中国A股技术分析与潜力股筛选

功能说明

1. 数据获取

使用腾讯股票API获取实时行情和历史K线：

实时行情: https://qt.gtimg.cn/q={code}
历史K线: https://web.ifzq.gtimg.cn/appstock/app/fqkline/get?param={code},day,,,320,qfq

支持的API：

腾讯财经API (qt.gtimg.cn)
新浪财经API (可选备用)

2. 筛选条件

按照以下优先级筛选：

价格: 50元以下
涨跌: 未涨停（涨幅<10%）
主力资金: 5日主力净流入>1亿元
技术面: 均线多头排列、MACD金叉、KDJ超卖等

3. 技术指标计算

从历史K线数据自主计算技术指标：

均线系统 (MA):

MA5, MA10, MA20, MA60
多头排列: MA5 > MA10 > MA20 > MA60 (看涨)
空头排列: MA5 < MA10 < MA20 (看跌)

MACD:

DIF = EMA12 - EMA26
DEA = EMA9(DIF)
MACD柱 = (DIF - DEA) * 2
DIF上穿DEA = 金叉 (看涨)
DIF下穿DEA = 死叉 (看跌)

KDJ:

K, D值计算RSV的平滑
J = 3K - 2D
金叉: K上穿D
超卖: KDJ < 20
超买: KDJ > 80

4. 大师心理分析框架

使用投资大师和心理学家视角综合判断：

巴菲特视角：

价值投资：低估值、高股息、护城河
长期持有：业绩稳定增长

索罗斯视角：

反身性：预期差、趋势反转
择时：关键点突破

彼得林奇视角：

成长股：业绩增速快
困境反转：业绩拐点

主力心理学：

欲望置换：主力建仓拉升
趋势跟随：顺势而为
逆向思维：超跌反弹

使用方法

Python代码示例

import cloudscraper
import json
import numpy as np

# 1. 获取实时行情
def get_realtime(code):
    url = f'https://qt.gtimg.cn/q={code}'
    scraper = cloudscraper.create_scraper()
    r = scraper.get(url, timeout=10)
    data = r.text.split('=')[1].strip('"').split('~')
    return {
        'name': data[1],
        'price': float(data[3]),
        'change': float(data[9])
    }

# 2. 获取历史K线
def get_klines(code):
    url = f'https://web.ifzq.gtimg.cn/appstock/app/fqkline/get?param={code},day,,,320,qfq'
    scraper = cloudscraper.create_scraper()
    r = scraper.get(url, timeout=15)
    data = json.loads(r.text)
    return data.get('data', {}).get(code, {}).get('qfqday', [])

# 3. 计算均线
def calculate_ma(closes, periods):
    result = {}
    for p in periods:
        ma = []
        for i in range(len(closes)):
            if i < p - 1:
                ma.append(None)
            else:
                ma.append(np.mean(closes[i-p+1:i+1]))
        result[f'MA{p}'] = ma
    return result

# 4. 计算MACD
def calculate_macd(prices):
    def ema(p, period):
        e = [p[0]]
        for x in p[1:]:
            e.append(x * 2 / (period + 1) + e[-1] * (period - 1) / (period + 1))
        return e
    
    ema12 = ema(prices, 12)
    ema26 = ema(prices, 26)
    dif = [ema12[i] - ema26[i] for i in range(len(prices))]
    dea = ema(dif, 9)
    macd = [(dif[i] - dea[i]) * 2 for i in range(len(dif))]
    return dif, dea, macd

# 5. 计算KDJ
def calculate_kdj(highs, lows, closes, period=9):
    rsv = []
    for i in range(len(closes)):
        if i < period - 1:
            rsv.append(None)
        else:
            h = max(highs[i-period+1:i+1])
            l = min(lows[i-period+1:i+1])
            rsv.append((closes[i] - l) / (h - l) * 100 if h != l else 50)
    
    k, d = [50], [50]
    for i in range(1, len(rsv)):
        if rsv[i] is None:
            k.append(50)
            d.append(50)
        else:
            k.append(k[-1] * 2 / 3 + rsv[i] * 1 / 3)
            d.append(d[-1] * 2 / 3 + k[-1] * 1 / 3)
    
    j = [3 * k[i] - 2 * d[i] for i in range(len(k))]
    return k, d, j

筛选流程

获取候选股票 - 从涨幅榜筛选50元以下、未涨停的股票
查询主力资金 - 筛选5日主力净流入>1亿的股票
获取技术数据 - 用腾讯API获取K线数据
计算技术指标 - 自主计算MA、MACD、KDJ
大师心理分析 - 综合各大师视角给出建议

股票代码规则

| 市场 | 代码前缀 | 示例 | |------|---------|------| | 深圳 | sz | sz300377 | | 上海 | sh | sh600460 | | 北交所 | bj | bj920126 |

注意事项

页面加载需要等待JavaScript渲染（约5-15秒）
如果页面显示"重新加载"，说明系统繁忙，等待后重试
建议同时查看普通页面和AI预测页面获取完整信息
分析多只股票时，需要逐个获取页面信息

合规说明

返回数据仅供参考，不作为投资建议
股市有风险，投资需谨慎