通过前面两章的实操，既然找到了市盈率和市现率都比较低，而且成交也比较活跃的股票，是不是直接全仓杀入就可以了呢?
要知道，这两年财务暴雷的股票越来越多。那这样一来，这些指标不就靠不住了吗?
此外，虽然换手率确实是体现交易活跃程度的指标，但是成交活跃也不代表股价一定会涨呀！万一是大股东在减持套利，或者是主力在出货，那么股价不是反而会跌嘛！
因此，我们还是有必要了解一下更多信息的，如大股东是谁、大股东近期增减持的状况，以及主力的资金流向等。
在上一章中，我们选出了8只财务指标看起来不错的股票。尤其是301291这一支,换手率达到了7.59%，这说明其成交十分活跃。索性我们就以这一只股票为例来查询一下的十大股东都有谁。
示例代码如下:
# 从jqdata导入finance包from jqdata import finance# 创建一个query object，# 查询STK_SHAREHOLDER_TOP10表中的字段q = query( finance.STK_SHAREHOLDER_TOP10.code, # 查询股票代码字段 finance.STK_SHAREHOLDER_TOP10.shareholder_rank, # 查询股东排名字段 finance.STK_SHAREHOLDER_TOP10.shareholder_name, # 查询股东名称字段 finance.STK_SHAREHOLDER_TOP10.shareholder_class, # 查询股东类别字段 finance.STK_SHAREHOLDER_TOP10.share_ratio # 查询持股比例字段).filter( finance.STK_SHAREHOLDER_TOP10.code == '301291.XSHE', # 过滤条件：股票代码为301291 finance.STK_SHAREHOLDER_TOP10.pub_date > '2024-01-01' # 过滤条件：发布时间晚于2024年1月1日)# 执行这个query，返回一个dataframeshareholders = finance.run_query(q)# 查看返回的结果shareholders
运行结果：
从中我们可以看出谁的持股最多。
# 创建一个query object# 查询STK_SHAREHOLDERS_SHARE_CHANGE表的字段q = query( finance.STK_SHAREHOLDERS_SHARE_CHANGE.code, # 查询股票代码字段 finance.STK_SHAREHOLDERS_SHARE_CHANGE.pub_date, # 查询发布日期字段 finance.STK_SHAREHOLDERS_SHARE_CHANGE.shareholder_name, # 查询股东名称字段 finance.STK_SHAREHOLDERS_SHARE_CHANGE.type, # 查询类型字段 finance.STK_SHAREHOLDERS_SHARE_CHANGE.change_number, # 查询变动数量字段 finance.STK_SHAREHOLDERS_SHARE_CHANGE.change_ratio, # 查询变动比例字段 finance.STK_SHAREHOLDERS_SHARE_CHANGE.after_change_ratio # 查询变动后比例字段).filter( finance.STK_SHAREHOLDERS_SHARE_CHANGE.code == '301291.XSHE', # 筛选条件：股票代码为301291 finance.STK_SHAREHOLDERS_SHARE_CHANGE.pub_date > '2024-09-01' # 筛选条件：发布日期晚于2024年9月1日)# 执行这个query，返回一个dataframeshrchg = finance.run_query(q)# 查看返回的结果shrchg
运行结果：
【结果分析】从表中可以看到，系统返回了2024年9月1日以后公布的该股票的大股东增减持数据。其中，在type字段中，0表示增持，1表示减持;change_number字表存储的是增减持的股票数量；changcrato字段存储的是持股变动数量占总股本的比例：aferchange_ratio字段存储的是大股东持股数量变化后持股数量占总股本的比例。
大股东处理深圳创新公司这家风投公司，并无大股东减持，也无大股东套利。
或许我们还需要再看一看时效性更高的数据来进行判断。
现在我们知道了大股东的增减持情况，其实大股东增减持数据的公布，最后一次也是在2025年的2月5日，那这个数据的时效性是不是就有点低了呢?
不要紧我们还可以获得实效性更高的数据--资金流向数据，以便看到主力的实时动向。
示例代码如下:
# 从jqdata中导入全部函数from jqdata import *# 使用get_money_flow函数获取301291的资金流向数据mf = get_money_flow( '301291.XSHE', # 股票代码 end_date='2025-06-23', # 截止日期为2025年6月23日 fields=['date', # 日期 'sec_code', # 股票代码 'change_pct', # 涨跌幅（注意字段名拼写） 'net_amount_main', # 主力金额 'net_pct_main'], # 主力成交额占总成交额的比例 count=10 # 获取10个交易日的数据)# 查看结果mf
从表中，我们可以看出：截至2025年6月23日的10个交易日中，主力资金整体呈现出净流出的状态。尤其在近六个交易日，主力资金流出超过5千万元;6月6日这一天，主力资金流出也超过2千万元。
这是否意味着如果该股某日股价下跌，且主力资金净流出的话，下一个交易日的股价会继续下跌呢?假如真的存在这个规律，那我们是否可以把这两个数据处理成一个特征(或者说一个因子),并用它预测股价的涨跌呢?
不论这个方法是否靠谱，但这确实是因子交易的基本思路--将诸多数据通过计算整理成不同的因子，并据此制定交易策略。
Copyright © 2024-2025 成都宁时科技有限公司 版权所有
