Rockyzsu/stock / 选股分析
选股与分析：因子筛选、涨停池、K 线形态与回测口径
这个项目里「选股」不是一个功能，而是四条互不相通的链路：①基于 Tushare 基础表的因子筛选（select_stock.py 为主）；②东方财富的五类涨停池（涨停、强势、炸板、跌停、昨日涨停）；③用 talib 做的 K 线形态识别；④backtest/ 里的 backtrader 回测示例。
四条链路的成熟度差别很大。因子筛选是主脚本（select_stock.py 545 行），但它标注「适用 tushare 0.7.5」且导入期就会报错；涨停池采集是完整可读的工程代码；K 线形态依赖本地 C 库；回测只有 5 个示例文件、数据路径还指向作者本机。本页把这四条链路各自的真实状态、字段口径与可信度边界一次讲清。
四条链路
选股与分析的四条链路有什么差别：成熟度对比
| 链路 | 主脚本 | 数据来源 | 输出 | 当前状态 |
|---|---|---|---|---|
| ① 因子筛选 | select_stock.py（545 行，注释标注「适用 tushare 0.7.5」） | Tushare 老接口 ts.get_stock_basics() 生成的基础表 + ts.get_k_data() 历史行情 | 按条件筛出的股票清单，可落 MySQL 表 bases 与本地 bases.csv | 导入期即报错：from configure.settings import get_engine 但该符号不存在 |
| ② 因子筛选（分析侧） | StockAnalyze.py（274 行，@feature: 收盘事后分析） | Tushare + MySQL（db_daily / db_stock / db_zdt） | 成交量分布、涨停位置、个股盈亏、次新涨停、年度涨幅 | 部分函数可读；第 234 行有一处未导入的 get_engine 调用 |
| ③ 涨停与强势池 | datahub/dfcf_hot_block.py、datahub/zdt.py | 东方财富 push2ex 五类池接口 + 金融界涨停数据 | 写入 db_zdt（if_exists='fail'） | 结构完整；同一天无法重跑 |
| ④ K 线形态识别 | k-line/recognize_form.py、k-line/search_target.py、k_line.py | Tushare/akshare 日线 + talib 形态函数 | 形态命中的股票清单与 K 线图 | 依赖本地 C 库；k_line.py 导入了不存在的配置常量 |
| ⑤ 基金与 LOF | fund/ 45 个脚本 | 集思录、天天基金、雪球、上交所 | 份额变动、折溢价率、持仓股 | 以爬虫为主，站点改版即失效 |
| ⑥ 回测 | backtest/ 5 个文件 | 本地 CSV（datapath.py 指向作者本机路径） | 控制台打印初始/结束资金 | 仅示例，无绩效统计与成本模型 |
先看清一件事：这六条链路没有共享的信号层。因子筛选的结果不会自动流进回测，回测结果也不会回流到监控。每条链路各自读库、各自输出。要串起来，得你自己写中间的粘合层。
因子维度
因子从哪里来：八个维度与它们的口径风险
| 因子维度 | 字段来源 | 筛选方式 | 口径注意点 | 适用场景 |
|---|---|---|---|---|
| 市盈率（pe） | ts.get_stock_basics() 的快照字段 | 条件比较，代码里会自动剔除 pe == 0 的样本再算均值 | 亏损股 pe 为 0 或负，直接取均值会被污染 | 价值型初筛 |
| 流通市值 / 流通股本 | 同基础表 | 排序取前 N | 老接口是全市场一次性快照，字段口径与新版 Pro 不同 | 小盘/大盘风格切换 |
| 股东户数 | 基础表 + 股东信息脚本（shareholder_info.py） | 按户数变化筛选 | 股东数需按期对比，单期快照无意义 | 筹码集中度观察 |
| 基金持股数 | 基础表字段 + 基金持仓脚本 | 按持股数量或比例筛 | 基金季报披露滞后，最新一期未必是当下持仓 | 机构持仓跟踪 |
| 上市时间（timeToMarket） | 基础表 | 按日期比较筛次新股 | 次新定义随行情变化，代码里用的是硬编码起始日期 | 次新股策略 |
| 地域（area） | 基础表 | 按地区分组计数或筛选 | 字段为中文地名，跨数据源拼接时容易对不上 | 地域分布统计 |
| 涨跌幅 / 连板数 | 东财涨停池接口 | 按池子类型直接取名单 | 强势池与涨停池口径不同，不能混用 | 短线强度观察 |
| K 线形态 | talib 形态函数 | 形态函数返回非零即命中 | 形态函数对参数与复权方式敏感 | 技术形态筛选 |
一个容易忽略的细节：select_stock.py 的筛选依赖一张叫 bases 的基础表（MySQL）或 bases.csv（本地）。这张表由它自己的 local=True 分支生成，而 bases.csv 在 .gitignore 里、仓库中没有。另外 6 个脚本也读这个文件，所以它是整条链路的前置条件。
涨停池
五类涨停池怎么选：短线研究最实用的现成数据
| 池子类型 | 接口函数 | 代表什么 | 典型用途 |
|---|---|---|---|
| 涨停池 | stock_zt_pool_em | 当日封住涨停的股票 | 涨停强度、连板梯队 |
| 强势池 | stock_zt_pool_strong_em | 未涨停但强势（涨幅居前）的股票 | 提前发现接力标的 |
| 炸板池 | stock_zt_pool_zbgc_em | 曾涨停但打开（炸板）的股票 | 情绪退潮信号 |
| 跌停池 | stock_zt_pool_dtgc_em | 当日封住跌停的股票 | 风险扩散观察 |
