股票融资融券交易中关键指标

欧先生^_^

已于 2025-04-02 06:59:15 修改

阅读量340

点赞数 5

文章标签：大数据人工智能

于 2025-03-30 08:02:28 首次发布

本文链接：https://blog.csdn.net/u011091936/article/details/146719908

版权

以下是股票融资融券交易中关键指标的详细解释，帮助你理解它们的含义和作用：

1. 融资余额

定义：截至当日收盘后，投资者尚未偿还的融资总金额（即向券商借钱买股后未还的部分）。
计算公式：
融资余额 = 前日融资余额 + 当日融资买入额 - 当日融资偿还额
意义：
- 反映市场杠杆资金看多情绪：融资余额增加，说明投资者借钱买入股票增多，市场看涨情绪强。
- 风险提示：融资余额过高可能意味着市场过热，需警惕回调风险。

2. 融资买入额

定义：当日投资者通过融资（借钱）买入股票的总金额。
意义：
- 短期看多信号：融资买入额骤增，表明资金短期内积极做多。
- 示例：若某股融资买入额突然放大，可能有利好消息或资金炒作。

3. 融资偿还额

定义：当日投资者偿还融资负债的总金额（即还钱给券商）。
意义：
- 杠杆资金退出信号：融资偿还额增加，说明投资者在主动降杠杆，可能看跌或获利了结。
- 风险提示：融资偿还额持续高于融资买入额时，需警惕资金撤离。

4. 融券余量

定义：截至当日收盘后，投资者尚未偿还的融券数量（即借券卖出后未买回还券的股票数量）。
计算公式：
融券余量 = 前日融券余量 + 当日融券卖出量 - 当日融券偿还量
意义：
- 反映市场做空力量：融券余量增加，说明空方势力增强，市场看跌情绪浓。
- 与股价关系：融券余量高位可能预示股价承压（但需结合其他指标判断）。

5. 融券卖出量

定义：当日投资者通过融券（借券卖出）做空股票的总数量（单位：股）。
意义：
- 空方主动出击：融券卖出量激增，表明资金短期内集中做空。
- 示例：若某股融券卖出量突然放大，可能有利空预期或机构对冲风险。

6. 融券偿还量

定义：当日投资者买回股票并归还给券商的数量（即平仓空头头寸）。
意义：
- 空头回补信号：融券偿还量增加，说明空方在回补仓位，可能看跌情绪减弱。
- 逼空行情：若股价上涨导致空头被迫平仓（偿还融券），可能加速股价上涨。

关键关系总结

指标	多空方向	行为逻辑	市场信号
融资余额↑	多头	杠杆资金持续流入	看涨
融资买入额↑	多头	资金主动借钱买入	短期做多
融资偿还额↑	多头退出	杠杆资金还款离场	获利了结或看跌
融券余量↑	空头	未平仓空单增加	看跌
融券卖出量↑	空头	资金主动借券卖出	短期做空
融券偿还量↑	空头退出	空头平仓（买回股票还券）	空头撤退或逼空

实际应用场景

多头强势信号：
- 融资余额 + 融资买入额同步上升，融券余量下降 → 市场一致看多。
空头主导信号：
- 融券余量 + 融券卖出量激增，融资偿还额增加 → 市场看空情绪浓厚。
分歧与反转：
- 融资余额高但股价滞涨，可能预示杠杆资金无力推高股价，警惕回调。
- 融券余量高位但股价不跌，可能引发空头回补（逼空行情）。

注意事项

数据需结合股价走势：单纯看融资融券数据可能片面，需结合K线、成交量等分析。
交易所差异：沪市（SSE）和深市（SZSE）数据需分开获取（AKShare主要提供沪市数据）。
T+1延迟：融资融券数据通常次日公布，实时性稍弱。

根据两融数据参考的python 选股：

import akshare as ak
import pandas as pd


# 设置Pandas显示选项
pd.set_option('display.max_rows', None)
pd.set_option('display.max_columns', None)


# ---------------------- 筛选看涨股票 ----------------------
def filter_bullish_stocks():
    """筛选融资融券数据中看涨的股票"""
    # 1. 获取最近的交易日
    trade_date = "20250331"
    print(f"使用的交易日期: {trade_date}")

    # 2. 获取沪市两融数据
    margin_data = ak.stock_margin_detail_sse(date=trade_date)

    # 3. 数据清洗和计算
    margin_data["融资余额"] = pd.to_numeric(margin_data["融资余额"], errors="coerce")
    margin_data["融资买入额"] = pd.to_numeric(margin_data["融资买入额"], errors="coerce")
    margin_data["融券余量"] = pd.to_numeric(margin_data["融券余量"], errors="coerce")
    margin_data["融资买入占比"] = margin_data["融资买入额"] / margin_data["融资余额"]

    # filtered_stocks2 = margin_data[
    #     (margin_data["标的证券代码"] == "600571")   # 融券余量 < 10万股
    #     ].sort_values("融资买入额", ascending=False)

    # 4. 筛选条件
    filtered_stocks = margin_data[
        (margin_data["融资余额"] > 5e8) &  # 融资余额 > 5亿
        (margin_data["融资买入占比"] > 0.2) &  # 融资买入占比 > 20%
        (margin_data["融券余量"] < 1e5)  # 融券余量 < 10万股
        ].sort_values("融资买入额", ascending=False)

    # 5. 输出结果
    print(f"\n符合看涨做多条件的股票（共 {len(filtered_stocks)} 只）：")
    print(filtered_stocks[["标的证券代码", "标的证券简称", "融资余额", "融资买入额", "融资买入占比", "融券余量"]].to_string())

    # print(filtered_stocks2[["标的证券代码", "标的证券简称", "融资余额", "融资买入额", "融资买入占比", "融券余量"]].to_string())

    # 6. 保存到CSV
    filtered_stocks.to_csv(f"看涨标的_{trade_date}.csv", index=False, encoding="utf_8_sig")
    return filtered_stocks


# ---------------------- 执行主函数 ----------------------
if __name__ == "__main__":
    bullish_stocks = filter_bullish_stocks()

结果输出：

符合看涨做多条件的股票（共 6 只）：
      标的证券代码 标的证券简称        融资余额      融资买入额    融资买入占比   融券余量
30    511380  转债ETF  1010956525  705064895  0.697424      0
74    513090   香港证券  1115655949  437192120  0.391870      0
1240  603893    瑞芯微  1931683455  420754156  0.217817  79600
75    513100  纳指ETF  1361995441  287966732  0.211430      0
1473  688220   翱捷科技   593232208  261210551  0.440318  93596
690   600789   鲁抗医药   676826524  163306570  0.241283  25600