标签：分析 关系 df 价涨量 价平量 成交量 价跌量 量价 价格

目录

• 1.量价关系概述
• 2.量价关系分析
• • 2.1 价涨量增
  • 2.2 价涨量平
  • 2.3 价涨量缩
  • 2.4 价平量增
  • 2.5 价平量缩
  • 2.6 价跌量增
  • 2.7价跌量平
  • 2.8 价跌量缩
• 3. 成交量与均线思想结合制定交易策略

1.量价关系概述

“量”有成交量(股数)、成交金额、换手率等多种表现形式，“量”一般指交易市场中某种证券在某一特定时期内的交易数量。成交量体现了市场中多空力量的博弈。

• 成交的股数一般以“手”为单位，一手为100股。
• 成交额则直接体现了交易的资金量。
• 换手率指股票的每日成交量与股票的流通股本比值，主要体现个股的流动性和活跃度。

“价”指证券的交易价格，对股票而言一般指收盘价。
价格的变化与成交量有明显的相关关系。成交量是市场供求的一种表现

• 当市场供不应求时，即市场利好于多方力量时，投资者会纷纷进入市场买入股票，成交量会增加。
• 另一方面，市场处于冷清状态时，股票买方力量薄弱，购买量较少，成交量可能会减少。

一般来说，低成交量会伴随价格的降低，高成交量会伴随价格的上涨。成交量较大且价格上升时，适宜看涨；成交量较小且价格降低时，适宜看跌。

2.量价关系分析

量价关系不仅仅只有量高价涨和量低下跌这两种简单的形式。在上涨的行情中价格上涨有可能对应着成交量的下跌；在下跌行情中，价格下跌反而可能对应着成交量的上涨。
与价格一样，成交量可以有上涨、下跌、持平三种状态。每一个成交量的状态都可以与三种价格变化形态相联系，进而一共有9种对应关系。下边是几中常见的：

2.1 价涨量增

“价涨量增”的指价格与成交量同时增加，或者说价格随成交量的增加而增加。
价涨量增主要出现在上涨行情中，成交量的增加预示着股票价格上升动能的增强，股票价格会继续走高。
在中长期价涨量增关系中，市场的中长期都是上涨行情，股票市场短期的降价回调都是入场的好机会。价涨量增可能在下跌行情底部回升时，出现价涨量增，市场上出现了诸多利好因素，说明股票价格为来处于回升阶段，投资者可以从底部入场，等到价格上涨行情涌现时，获取盈利。

2.2 价涨量平

“价涨量平”表明当价格在持续上涨时，股票的成交量却不再上涨而是保持持平状态。即成交量的变化不大，价格上涨的动能可能不会再增加。价涨量平体现出一种背离关系，量价的背离释放出市场可能反转的信号。
上涨行情中价格持续上涨，成交量保持不变可能预示着价格即将到达顶部。如果成交量继而持平或者减少，价格可能会从顶部反转为下跌态势。
此外，价涨量平的量价背离不一定都是反转情形，也可能是市场处于调整期。市场经过一番洗盘之后。市场经过一番洗盘之后，有可能出现价涨量平情形。还有一种状态是，价格上涨过猛(比如连续多天涨停)，投资者对市场一致看好，买盘很多，但卖盘很少，成交量呈现出比较温和的状态，此时成交量失去反映市场动能的意义。价涨量平也体现出市场处于指标修复器。

2.3 价涨量缩

“价涨量缩”也是一种背离关系。市场横盘调整完可能会出现价涨量缩的情形，经过一番调整，一些投资者被洗盘出局，在洗盘过程中，市场参与者逐渐减少。洗盘结束初期行情看好，价格上涨，但获利盘卖盘较少，交易量呈现出收缩情形。

2.4 价平量增

价平量增出现在下跌行情的底部可能反转的情形中。在下跌行情中，价格不再下跌而是持平，但交易量在增大，说明多方力量(庄家)可能进行了低位布局。市场中出现了一些利好信息，买方力量在逐渐增强，多方投资者预测到未来可能出现的上涨趋势，在低位入场推动成交量上涨。此外，在上涨行情中，“价平量增”表明市场出现“高位滞涨”情形，价格处于高位时，价格不再上涨，而成交量却在增加，一种可能是股票市场在更换“庄家”。一般不能把价平量增的形态理解为市场处于中期洗盘调整期，因为洗盘成交量会收缩而不是增加。

2.5 价平量缩

一般出现在新一轮上涨行情初期，价格保持稳定而成交量在减少。当市场进行调整洗盘时，可能会出现“价平量缩”。

2.6 价跌量增

“价跌量增”指成交量增加的情况下，股票价格反而下跌。
一般出现在高位下跌行情初期。投资者不看好市场，卖方力量较大，投资者大量卖出。
另一种可能是下跌末期的市场，做多力量慢慢增强，成交量会增加，但多方力量与空方力量的较量还不至于会抬高股价，价格依旧下跌。

