沪深捉妖记（一）探寻妖股的特征

探寻妖股的特征

在现实世界中，当人们对某类事物的探究渐趋深入，往往就会热衷于对其加以分类，深挖它们的共性，进而更为精准地描绘出其独有的特征，股票市场亦不例外。举例来说，那些长期保持稳定增长态势的大型企业所发行的股票，被称作蓝筹股；业绩表现优异，能够定期以现金形式向股东派发红利的股票，则被冠名为红利股；还有一类伴随着时代的发展步伐，拥有极高增长预期的股票，人们赋予了它成长股的名号。
而谈及妖股，这一概念最早可回溯至 2007 年，它堪称股票市场中极为特殊的存在。妖股的走势常常背离市场情绪以及常规的经济学规律，股价波动幅度极为惊人，变化异常剧烈，常常在极短的时间跨度内，上演暴涨暴跌的 “大戏”。正因如此，它能够迅速点燃一些投资者的情绪，使之获得强烈的心理满足，同时也为他们打开了一扇充满无限遐想的大门，让幻想肆意驰骋。

探寻妖股，则需要先探寻市场上究竟有哪些妖股，它们的特征是什么。

获取市场上的妖股

虽然妖股概念出现的早，但时代在发展，股市上的妖股可能已经发展出了了不同的表现特征，为了让数据更加可信，此次只统计近几年的沪深两市各股票的行为表现。
从20180101开始来统计，排除过早的时期市场的形势的变化带来的影响，以最少在连续5天内3次涨停为评判妖股的基准来统计沪深两市中的妖股数据。

# 安装 efinance
!pip install efinance
!pip install openpyxl

import efinance as ef
import numpy as np
import pandas as pd
from tqdm import tqdm

all_stocks = ef.stock.get_realtime_quotes()
tsxv_stocks = ef.stock.get_realtime_quotes(['创业板'])
sci_tech_stocks = ef.stock.get_realtime_quotes(['科创板'])
# 剔除创业板和科创板股票，留下主板股票
stock_codes= np.setdiff1d(np.array(all_stocks["股票代码"]),np.array(tsxv_stocks["股票代码"]))
stock_codes= np.setdiff1d(stock_codes,np.array(sci_tech_stocks["股票代码"]))
demon_stock_arr = []
# 跳过前100天的数据
skip_previous_days = 100
beg = '20180101'

# 遍历所有股票
for stock_code in tqdm(stock_codes):
    is_demon_stock = False
    demon_stock = {
   }
    demon_stock["股票代码"]=stock_code
    demon_stock["妖期"]=[]
    start_limit_up = False
    demon_period = {
   }
    demon_day_count = 0
    demon_day_total = 0
    day_count = 0
    limit_up_count = 0
    limit_up_total = 0
    start_money = 0
    end_money = 0
    # 获取股票历史行情数据
    df = ef.stock.get_quote_history(stock_code, beg=beg, fqt=0)
    # 跳过不到100天的新股数据
    if len(df) < skip_previous_days:
        continue
    # 忽略掉前100天数据
    for i in df.index[skip_previous_days:]:
        line = df.loc[i]
        if start_limit_up:
            if line["涨跌幅"]>9.9:
                limit_up_count+=1
                demon_period["最后涨停日期"]=line["日期"]
                end_money = line["收盘"]
                demon_day_count = day_count
            day_count+=1
            if limit_up_count/day_count<0.6:
                s