下跌行情你不妨试试这个策略，准确率还行，附量化源码
大家好，我是花姐。最近不是行情又一波回落嘛，说实话，我本人对这种“横着等死、竖着止损”的行情体感……挺差的 😂 不过也不能全躺平，有意思的东西还是得多琢磨。上周一个朋友，专做短线技术面的那种，突然发我个图形思路——日线涨停→缩量调整→20日线企稳买入。
我一开始听还挺敷衍：“又是这种套路？👀”
但他说了句很关键的话：“你去叠下题材试试，搭配热点，成功率能拉到80%。”
啊这……那我肯定不信啊。
不过咱搞量化的，不信嘴信回测。于是我开干了。
图形信号的逻辑拆解
咱们先把这个“技术图形”讲清楚：
- 涨停板：说明这票短期有点妖，或者资金关注度比较高。哪怕后面调整，主力可能没完全走。
- 缩量调整：典型洗盘动作，筹码干净，不怕砸。
- 20日线企稳：常用做中期支撑，很多游资/量化都会在这儿盯盘。
简单说，这逻辑就像——有辆车突然提速（涨停），然后靠边慢慢滑行（缩量整理），接着到了个减震带（20日线）发现，嗯？没掉下去？那可能要继续起飞 🚀
所以，聪明的你一定会发现：这其实是一种博短反的形态策略，关键是低风险、小肉稳、偶尔吃大肉。
思路明确了，怎么用Python搞定？
说干就干。我用的还是老搭档 AKshare + pandas
我分3步走：
- 下载25年的全部A股日线行情
- 找出符合这种图形条件的股票
- 再看买入以后的表现，验证传说中“80%成功率”靠不靠谱
第一步：下载数据
这里我们用了AKShare库来实现
先下载所有股票的列表，返回一个Dataframe的格式
import akshare as ak
stock_list = ak.stock_info_a_code_name()
print(stock_list)
for i,r in stock_list.iterrows():
code = r.code
df = ak.stock_zh_a_hist(
symbol=code,
start_date='20250101',
end_date='20250523',
adjust='qfq'
)
df.to_csv(str(code)+".csv",index=False)
有条件的可以写个多线程，下载速度会很快 或者像花姐这样写个小工具
第二步：识别图形（重点在图形）
别直接上来就写策略，踩坑了你就知道多痛。
我第一版就吃了个大亏：简单以为“涨停→连跌→到20日线”可以用收盘价判定。但实际上，涨停也分真假，连跌也有洗盘or崩盘之分，20日线也不能当神明膜拜。
所以，我做了些小修正👇
核心判断条件：
- 最近N天（我这里用的是30天）内有一天涨停
- 涨停后到回踩20日均线期间呈缩量状态
- 当前股价贴近或略破20日均线（容忍度2%）
- 成交量不能突然放大（防止反抽砸盘）
数据验证： 发现信号以后，次日按照开盘价买入，然后统计未来10天内最高收益。
以下是策略源码，感兴趣的可以在这个基础上做优化。
import pandas as pd
import numpy as np
import os
from scipy.stats import linregress
def is_zhangting(row, exchange='sh'):
pct = row['涨跌幅']
if exchange == 'sh':
return pct >= 9.8
else:
return pct >= 19.5
def is_shrink_trend(volumes):
# 用线性回归判断是否为下降趋势
x = np.arange(len(volumes))
slope, _, _, _, _ = linregress(x, volumes)
return slope < 0 # 斜率小于0说明在缩量
def check_signal(df, code):
df = df.copy()
df = df.sort_values('日期')
df.reset_index(drop=True, inplace=True)
df['20日均线'] = df['收盘'].rolling(20).mean()
if len(df) < 45:
return []
if code.startswith('6'):
exchange = 'sh'
else:
exchange = 'sz'
signals = []
# 提取最近30根K线
recent_df = df.iloc[-30:].copy()
recent_df.reset_index(drop=True, inplace=True)
i = 0
while i < len(recent_df)-3:
row = recent_df.iloc[i]
if not is_zhangting(row, exchange):
i += 1
continue
# 涨停后找回踩
for j in range(i + 1, len(recent_df)):
price = recent_df.iloc[j]['收盘']
