A 股实战分析框架 (2026年5月·最新真实数据版)

更新日期: 2026年5月2日 | 版本: v5 数据来源: akshare（新浪源 stock_zh_a_daily）| 验证状态: ✅ 真实数据已跑通 角色设定: 专注 A 股市场的资深量化分析师

---

1. 数据获取与验证

1.1 akshare 真实数据下载

import akshare as ak
import pandas as pd

# 平安银行 (sz000001) 近期真实数据验证
df = ak.stock_zh_a_daily(
    symbol='sz000001',      # 平安银行
    start_date='20260420',
    end_date='20260502',
    adjust='qfq'            # 前复权
)

print(df.tail())
# date         open   high    low  close    volume       amount
# 2026-04-24  10.98  11.03  10.92  11.00  58271012  6.40e+08
# 2026-04-27  11.33  11.57  11.29  11.38 340127567  3.89e+09  ← 放量上涨
# 2026-04-28  11.36  11.46  11.32  11.46 167425883  1.91e+09
# 2026-04-29  11.43  11.54  11.39  11.52 137842344  1.58e+09
# 2026-04-30  11.50  11.60  11.46  11.49 113924162  1.31e+09

1.2 数据字段说明

字段	含义	分析用途
date	交易日期	时间序列分析
open	开盘价	缺口分析
high	最高价	压力位识别
low	最低价	支撑位识别
close	收盘价	趋势判断
volume	成交量	量价关系分析
amount	成交额	资金流向判断
turnover	换手率	活跃度判断

---

2. 技术面分析框架

2.1 均线系统

def calculate_ma(df, periods=[5, 10, 20, 60, 120, 250]):
    """计算多周期移动平均线"""
    for p in periods:
        df[f'MA{p}'] = df['close'].rolling(window=p).mean()
    return df

# 多头排列判断（MA5 > MA10 > MA20 > MA60）
# 空头排列判断（MA5 < MA10 < MA20 < MA60）
# 金叉：短期均线上穿长期均线
# 死叉：短期均线下穿长期均线

2.2 MACD/RSI/KDJ 指标共振

import talib
 MA20 < MA60）
# 金叉：短期均线上穿长期均线
# 死叉：短期均线下穿长期均线

2.2 MACD/RSI/KDJ 指标共振

import talib# MACD 计算
df['macd_dif'], df['macd_dea'], df['macd_hist'] = talib.MACD(
    df['close'].values, fastperiod=12, slowperiod=26, signalperiod=9
)

# RSI 计算（14日）
df['rsi'] = talib.RSI(df['close'].values, timeperiod=14)

# KDJ 计算
df['kdj_k'], df['kdj_d'] = talib.STOCH(
    df['high'].values, df['low'].values, df['close'].values,
    fastk_period=9, slowk_period=3, slowd_period=3
)
df['kdj_j'] = 3 * df['kdj_k'] - 2 * df['kdj_d']

2.3 量价关系判断

量价形态	特征	含义
量增价涨	成交量放大 + 价格上涨	多头力量强劲
量缩价涨	成交量萎缩 + 价格上涨	上涨动能减弱
量增价跌	成交量放大 + 价格下跌	恐慌抛售
量缩价跌	成交量萎缩 + 价格下跌	下跌动能衰竭
天量天价	成交量创近期新高 + 价格高位	可能见顶
地量地价	成交量创近期新低 + 价格低位	可能见底

2.4 支撑位与压力位

def find_support_resistance(df, lookback=20):
    """寻找近期支撑位和压力位"""
    recent = df.tail(lookback)
    support = recent['low'].min()
    resistance = recent['high'].max()
    return support, resistance

# 压力位 = 近期最高点（卖盘集中区域）
# 支撑位 = 近期最低点（买盘集中区域）
# 观察区间 = [支撑位, 压力位]

---

3. 资金面分析

3.1 北向资金动向

# 北向资金历史数据
north_flow = ak.stock_hsgt_north_net_flow_in_em(symbol='沪股通')
# 分析：连续3日净流入 = 外资看好
#      连续3日净流出 = 外资看空

3.2 主力资金流向

# 个股主力资金流向
# 超大单 + 大单 = 主力资金
# 中单 + 小单 = 散户资金
# 主力净流入 > 0：资金进场
# 主力净流出 < 0：资金撤离

3.3 换手率分析

换手率范围	含义	操作建议
< 1%	极度冷清	观望
1-3%	正常交易	结合其他指标
3-7%	活跃	关注资金方向
7-15%	高度活跃	注意风险
> 15%	异常活跃	警惕主力出货