2.7价跌量平

“价跌量平”表示当价格下跌时，成家立保持平稳。价跌量平释放出趋势回稳信号，但还是没办法预测后市介个走势。如果“价跌量平”跟随在“价平量平”后面，则表明已经开始出现下跌行情，成交量不变，股价大幅下滑，投资者要可能要考虑及时出逃。

2.8 价跌量缩

股价下跌的同时成交量也在收缩。
当市场出于盘整期，市场价格下跌，一部分投资者逃离市场，可能会出现该情形。
在单边下跌行情阶段，“价跌量跌”形态体现出市场即将出现止跌的情形，空方力量逐渐耗尽，卖出力量较小，成交量也在减小。
此外，在单边下跌行情中，市场行情不好，买方力量很弱，接盘力量较小，也会出现“价跌量缩”的情形。

3. 成交量与均线思想结合制定交易策略

步骤概述如下：

1. 获取成交量数据volume，计算成交量的5日简单移动平均数VolSMA5和10日简单移动平均数VolSMA10，并制定成交量均值VolSMA，
   V o l S M A = V o l S M A 5 + V o l S M A 10 2 \displaystyle VolSMA=\frac{VolSMA5+VolSMA10}{2} VolSMA=2VolSMA5+VolSMA10​
2. 获取价格数据，获取5日移动平均和20日简单移动平均数
3. 制定交易信号：成交量volume大于成交量均值VolSMA时，释放出买入信号；成交量volume小于等于成交量均值VolSMA时，释放出卖出信号。
4. 价格5日均线向上突破20日均线时，释放买入信号；反之，卖出释放信号。
5. 合并交易信号。成交量与均线均释放买入时才买入，均释放卖出时执行卖出。
6. 交易策略评价。

# 获取数据
import tushare as ts
import pandas as pd
import numpy as np
token = 'Your token'   # 输入你的接口密匙，获取方式及相关权限见Tushare官网。这句话不能照抄！
pro = ts.pro_api(token)
def get_data(tscode):
	df = pro.daily(ts_code=tscode)
	df = df.loc[:, ['trade_date', 'open', 'high', 'low', 'close', 'vol']]
	df.rename(
	    columns={
	        'trade_date': 'Date', 'open': 'Open',
	        'high': 'High', 'low': 'Low',
	        'close': 'Close', 'vol': 'Volume'},
	    inplace=True)       # 重定义列名，方便统一规范操作。
	df['Date'] = pd.to_datetime(df['Date'])  # 转换日期列的格式，便于作图
	df.set_index(['Date'], inplace=True)  # 将日期列作为行索引
	df = df.sort_index() # 倒序以便作图
	return df

df = get_data('002271.SZ')   # 东方雨虹为例

# 定义简单移动平均函数
def smaCal(tsPrice, k):
	import pandas as pd
	Sma = pd.Series(0.0, index=tsPrice.index)
	for i in range(k-1, len(tsPrice)):
		Sma[i] = sum(tsPrice[(i-k+1):(i+1)])/k
	return(Sma)

# 求成交量均值VolSMA
VolSMA5 = smaCal(df.Volume, 5)[9:]
VolSMA10 = smaCal(df.Volume, 10)[9:]
VolSMA = ((VolSMA5+VolSMA10)/2)

# 制定交易信号
VolSignal=(df.Volume[9:] > VolSMA) *1

sma5=smaCal(df.Close,5)[19:]
sma20=smaCal(df.Close,20)[19:]

# 定义向上突破函数
def upbreak(Line,RefLine):
	signal = np.all([Line > RefLine,Line.shift(1) < RefLine.shift(1)],axis=0)
	return pd.Series(signal[1:],index=Line.index[1:])*1	

# 定义向下突破函数
def downbreak(Line,RefLine):
	signal = np.all([Line < RefLine,Line.shift(1) > RefLine.shift(1)],axis=0)
	return pd.Series(signal[1:],index=Line.index[1:])*1

# 捕捉5日均线向上突破20日均线的日期
UpSMA = upbreak(sma5,sma20)
# 捕捉5日均线向下突破20日均线的日期
DownSMA = downbreak(sma5,sma20)

# 指定均线交叉的买卖信号，并合并买卖信号
SMAsignal = UpSMA - DownSMA

# 对成交量信号与价格均线信号进行加总
signal = VolSignal + SMAsignal
signal = signal.dropna()
trade = signal.replace([2,-2,1,-1,0],[1,-1,0,0,0])
trade = trade.shift(1)[1:]

# 求该策略胜率
ret = ((df.Close-df.Close.shift(1)) / df.Close.shift(1))['2020']
ret.name = 'stockRet'
tradeRet = (trade * ret)['2020']
tradeRet.name = 'tradeRet'
winRate = len(tradeRet[tradeRet>0]) / len(tradeRet[tradeRet != 0])

标签：分析,关系,df,价涨量,价平量,成交量,价跌量,量价,价格
来源： https://blog.csdn.net/weixin_48964486/article/details/116347485

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。