引言
主题概念一直是a股市场投机的主题。大多数散户投资者在复杂的理论、财务指标、技术图形和新闻方面，缺乏对市场的实践理解和把握。概念板块是市场基金达成共识的重要媒介。主要基金以热点主题形成盈利效应，热点投机推动基金和盈利效应形成积极反馈环，推动热点板块股票上涨，而热点主题的水平和想象力决定了股票上涨的空间。热门主题和板块主要来自经济、政策、情感、资本、技术和周边环境。同花顺软件提供了各种热门主题和概念指数数据，为我们分析热门主题板块的趋势提供了依据。那么如何利用板块指数市场监控领涨板块，寻找板块龙头股呢？本文利用Python从tushare获取同花顺概念板块行业指数市场数据和个股交易数据，分析板块和个股的动态趋势，为构建热点主题和龙头股（强势股）监控系统提供参考。
数据获取和探索性分析
下面利用tushare pro获取同花顺概念板块行业指数相关数据，tushare pro需要在其官网注册token可以使用，有些数据提取有积分限制，下面使用的数据可以在微信微信官方账号后台回复”或“”获取。
首先导入需要使用的东西Python库/模块。
importpandasaspd importnumpyasnp #可视化：matplotlib、seaborn、pyecharts importmatplotlib.pyplotasplt importseabornassns #正确显示中文和负号 plt.rcParams['font.sans-serif']=['SimHei'] plt.rcParams['axes.unicode_minus']=False #这里的pyecharts使用的是0.5.11版本 frompyechartsimportBar,HeatMap #导入时间处理模块 fromdateutil.parserimportparse fromdatetimeimportdatetime,timedelta #pandas赋值老警告 importwarnings warnings.filterwarnings('ignore') #使用tusharepro获取数据，需要在官网注册才能获得相应的token importtushareasts token='输入你的token' pro=ts.pro_api(token)index_list=pro.ths_index() #查看数据前几行 index_list.head()
#本地数据保存 #index_list.to_csv('index_list.csv') #阅读本地数据 #index_list=pd.read_csv('index_list.csv',index_col=0)其中，ts_code：代码；name：名称；count：成分个数；exchange：交易所包括a股和港股（H）和美股（US）；list_date：上市日期；type：指数类型N-板块指数，I-行业指数，S-同花顺特色指数。
defplot_bar(data,title,label=True,zoom=False): bar=Bar('') attr=list(data.index) v=list(data.values) bar.add(title,attr,v,is_label_show=label, is_splitline_show=False, is_datazoom_show=zoom) returnbardata=index_list.groupby('exchange')['name'].count() title=同花顺概念和行业指数\nA股\港股\美股' plot_bar(data,title)上图显示，A股票概念和行业指数高达939个，下面主要分析a股同花顺概念和行业指数进一步调查。
A_index_list=index_list.query("exchange=='A'") A_index_list=A_index_list.copy() A_index_list['nums']=pd.to_numeric(A_index_list['count']) #去掉缺失值 A_index_list.dropna(inplace=True) A_index_list['nums'].describe()在概念或行业成分股中，平均有53只股票。当然，每只股票可能属于不同的概念行业。如果某个概念板块中的股票数量过多或过少，则相当于覆盖范围过宽或代表性不足，则分析意义不大。以下是删除重复项和删除成分股的数量少于12或52（相当于25%到75%）。
#删除代码重复项， #保留typeN板块指数 final_index_list=(A_index_list .drop_duplicates(subset=['ts_code'],keep='first') .query("12<nums<52") .query("type=='N'")) #去除样本股或成份股指数 final_index_list=final_index_list[-final_index_list.name.apply(lambdas:s.endswith(样本股)ors.endswith(成份股)) final_index_list.sort_values('nums')data=(final_index_list.sort_values('nums',ascending=False) .set_index('name')['nums']) title=同花顺概念和行业指数成分股 plot_bar(data,title,False,True)以下是一段时间内所有概念行业指数的市场数据。tushare由于篇幅有限，在线获取代码在这里略微，。也可以通过微信官方账号获取数据(回复”或“)后导入。
#获取股票交易日历 defget_cals(): #获取交易日历 pass #在一定时间内获得交易日期(如200个交易日) defget_trade_date(n): #获取当天的日期时间 pass #在一段时间内获取概念指数市场数据 defget_index_data(n=200): pass查看前几行数据。后续分析只需使用指数的收盘价、交易代码和交易日期。
#通过tushare在线获取数据
#all_data=get_index_data(n=200)
#数据保存本地
#all_data.to_csv('all_data.csv')
#通过本地导入数据
all_data=pd.read_csv('all_data.csv',index_col=0)
all_data.head()#删除重复缺失值、将代码使用概念中文名代替
final_data=(all_data.sort_values(['ts_code','trade_date'])
.drop_duplicates()