ma20 = recent_df.iloc[j]['20日均线']
if pd.isna(ma20):
continue
if abs(price - ma20) / ma20 <= 0.02:
回踩段 = recent_df.iloc[i + 1 : j + 1]
if len(回踩段) < 3:
break
diff = 回踩段['收盘'] - 回踩段['开盘']
red_k = (diff > 0).sum()
green_k = (diff <= 0).sum()
if red_k >= green_k:
break
if not is_shrink_trend(回踩段['成交量'].values):
break
buy_index = j + 1
if buy_index >= len(recent_df):
break
buy_row = recent_df.iloc[buy_index]
buy_price = buy_row['开盘']
buy_date = buy_row['日期']
future = recent_df.iloc[buy_index+1 : buy_index + 11]
max_high = future['最高'].max()
max_gain = (max_high - buy_price) / buy_price * 100
signals.append({
'股票代码': code,
'涨停日期': row['日期'],
'买入日期': buy_date,
'买入价': round(buy_price, 2),
'未来最高涨幅%': round(max_gain, 2),
'红K数': int(red_k),
'绿K数': int(green_k),
'是否缩量': True,
'观察K线数': len(future)
})
i = j + 10 # 跳过一段，防止重复命中同一波段
break
i += 1
return signals
# 遍历CSV文件夹
path = r'行情目录' # 当前目录
files = [f for f in os.listdir(path) if f.endswith('.csv')]
all_signals = []
for file in files:
file = os.path.join(path,file)
try:
df = pd.read_csv(file)
if '股票代码' not in df.columns:
print(f"文件 {file} 缺少必要字段")
continue
code = str(df['股票代码'].iloc[0])
signals = check_signal(df, code)
if signals:
print(code,'发现信号')
all_signals.extend(signals)
except Exception as e:
print(f"错误处理文件 {file}: {e}")
# 保存结果
result_df = pd.DataFrame(all_signals)
result_df.to_csv('信号筛选结果.csv', index=False)
print("筛选完成，结果保存至 信号筛选结果.csv")
回测验证：小肉多？大肉看命？
📊结果感人：
我把未来够10个交易日的数据做了个统计，涨幅大于1%的准确率大于91.53%，高的可怕。 这是最高收益散点图，收益为负的基本上没几个。
当日这只是统计最高收益，操作不好可能还拿不到，所以我那个朋友说他有80%的成功率还是相当靠谱的。
题材叠加才是精华部分
单纯靠图形就能有9成胜率，那如果你再懂点“题材炒作”——比如CPO、新质生产力、AI大模型啥的。
你在信号出现那几天叠个热点进去，胜率会明显更稳，爆发力也会更猛。
最后啰嗦几句
这类图形交易的风险其实不在图形本身，而在你无法判断什么时候不该上。比如大盘破位、板块退潮、情绪低迷，那种时候，即便信号再漂亮也别动。
还有很多人问我：“花姐，这图形策略能不能全自动运行？” 当然能。但如果你没做好风险控制和过滤逻辑，那不是策略，是刀片机。切谁都快，就看你心脏硬不硬了。
策略世界不缺模型，缺的是你这种肯愿意多敲几行代码的灵魂 😉
我们下期见。
—— 花姐 🐍💰
当然可以，像这种涉及技术图形和量化策略的文章，风险提示一定要写得专业但不过于吓人，既要起到免责作用，又不能打击读者热情。
下面是我为你量身定制的一段风险提示，语气是偏“实在型”，既保持花姐一贯的真诚，也能给读者留个好印象👇
风险提示
本文内容仅为本人在实盘研究过程中的经验分享与技术交流，不构成任何投资建议。文中提及的选股逻辑、量化策略均基于历史数据回测，有一定的统计参考意义，但并不代表未来一定有效。
股票市场受多种不可控因素影响，即使技术形态符合，也可能因市场情绪、题材退潮、突发事件等原因出现偏离。策略实测中提及的“胜率”是统计结果，不保证每次操作都能获利。
请各位读者在使用策略前务必结合自身风险偏好进行独立判断，若据此操作，风险自负。感谢理解与支持。
