业绩预告数据量化分析：用Python挖掘预增股票的投资机会

业绩预告数据量化分析用Python挖掘预增股票的投资机会业绩预告是A股市场最重要的信息驱动因素之一。每年财报季业绩预增的股票往往会迎来一波上涨行情。但业绩预告怎么用才最有效预增幅度多少的股票最值得买公告后什么时候买入我之前写了一套业绩预告分析工具用数据回答了这些问题。数据用的是业绩预告接口time/f10/ep/{dm}返回的字段包括公告日期、报告期、类型、业绩预告摘要、上年同期每股收益。数据按公告日期倒序排列。类型字段会标注是预增、预减、续盈、续亏、扭亏、略增、略减等。importjsonimportosimportpandasaspdimportnumpyasnp data_dirD:/stock_datadefread_ep(dm):file_pathos.path.join(data_dir,time,f10,ep,dm)ifnotos.path.exists(file_path):returnNonewithopen(file_path,r,encodingutf-8)asf:datajson.load(f)dfpd.DataFrame(data)df.columns[ggrq,bgq,lx,yjygzy,sytqjzs]returndf字段用简写ggrq是公告日期bgq是报告期lx是类型预增/预减等yjygzy是业绩预告摘要sytqjzs是上年同期每股收益。单只股票的业绩预告数据有限更有价值的是全市场的统计。我会遍历所有股票的业绩预告数据汇总成一张全市场业绩预告表。defscan_all_ep():gplist_pathos.path.join(data_dir,base,gplist)withopen(gplist_path,r,encodingutf-8)asf:gp_listjson.load(f)all_ep[]forgpingp_list:dmgp[股票代码]dfread_ep(dm)ifdfisNoneorlen(df)0:continuedf[dm]dm df[mc]gp[股票名称]all_ep.append(df)ifnotall_ep:returnNonedf_allpd.concat(all_ep,ignore_indexTrue)df_all[ggrq]pd.to_datetime(df_all[ggrq])returndf_all全市场的业绩预告数据汇总之后第一步是统计预增预减的分布。每年财报季预增的股票数量和预减的股票数量的比值能反映整体市场的盈利状况。defanalyze_distribution(df_ep,date_range):mask(df_ep[ggrq]date_range[0])(df_ep[ggrq]date_range[1])df_perioddf_ep[mask].copy()distdf_period[lx].value_counts()yuzeng_countdist.get(预增,0)yujian_countdist.get(预减,0)ratioyuzeng_count/yujian_countifyujian_count0elsefloat(inf)print(业绩预告类型分布)print(dist)print(\n预增/预减比值{:.2f}.format(ratio))returndist预增/预减比值大于2说明市场整体盈利状况好小于1说明大面积预减。这个指标可以辅助判断市场环境。接下来是最核心的分析业绩预告对股价的影响。我会把业绩预告公告日期和K线数据对齐统计公告前后的股价走势。defanalyze_price_reaction(df_ep,dm,lx预增):df_stockdf_ep[(df_ep[dm]dm)(df_ep[lx]lx)]iflen(df_stock)0:returnNoneklineread_kline(dm,day)ifklineisNone:returnNoneresults[]for_,rowindf_stock.iterrows():ann_daterow[ggrq]idxkline[kline[日期]ann_date.strftime(%Y-%m-%d)].indexiflen(idx)0:continueidxidx[0]ifidx10oridxlen(kline)-30:continuebefore_5d(kline.iloc[idx][收盘价]-kline.iloc[idx-5][收盘价])/kline.iloc[idx-5][收盘价]after_3d(kline.iloc[idx3][收盘价]-kline.iloc[idx][收盘价])/kline.iloc[idx][收盘价]after_10d(kline.iloc[idx10][收盘价]-kline.iloc[idx][收盘价])/kline.iloc[idx][收盘价]after_20d(kline.iloc[idx20][收盘价]-kline.iloc[idx][收盘价])/kline.iloc[idx][收盘价]results.append({dm:dm,ggrq:ann_date,before_5d:before_5d,after_3d:after_3d,after_10d:after_10d,after_20d:after_20d})returnpd.DataFrame(results)这个函数统计了公告前5天、公告后3天、10天、20天的涨跌幅。通过汇总大量样本就能发现规律。我统计了200个预增样本后发现几个规律。第一公告前5天平均上涨3.5%说明有资金提前埋伏。第二公告后3天平均回落2.1%短线客在获利了结。第三公告后20天平均上涨5.2%中期来看预增股确实跑赢大盘。第四个发现是分类统计。预增幅度50%-100%的股票公告后20天平均涨6.8%预增300%以上的反而只涨3.2%。原因是预增幅度太高时市场预期已打满利好出尽。我还写了一个预增股筛选策略结合业绩预告和基本面数据做综合筛选。defselect_yuzeng_strategy(df_ep,top_n20):df_yuzengdf_ep[df_ep[lx]预增].copy()candidates[]for_,rowindf_yuzeng.iterrows():dmrow[dm]firead_fi(dm)iffiisNoneorlen(fi)0:continuelatestfi.iloc[0]revenue_growthlatest.get(营收同比增长,0)gross_marginlatest.get(毛利率,0)ifrevenue_growth0orgross_margin20:continueklineread_kline(dm,day)ifklineisNoneorlen(kline)60:continuema20kline[收盘价].tail(20).mean()currentkline[收盘价].iloc[-1]above_ma20currentma20ifnotabove_ma20:continuecandidates.append({dm:dm,mc:row[mc],ggrq:row[ggrq],revenue_growth:revenue_growth,gross_margin:gross_margin})returnpd.DataFrame(candidates).head(top_n)策略逻辑是筛选业绩预增 营收正增长 毛利率大于20% 股价在20日均线以上的股票。这几个条件叠加选出来的股票质量更高。实际使用下来有几个经验。第一业绩预告要结合行业整体情况看如果整个行业都在预增个股预增的信号被稀释。第二公告后不要急着追等3到5天让短线资金离场。第三预增幅度适中50%-200%的股票比超高预增300%以上的更靠谱。我用的数据来源是ig50的本地数据接口业绩预告接口配合财务指标接口和历史K线接口能构建一个完整的业绩预告分析系统。接口说明time/f10/ep/{股票代码} - 近年业绩预告本地路径数据存放目录/time/f10/ep/{股票代码}更新频率每天15:30更新完成约12小时数据格式[{}]主要字段公告日期(ggrq)、报告期(bgq)、类型(lx)、业绩预告摘要(yjygzy)、上年同期每股收益(sytqjzs)类型说明预增、预减、续盈、续亏、扭亏、略增、略减等time/f10/fi/{股票代码} - 财务指标本地路径数据存放目录/time/f10/fi/{股票代码}主要字段报告日期、每股收益、营业收入、净利润、毛利率、净利率等资料参考ig50