.set_index(['trade_date','ts_code'])['close'].unstack()
.dropna(axis=1)
.rename(columns=dict(index_list[['ts_code','name']].values)))
final_data.tail()到这一步已获取到所需数据并做了规整处理。下面对板块和相关个股涨跌幅进行分析，并构建函数用于监测板块热点和强势个股的轮动走向。
板块热点与个股涨跌监测分析
要分析板块热点的走向，首先是计算板块指数在不同时间周期下的收益率（动量）。下面以1日、5日、20日、60日和120日作为时间窗口计算概念指数的收益率。
def date_ret(data,w_list=[1,5,20,60,120]):
df=pd.DataFrame()
for w in w_list:
df[str(w)+'日收益率%']=(((data/data.shift(w)-1)*100)
.round(2)
.iloc[w:]
.fillna(0)
.T
.iloc[:,-1])
return dfdate_ret(final_data).sort_values('120日收益率%',ascending=False)120日涨幅居前板块指数。
date_ret(final_data).sort_values('120日收益率%',ascending=False)[:10]120日跌幅最多的前五个板块指数。
date_ret(final_data).sort_values('120日收益率%',ascending=True)[:5]概念板块指数周期涨跌幅可视化
#使用pyecharts0.5.11版本可视化
def out_chart(w=120):
col=str(w)+'日收益率%'
ddd=date_ret(final_data).sort_values(col,ascending=False)[col]
x=list(ddd.index)
y=list(ddd.values)
bar=Bar(f"同花顺概念指数{w}日收益率(%)",title_text_size=15,title_pos='center')
bar.add("", x,y,is_label_show=False, is_datazoom_show=True)
return bar#最近一个交易日
#图形为html动态交互式，可通过拖曳查看所有概念指数的详细涨跌幅
out_chart(1)#近5个交易日
out_chart(5)#近20个交易日
out_chart(20)#近120个交易日
out_chart(120)除了使用pyecharts对板块不同周期下的动量进行监测（动态交互式），还可以使用热力图监测最近交易日各板块指数的轮动走向。图片输出可以使用网页显示更全面。
#由于同花顺指数行情数据获取不到下面概念，需剔除
xx=['华为汽车', '盐湖提锂', '鸿蒙概念', '共同富裕示范区', 'MCU芯片', '牙科医疗',
'CRO概念', '钠离子电池', '工业母机', '北交所概念', 'NFT概念', '抽水蓄能',
'换电概念', '海峡两岸', 'WiFi 6', '智能制造', 'EDR概念', '动力电池回收',
'汽车芯片', '传感器', '柔性直流输电', '虚拟数字人', '预制菜', '幽门螺杆菌概念']
sss=final_data[set(final_index_list.name.values)-set(xx)]
import seaborn as sns
pt = ((sss/sss.shift(1)-1)*100).round(2)[-10:]
plt.figure(figsize=(25,5))
sns.heatmap(pt, linewidths = 0.05,cmap='Reds');一旦出现赚钱效应，首先看的是哪个整体板块在领涨，这个板块是什么概念，是不是当下的大热点？选股就是先看热点板块，龙头股与题材有关，题材代表了一个板块，不会是单打独斗，关注热点板块，在板块中选股非常重要。发现最大题材板块后，核心是找板块龙头股。在整个板块中最先上涨，涨势最强的个股就一定要关注并分析。
热点板块成分股龙头股监测
#受篇幅所限，以下代码略，完整代码分享在Python金融量化知识星球中。
#注意，写作本文时交易日期为20220209,即默认end='20220209'.
def get_stock_price(code,start='20200101'):
pass
def all_stock_price(name):
pass
def stock_rets_rank(name,p=120):
pass
def stock_heat(name='数字货币'):
passstock_rets_rank('钾肥')实际上钾肥这个概念所含个股较少，且盐湖股份由于中间停牌复牌后短期暴涨（实际上是盐湖提锂概念在驱动），因此该概念指数120日涨幅最大。一起看下近期较热门的数字货币概念。翠微股份120日涨幅高达314%，可以说是近期接替妖股九安医疗的一大热门股。妖股是主力资金博弈到极致之物，与基本面与价值投资没有任何干系。
stock_rets_rank('数字货币')随着数字货币财经新闻的持续发酵，2022年2月09日数字货币板块单日暴涨9%，板块内近20只个股涨停，四只创业板20cm。值得注意的是，板块的短期暴涨也是风险集聚的表现，特别是碰上那些跟风上涨的个股，当板块整体进入回调时往往一地鸡毛。
stock_rets_rank('数字货币',p=1)[:20]使用热力图监测热点板块个股。
stock_heat('数字货币')结语
本文使用Python对同花顺概念板块指数及个股进行数据探索性分析，试图从动量的角度捕捉热门题材的走向，构建强势板块和个股的监测系统。利用板块和个股监测系统可以构建动量（强者恒强）或动量反转（物极必反）的量化交易策略。本文的数据挖掘存在一定的局限性，只考虑了某些时间周期内板块和个股的收益率表现（技术面）。关于概念板块行业的分析，还可以结合财经文本分析做深度挖掘，实际上热点题材最好是结合基本面与技术面的深入分析，技术面正如温度计一样只能告诉你当前的冷热，而基本面可以推断为啥上涨的原因，未来持续性如何，这个基本逻辑非常重要。金融市场上的交易，没有完全不变和百分之百确定的东西，任何分析和决策都是一种概率，而量化为我们多维度分析市场提供一种工具，实际上实战才是唯一能快速提升交易能力的方法。
专注于分享Python在金融量化领域的应用。加入知识星球，可以免费获取30多g的量化投资视频资料、量化金融相关PDF资料、公众号文章Python完整源码、量化投资前沿分析框架，与博主直接交流、结识圈内朋友等。