| 昨日涨停池 | stock_zt_pool_previous_em | 前一交易日涨停的股票及其当日表现 | 打板策略的次日溢价统计 |
这五类池子是做短线研究最实用的现成数据，官方接口以 push2ex.eastmoney.com/getTopic*Pool 提供，脚本里还有一个 get_ut_value() 专门抓接口所需的 ut 参数——抓不到时会给作者的企业微信发一条「eastmoney ut None」的告警。落库用的是 if_exists='fail'，意味着同一天第二次运行会直接抛错，重跑前要先删表。
回测可信度
「有回测代码」和「收益可信」的区别：六项逐条对比
| 链路 | 数据成本 | 交易成本 | 滑点 | 样本外 | 未来函数风险 | 说明 |
|---|---|---|---|---|---|---|
backtest/ 示例 | 未处理（读本地 CSV） | 仅 1 处 setcommission（0.001 / 0.002 / 0.005 不等） | 未建模 | 未做 | 存在（示例无对齐检查） | 5 个文件都是教学示例，不适合直接用于评估策略 |
select_stock.py 的筛选 | 依赖全市场快照 | 不涉及（只出清单） | 不涉及 | 未做 | 低（纯横截面筛选） | 输出是股票清单，不是收益曲线 |
StockAnalyze.py 的统计 | 读已落库数据 | 不涉及 | 不涉及 | 未做 | 中（多为事后统计，无前视问题，但无验证） | 属描述性统计，不是策略验证 |
recordMyChoice.py 的实盘跟踪 | 依赖实盘成交 | 真实成本（券商实际收取） | 真实滑点 | 天然样本外 | 无 | 这是仅有带真实成交的记录工具，但样本量取决于你自己的交易次数 |
utils/profit_compare.py | 读持仓文件 | 不涉及 | 不涉及 | — | 无 | 只做两个标的的盈亏对比 |
本站不做任何绩效判断，因为仓库里没有任何一份回测报告。上表只是把「如果要评估收益，这四条链路分别缺什么」列清楚。一句话总结：这个仓库提供的是信号生成与记录工具，不提供收益证明。回测链路本身也只是教学示例。
选型清单
想做什么该看哪个脚本：七种目的与前置条件
| 你的目的 | 看哪个脚本 | 前置条件 | 预期输出 | 注意点 |
|---|---|---|---|---|
| 按基本面因子筛一批股票 | select_stock.py | 基础表 bases（MySQL 或 CSV）+ Tushare token | 筛选后的股票清单 | 导入期报错需先修 get_engine 导入 |
| 统计某段时间的成交量分布 | StockAnalyze.py | MySQL 中的日线库 | 成交量与占比统计 | 第 234 行需修未导入的 get_engine |
| 拿涨停/强势池名单 | datahub/dfcf_hot_block.py | 可访问东财接口 | 当日五类池数据入库 | 同一天重跑会因表已存在报错 |
| 识别 K 线形态（三只乌鸦等） | k-line/recognize_form.py | talib 本地 C 库 + 日线数据 | 命中形态的股票与 K 线图 | 形态函数对复权敏感 |
| 看次新股涨停强度 | analysis/get_zt_info | 分析库中的次新基础表 | 强度统计 | analysis/ 以 Notebook 为主 |
| 记录并复盘自己的选股 | recordMyChoice.py | Excel 文件 + Tushare | 每只自选股的收益跟踪 | 依赖本地 Excel 模板 |
| 导入券商交割单 | utils/delivery_order.py | 券商导出的 CSV（GBK 编码） | 交割记录入库 | 按券商分表，国金与华宝各一张表 |
建议的入门顺序：先跑 datahub/dfcf_hot_block.py（无登录态、结构最完整），理解「抓取 → 落库」；再改 select_stock.py 的筛选条件（需要先修导入）。不要一上来就从回测开始——那是最薄的 5 个示例文件。
FAQ
关于 Rockyzsu/stock 的常见问题
它内置策略吗？
select_stock.py 为什么跑不起来？
from configure.settings import get_engine，而 configure/settings.py 里 get_engine 只是 DBSelector 类的方法、不是模块级函数，所以直接 ImportError；②第 8 行 import Queue，这是 Python 2 的模块名，Python 3 下应是 queue。修完这两处才会进入运行期。完整清单见报错排查页。因子筛选用的是什么数据？
ts.get_stock_basics() 一次性返回全市场的基础字段（市盈率、流通股本、股东户数、上市时间、地域等），脚本把它落成 MySQL 表 bases 与本地 bases.csv，之后的筛选都在这个本地快照上做。这意味着它的时效性取决于你多久刷新一次这张表，而不是取决于 Tushare 的实时性。涨停池数据是实时的吗？
if_exists='fail' 的落库方式说明作者的用法是「每天抓一次」——想高频刷新需要自己改写入策略。回测结果能信吗？
backtest/ 只有 5 个教学示例文件；数据路径硬编码为作者本机绝对路径；只有一个 setcommission 调用、没有滑点模型、没有样本外划分、没有基准对比；ma_line_backtest.py 的数据文件在注释里写的是「可以公众号后台留言获取」。也就是说这个目录既不能直接用来评估策略，也不具备可复现的数据基础。有没有未来函数问题？
datahub/ 中用 Tushare 快照实现）时，要确认快照的时间口径；②recordMyChoice.py 这类「记录选股后收益」的脚本天然是样本外的，反而是四条链路里可信度最高的。要严格判断需要按策略逐条审计，本站没有做。