Pandas连续涨停统计

题图: 哈佛大学

常常需要快速统计出一段时间内，最强的股和最弱的股，以便研究该区间内，强势股和弱势股有什么特点。

如果使用循环，这就跟掰着手指头数数没啥区别，各位藤校生一定是不屑的。所以，我们来看看如何简洁优雅地实现这一功能，同时可以在同事面前zhuangbility.

这里我们以2023年的数据为例，要求统计出连续涨停在n天以上的个股，并且给出涨停时间。同样的方案也可以找出当年最终的股，以及它们的时间。

你可以对着屏幕把代码copy下来，自己找来数据验证。不过要是赶时间的话，建议加入我的部落：

加入部落者，即可获得Quantide研究环境账号，直接运行和下载本教程。

我们先加载数据：

np.random.seed(78)
start = datetime.date(2023,1,1)
end = datetime.date(2023, 12, 31)

barss = load_bars(start, end, -1)
barss.tail()

load_bars函数在我们的研究环境下可用。这将得到以下格式的数据：

date	asset	open	high	low	close	volume	amount	price
2023-12-25	****	30.85	31.20	30.06	30.08	3591121.00	109649397.62	30.14
2023-12-26	****	30.14	30.25	26.00	27.85	9042296.00	251945474.00	27.90
2023-12-27	****	27.90	28.89	27.18	28.89	5488847.00	155156381.16	28.58
2023-12-28	****	28.58	29.85	28.44	29.20	5027247.00	147201133.00	29.25
2023-12-29	****	29.25	30.14	29.25	29.66	3923048.00	116933800.77	NaN

我们只取价格数据，然后展开成宽表，以求出每天的涨跌符：

pd.options.display.max_columns = 6
returns = barss.close.unstack("asset").pct_change()
returns.tail()

现在我们将得到这样的结果：

date	****	****	****	...	****	****	****
2023-12-25	-0.00	-0.01	-0.02	...	-0.01	-0.03	-0.03
2023-12-26	-0.01	-0.01	-0.02	...	0.00	-0.02	-0.07
2023-12-27	0.00	0.00	0.02	...	-0.01	0.00	0.04
2023-12-28	0.04	0.03	0.01	...	0.03	0.02	0.01
2023-12-29	-0.01	-0.01	0.02	...	0.00	-0.00	0.02

5 rows × 5085 columns

接下来，我们要判断哪一天为涨停。因为我们的目标并不是执行量化交易，只是为了研究，所以，这里可以容忍一定的误差。我们用以下方式决定是否涨停（排除北交所、ST）：

criteria = ((returns > 0.095) & (returns < 0.105)) | 
            ((returns > 0.19)& (returns < 0.21))
zt = returns[criteria].notna().astype(int)

这里的语法要点是，如何使用多个条件的组合，以及如何将nan的值转换为0，而其它值转换为1。

这里会出现nan，是因为我们处理的是宽表。在宽表中，有一些列在某个点上（行）不满足条件，而在该点上，其它列满足条件，导致该行必须被保留；不满足条件的列，在该行的值就是nan。然后我们用notna将nan转换为False，其它值转换为True，最后通过astype转换为整数0和1，1代表该天有涨停。

接下来，我们就要对每一个资产，统计它的连续涨停天数。我们用以下函数来处理：

def process_column(series):
    g = (series.diff() != 0).cumsum()

    g_cumsum = series.groupby(g).cumsum()

    result = series.copy()
    result[g_cumsum > 1] = g_cumsum[g_cumsum > 1]
    return result

这个函数的巧妙之处是，它先计算每一行与前一行的差值，并进行累加。如果有这样一个序列: 0 0 1 1 1 0 0，那么diff的结果就是nan, 0, 1, 0, 0, -1, 0。这里不为0的地方，就表明序列的连续状态发生了变化：要么出现连续涨停，要么连续涨停中止。

然后它通过cumsum累计差分序列。这样就与原序列形成如下的对应关系：

原序列	diff	diff!=0	cumsum
0	nan	true	1
0	0	false	1
1	1	true	2
1	0	false	2
1	0	false	2
0	-1	true	3
0	0	false	3

如果把这里的cumsum看成组号，那么就可以通过groupby分组，然后计算每组中非0的个数，就得到组内连续涨停次数。这就是第4行的工作。

Marvelous!

最后，我们来应用这个函数：

df_processed = zt.apply(process_column, axis=0)
df_processed.stack().nlargest(5)

我们得到以下结果（部分）：

date	asset	连续涨停
2023-10-25	**.XSHG	14
2023-10-24	**.XSHG	13
2023-03-21	**.XSHE	12
2023-10-23	**.XSHG	12
2023-03-20	**.XSHE	11

我们拿其中一个验证一下：

code = "******.XSHG"

bars = barss.xs(code, level="asset")
bars["frame"] = bars.index

plot_candlestick(bars.to_records(index=False), 
                ma_groups=[5,10,20,60])

我们来看下k线图：

最后，我们把函数封装一下：

def find_buy_limit(closes, low = 0.095, high = 0.105,n=50):
    def process_column(series):
        group = (series.diff() != 0).cumsum()

        group_cumsum = series.groupby(group).cumsum()

        result = series.copy()
        result[group_cumsum > 1] = group_cumsum[group_cumsum > 1]
        return result

    returns = closes.unstack("asset").pct_change()
    criteria = (returns > low) & (returns < high)

    zt = returns[criteria].notna().astype(int)
    df_processed = zt.apply(process_column, axis=0)
    return df_processed.stack().nlargest(n)

find_buy_limit(barss.close)

最后，这一届的奥斯卡颁给...的主力（算了，哪怕是历史数据，也不要透露了）。

当你不知道该往哪里踢时，就往球门里踢！现在，对着你去年错过的连接14个涨停，来找找规律吧！