前面已經(jīng)講述了如何獲取股票的k線數(shù)據(jù)，今天我們來分析一下股票的資金流入情況，股票的上漲和下跌都是由資金推動(dòng)的，這其中的北上資金就是一個(gè)風(fēng)向標(biāo)，今天就抓取一下北上資金對(duì)股票的逐天持倉變動(dòng)和資金變動(dòng)。

數(shù)據(jù)分析

照例先貼一下數(shù)據(jù)的訪問地址：

# 以海爾智家為例貼一下數(shù)據(jù)的頁面連接地址，再次吐槽一下拼音前綴
https://data.eastmoney.com/hsgtcg/StockHdStatistics/600690.html

下圖就是北上資金逐天的訪問數(shù)據(jù)頁面，我們要抓取的是持股數(shù)量、持股市值、持股百分比和市值變化信息。

通過瀏覽器后臺(tái)的接口可以看到這樣一個(gè)接口數(shù)據(jù)：

這個(gè)接口的參數(shù)為：

# 請(qǐng)求地址數(shù)據(jù)，這里的參數(shù)和請(qǐng)求的不太一樣，因?yàn)槠渌膮?shù)我試過了，可以忽略掉，以下是必要參數(shù)
https://datacenter-web.eastmoney.com/api/data/v1/get?
# 排序字段和排序的類型, -1 為倒序排列
sortColumns=TRADE_DATE
&sortTypes=-1
# 后兩個(gè)參數(shù)比較簡單，就是分頁參數(shù)而已
&pageSize=50
&pageNumber=1
# 報(bào)告類型，固定為北上資金數(shù)據(jù)
&reportName=RPT_MUTUAL_HOLDSTOCKNORTH_STA
# 返回的數(shù)據(jù)列，默認(rèn)返回所有
&columns=ALL
# 獲取數(shù)據(jù)參數(shù)為股票代碼和交易日期
&filter=(SECURITY_CODE="600690")(TRADE_DATE>='2021-10-29')

數(shù)據(jù)抓取

我們已經(jīng)解析了獲取資金的參數(shù)，以下就是使用 python 來獲取數(shù)據(jù)，并進(jìn)行展示。我們依舊使用 requets 來獲取數(shù)據(jù)。

我們需要先組裝請(qǐng)求的參數(shù)，這里的 fliter 只傳入了代碼，日期選擇了固定，這個(gè)個(gè)人感覺是查詢的 ES ，不然不會(huì)這么傳入?yún)?shù)，建議做個(gè)參數(shù)轉(zhuǎn)換吧，這樣直傳不太好。

數(shù)據(jù)查詢返回的結(jié)果是json 格式，進(jìn)行了解析后我們采用 prettyTable 打印結(jié)果。

由于獲取的數(shù)據(jù)沒有經(jīng)過格式化，顯示的位數(shù)比較長，所以對(duì)持股數(shù)和市值之類的數(shù)據(jù)進(jìn)行了格式化展示，

代碼如下：

# 如果是億級(jí)的就格式化為億，萬的話格式化為萬
def cal_num(num):
    if abs(num / 100000000) > 0:
        return str(round(num / 100000000, 3)) + "億"
    else:
        return str(round(num / 10000, 3)) + "萬"

最終我們得到的結(jié)果如下：

建立模型

我們已經(jīng)獲取到了股票的北上資金的情況，我們建立一個(gè)簡單的模型篩選一下:

1 選取最近一個(gè)月內(nèi)北上資金連續(xù)加倉的股票，加倉幅度超過流通股份的1%。

在這個(gè)模型中，我們可以根據(jù)最近一個(gè)月每天的持倉百分比建立線性規(guī)劃模型，y = kx + b 來計(jì)算斜率和截距，但是這個(gè)覺得有點(diǎn)兒復(fù)雜了，我們可以簡化一下，就偷個(gè)懶計(jì)算當(dāng)天的持倉量與一個(gè)月前的持倉比例差值即可，

具體代碼如下：

# rate_list 為持股比例的集合，將 ratio 添加進(jìn)集合中，這里為什么是22呢，
# 一般情況下一個(gè)月有22個(gè)交易日，所以減去22就是一個(gè)月前的持倉比例
def cal_model(rate_list):
    if len(rate_list) >= 22:
        cur_node = rate_list[0]
        pre_node = rate_list[22]
        return cur_node - pre_node
    return -100