以下是基于 `akshare` 库的一段 Python 代码示例，用于筛选市场中每10天概率最高的涨幅的股票。我们将通过获取历史行情数据，并计算每个股票在过去一段时间内每隔10天的价格变化率，进而统计出涨幅最大的个股。 ```python import akshare as ak import pandas as pd # 获取所有A股列表 stock_list = ak.stock_info_a_code_name() stocks = stock_list['code'].tolist() # 定义时间范围 start_date = "2022-01-01" end_date = "2023-09-01" # 存储结果的字典 result_dict = {} for stock in stocks[:5]: # 测试时可以先跑少量股票 try: # 获取单只股票的历史行情数据 df = ak.stock_zh_a_hist(symbol=stock, period="daily", start_date=start_date, end_date=end_date, adjust='qfq') if not df.empty: df.columns = ['日期', '开盘', '收盘', '最高', '最低', '成交量', '成交额', '振幅', '涨跌幅', '涨跌额', '换手率'] df['日期'] = pd.to_datetime(df['日期']) df.set_index('日期', inplace=True) # 计算每10天的收益率 returns_10_days = (df['收盘'].pct_change(periods=10) * 100).dropna() # 统计正收益的概率和平均涨幅 positive_returns_prob = (returns_10_days > 0).mean() * 100 # 正收益概率 avg_positive_return = returns_10_days[returns_10_days > 0].mean() # 平均正收益 result_dict[stock] = { '正收益概率': round(positive_returns_prob, 2), '平均每10天正涨幅': round(avg_positive_return, 2) } except Exception as e: print(f"Error processing {stock}: {e}") # 将结果转换为 DataFrame 格式 result_df = pd.DataFrame.from_dict(result_dict, orient='index') # 按正收益概率排序并显示前几行 top_stocks = result_df.sort_values(by=['正收益概率', '平均每10天正涨幅'], ascending=False) print(top_stocks.head()) ``` ### 解析： 1. **获取 A 股列表**：首先从 AkShare 的接口获取沪深两市的所有股票代码。 2. **下载每日 K 线数据**：对于每一个股票，我们提取指定时间段内的每日行情数据。 3. **计算隔10天的涨幅**：利用 Pandas 提供的时间序列工具 `.pct_change()` 来计算间隔10个交易日后的价格变动百分比。 4. **统计概率与均值**：确定某段时间内该股票在任意连续10个交易日内上涨的可能性以及相应的平均涨幅。 5. **输出最佳候选股名单**：按照上述条件对所有符合条件的股票进行排名整理得到最优解集合作为参考依据。 --- ###