涨跌个数的比例来观察板块热点的持续时间。通常一个板块快熄火的时候,虽然有些龙头股还在涨,但是同一板块的跟风股会提前下跌。

我们需要对数据做一些处理,计算出板块的上涨比例值,如下所示:

df_bk_week["上涨比例"] = df_bk_week["上涨家数"] / (df_bk_week["上涨家数"] + df_bk_week["下跌家数"])
df_bk_week["上涨比例"]=df_bk_week["上涨比例"].round(2)

然后再做成一份数据透视图。此处用了columns=["交易日"],将交易日从index参数中抽出放进columns参数中。

df_bk_pivot = pd.pivot_table(df_bk_week, index=["板块名称"], columns=["交易日"], values=["上涨比例"], aggfunc=np.mean)

b2c42c623d462299e076b1f03d310336.png

Web版热力图呈现

e8f8bcecf7d3d87c55bd88effae69747.png

光是有一张数据透视表对我来说还不算很直观。于是我采用更直观的Web版的热力图(heatmap)来呈现板块涨跌个数及涨跌幅的变化。

我在网页上增加了切换按钮,点击一下就可以切换相应的Web图形,包括了上涨个股比例、涨跌幅。这样就能多幅页面之间来回切换用不同视角观察板块的动态。

效果如下所示:

行业和题材双轮动才是王道!Web版热力图跟踪行业和题材切换!_第4张图片

行业和题材双轮动才是王道!Web版热力图跟踪行业和题材切换!_第5张图片

行业和题材双轮动才是王道!Web版热力图跟踪行业和题材切换!_第6张图片

需要注意的是页面上会根据最近交易日板块数值大小做排序显示。

4a7e0e76baff2471819fb611f7b59093.png

抛砖引玉的选股技巧

ed3e59dbe3422b9aaacee64156899fb2.png

如何将行业及概念题材联合起来分析呢?这里给大家一个思路,我一般会先看行业,当某个行业在热力图上排前几时就可以开始重点关注,然后再去看概念题材热力图上排前几的板块。

接着选出这些行业和题材所包含的个股。由于其中有些股票是跟风上涨的,为了避免买到一些弱势的股票,我们可以选那些同时属于热门行业和热门题材之中股票,相对来说市场炒作的热度会更大些。

当然这只是选股系统中的一个子环节,完整的股票分析是包含多个维度全面分析的,这样才能增加选到牛股的概率!

3c3317dd04dc33aa1af68e6f58422d91.png

视频展示

7ac8cdcaa3c95cdc91b5c678bf3616d1.png

说明

1. 我们会把完整的源码上传到知识星球《玩转股票量化交易》中,帮助小伙伴们更好地掌握这个方法。

2. 想要加入知识星球《玩转股票量化交易》的小伙伴记得先微信call我获取福利,名额有限先到先得!

行业和题材双轮动才是王道!Web版热力图跟踪行业和题材切换!_第7张图片

元宵大师的量化交易书籍开售!!
京东、当当、天猫有售!!

行业和题材双轮动才是王道!Web版热力图跟踪行业和题材切换!_第8张图片

你可能感兴趣的:(java,python,大数据,人工智能,机器学习)