用DeepSeek结合成交量收盘价技术指标编写主力捉妖的程序

要编写一个结合成交量、收盘价、技术指标和筹码分析的股票主力追踪程序，以下是基于Python的实现思路和代码示例。该程序通过多维度分析识别潜在的主力异动标的。

—

### 一、核心逻辑设计

1. **成交量异动**：检测突破性成交量（如倍量突破）

2. **价格趋势**：均线多头排列 + 突破关键价位

3. **技术指标共振**：MACD金叉 + KDJ超卖区反转

4. **筹码集中度**：低位密集筹码峰 + 高获利不抛筹码

—

### 二、Python代码实现（基于Pandas和TA-Lib）

“`python

import pandas as pd

import numpy as np

import talib

import tushare as ts # 示例数据源

def detect_main_force(stock_code):

# 获取历史数据

df = ts.get_k_data(stock_code, start=’2023-01-01′)

df = df.set_index(‘date’)

# ===== 成交量分析 =====

df[‘vol_ma5’] = df[‘volume’].rolling(5).mean()

df[‘vol_ratio’] = df[‘volume’] / df[‘vol_ma5’] # 量比

# ===== 价格趋势分析 =====

df[‘ma5’] = df[‘close’].rolling(5).mean()

df[‘ma10’] = df[‘close’].rolling(10).mean()

df[‘ma20’] = df[‘close’].rolling(20).mean()

# ===== MACD指标 =====

df[‘macd’], df[‘signal’], _ = talib.MACD(df[‘close’],

fastperiod=12,

slowperiod=26,

signalperiod=9)

# ===== KDJ指标 =====

df[‘k’], df[‘d’] = talib.STOCH(df[‘high’], df[‘low’], df[‘close’],

fastk_period=9,

slowk_period=3,

slowd_period=3)

# ===== 筹码分析（简化版） =====

# 假设通过换手率估算筹码稳定性

df[‘turnover_ma20’] = df[‘turnover’].rolling(20).mean()

df[‘high_profit’] = (df[‘close’] > df[‘close’].rolling(60).mean()*1.2).astype(int)

# ===== 生成信号 =====

# 条件1：倍量突破（成交量是5日均量2倍以上）

cond_volume = df[‘vol_ratio’] > 2

# 条件2：均线多头排列

cond_ma = (df[‘ma5’] > df[‘ma10’]) & (df[‘ma10’] > df[‘ma20’])

# 条件3：MACD金叉 + KDJ超卖反转

cond_macd = (df[‘macd’] > df[‘signal’]) & (df[‘macd’].shift(1) <= df[‘signal’].shift(1))

cond_kdj = (df[‘k’] > df[‘d’]) & (df[‘k’].shift(1) < 30)

# 条件4：筹码稳定性（换手率低于20日均值）

cond_chips = (df[‘turnover’] < df[‘turnover_ma20’]) & (df[‘high_profit’] == 1)

# 综合信号

df[‘signal’] = cond_volume & cond_ma & cond_macd & cond_kdj & cond_chips

return df[df[‘signal’]]

# 测试代码

if __name__ == ‘__main__’:

result = detect_main_force(‘600519’) # 以茅台为例

print(“主力异动信号出现日期：”)

print(result.index.tolist())

“`

—

### 三、关键指标说明

1. **成交量异动**：通过量比识别主力资金介入

2. **均线系统**：5/10/20日均线多头排列判断趋势

3. **MACD+KDJ共振**：双重确认趋势反转

4. **筹码稳定性**：低换手+高获利筹码反映锁仓意愿

—

### 四、使用注意事项

1. 数据质量：建议使用高频数据（L2行情数据更佳）

2. 参数优化：需根据个股波动特性调整参数

3. 风险控制：需结合止损策略（建议设置-5%止损线）

4. 市场环境：需排除系统性风险时期（股灾期间策略易失效）

—

### 五、增强方向建议

1. 加入主力资金流向指标（大单净量）

2. 整合龙虎榜数据辅助验证

3. 加入形态识别（如：杯柄形态、W底等）

4. 使用机器学习进行特征重要性分析

该策略需通过历史回测验证有效性，建议先用模拟盘测试后再实盘应用。