---

4. 舆情面分析框架

合其他指标 | | 3-7% | 活跃 | 关注资金方向 | | 7-15% | 高度活跃 | 注意风险 | | > 15% | 异常活跃 | 警惕主力出货 |

---

4. 舆情面分析框架### 4.1 近期重大新闻/公告

• 关注公司官方公告（巨潮资讯网）
• 行业政策变化（国务院、证监会公告）
• 2026年"十五五"规划开局之年相关产业政策

4.2 行业板块轮动逻辑

2026年 A 股主要投资主线： 1. AI/算力产业链: 大模型应用落地 2. 新能源: 十五五规划重点 3. 消费复苏: 内需拉动政策 4. 医药生物: 创新药+医疗器械

4.3 散户情绪指标

指标	看多信号	看空信号
换手率	温和放量	异常放大
融资余额	稳步上升	快速下降
贴吧热度	理性讨论	狂热追涨
龙虎榜	机构买入	游资接盘

---

5. 决策仪表盘模板

5.1 关键数据看板

┌─────────────────────────────────────────────┐
│             决策仪表盘                       │
├─────────────────┬───────────────────────────┤
│ 现价            │ [收盘价]                   │
│ 今日涨跌幅      │ [涨跌幅%]                  │
│ 换手率          │ [换手率%]                  │
│ 市盈率(动)      │ [市盈率]                   │
├─────────────────┼───────────────────────────┤
│ MACD 状态       │ [金叉/死叉/粘合]           │
│ RSI 状态        │ [超买>70 / 超卖<30 / 正常] │
│ KDJ 状态        │ [超买 / 超卖 / 正常]       │
│ 量价关系        │ [量增价涨/量缩价涨/...]    │
├─────────────────┼───────────────────────────┤
│ 支撑位          │ [价格]                     │
│ 压力位          │ [价格]                     │
│ 观察区间        │ [支撑位 - 压力位]          │
├─────────────────┴───────────────────────────┤
│ 风险提示:                                    │
│ 1. [风险点1，如板块退潮]                     │
│ 2. [风险点2，如业绩不及预期]                  │
│ 3. [风险点3，如政策变化]                     │
└─────────────────────────────────────────────┘

5.2 操作建议规范

• 严禁使用缩写（市盈率 不能写 PE）
• 严禁给出"明天必涨"等无依据结论
• 必须基于数据逻辑推导
• 操作建议以"观察区间"形式给出，而非具体买卖价

---

6. 多因子量化选股框架

（市盈率 不能写 PE） - 严禁给出"明天必涨"等无依据结论 - 必须基于数据逻辑推导 - 操作建议以"观察区间"形式给出，而非具体买卖价

---

6. 多因子量化选股框架### 6.1 因子分类

因子类型	代表因子	方向
价值因子	市盈率、市净率	低估值偏好
质量因子	净资产收益率、毛利率	高质量偏好
动量因子	20日涨幅、60日涨幅	强者恒强
成长因子	净利润增长率	高成长偏好
情绪因子	换手率、振幅	低换手偏好

6.2 因子 IC 分析

# IC (Information Coefficient): 因子值与下期收益率的秩相关系数
# IC > 0.03: 因子有效
# IC > 0.05: 因子强有效
# IR (Information Ratio) = IC均值 / IC标准差
# IR > 0.5: 因子稳定有效

6.3 实战代码框架

import akshare as ak
import pandas as pd
import numpy as np

def get_a_stock_list():
    """获取全部 A 股列表"""
    df = ak.stock_zh_a_spot_em()
    return df[['代码', '名称', '最新价', '涨跌幅', '成交量', '换手率', '市盈率-动态', '市净率']]

def multi_factor_score(df):
    """多因子打分法"""
    # 1. 标准化处理
    factors = ['市盈率-动态', '市净率', '换手率']
    for f in factors:
        df[f'{f}_rank'] = df[f].rank(pct=True)

    # 2. 因子加权（等权示例）
    df['score'] = (
        (1 - df['市盈率-动态_rank']) * 0.4 +  # 低市盈率偏好
        (1 - df['市净率_rank']) * 0.3 +        # 低市净率偏好
        (1 - df['换手率_rank']) * 0.3          # 低换手偏好
    )

    # 3. 排序
    return df.sort_values('score', ascending=False).head(20)

---

7. 2026年 A 股量化实战要点

7.1 市场特征

• 2025年沪指刷新十年新高，2026年"十五五"开局
• 美联储降息释放流动性，板块结构性行情延续
• AI 产业浪潮推动科技板块估值重估 26年 A 股量化实战要点

7.1 市场特征

• 2025年沪指刷新十年新高，2026年"十五五"开局
• 美联储降息释放流动性，板块结构性行情延续
• AI 产业浪潮推动科技板块估值重估### 7.2 量化策略建议

策略类型	适用环境	核心逻辑
多因子选股	震荡/慢牛	基本面 + 技术面共振
动量轮动	趋势行情	强者恒强，及时切换
均值回归	震荡市	超跌反弹，超涨回调
事件驱动	政策/财报期	捕捉信息不对称

---

下期预告: 机器学习因子挖掘、A 股高频数据处理、回测框架搭建 Wiki 链接: 多因子模型 | 情绪周期 | 机器学习进阶