【智兔数服|A股分钟级高频数据完全手册 #36】跌停股池数据接口:恐慌指标与风险监控
摘要:【智兔数服|A股分钟级高频数据完全手册 #36】跌停股池数据接口:恐慌指标与风险监控 系列:《A股分钟级高频数据完全手册》|连载项目 · 纯 GET 取数 · 仅依赖 requests · Pro
系列:《A股分钟级高频数据完全手册》|连载项目 · 纯 GET 取数 · 仅依赖 requests · Pro 版分钟级高频
① 你将得到什么
跌停股池 /hs/pool/dtgc/{date} 给出某日全部跌停股,是恐慌与风险监控的镜像指标。本篇把它拉通并解析、做跌停家数与封单统计。
本篇产出:用 /hs/pool/dtgc/{date} 拉取某日跌停股池,解析代码/名称/跌停价/封单额并做风险统计。
读完这篇,你应当能独立把本篇端点数据拉下来、落本地,并跑出一份可用的加工分析表。
② 取数约定
一个端点拉数据,返回里字段名可能中英文混用(不同接口版本、不同数据源习惯不同)。演示用 你的token 占位,代码里 MOCK=True 时回放演示数据,接真实 token 把 MOCK 改成 False 即可,无需改动其他逻辑。
所有请求走 https://api.zhituapi.com + ?token=,纯 GET、仅依赖 requests,不依赖任何付费 SDK。字段口径以接口实际返回为准,本文用 _hit_key 做了大小写/中英文容错;落地前建议先用 print(r[0].keys()) 核对一次你账号下的真实字段名。
落地建议:把每天拉到的数据按 代码 + 日期 做主键写入本地 SQLite/CSV,避免重复插入;历史回看靠本地累积,而非反复调接口。本篇示例代码已包含字段容错映射与本地加工函数,你只需把 print 替换为写入语句。
③ 端点分组地图
| 端点 | 用途 |
|---|---|
/hs/pool/dtgc/{date} |
跌停股池:某日全部跌停股及封单 |
本篇涉及字段(落地建表参考):代码、名称、跌停价、连板天数、封单额、涨跌幅。
返回结构为 JSON 数组(或含数组字段的对象),每条记录即一根分钟 bar / 一笔明细;字段映射函数已按上述字段做容错映射,直接复用即可。
④ 核心模板函数(自包含·可跑)
import requests, time, copy
from urllib.parse import quote
BASE = "https://api.zhituapi.com"
# 将 "你的token" 替换成您自己的智兔API token(官网注册后在「控制台 / 接口管理」页获取,免费额度即可起步)。
TOKEN = "你的token"
# ---------- 字段容错与类型归一 ----------
def _hit_key(d, *cands, default=None):
"""字段容错:接口偶发大小写/中英文混用时,按顺序取第一个非空值"""
if not isinstance(d, dict):
return default
for c in cands:
if c in d and d[c] not in (None, "", "-", "null"):
return d[c]
low = {str(k).lower(): v for k, v in d.items()}
for c in cands:
v = low.get(str(c).lower())
if v not in (None, "", "-", "null"):
return v
return default
def _to_float(v, default=None):
try:
if v in (None, "", "-", "null", "None"):
return default
return float(v)
except (TypeError, ValueError):
return default
# ---------- 统一请求:token 鉴权 + 重试退避(MOCK 开关) ----------
MOCK = True
DEMO_DATA = {}
def _get(path, params=None, timeout=10, retries=2, backoff=0.6, default=None):
"""返回 JSON;MOCK=True 时回放 DEMO_DATA;否则真实 GET 并带 token 鉴权、重试 retries 次"""
if MOCK:
return copy.deepcopy(DEMO_DATA.get(path, {} if default is None else default))
q = {"token": TOKEN}
if params:
q.update(params)
last = ""
for i in range(retries + 1):
try:
r = requests.get(BASE + path, params=q, timeout=timeout)
if r.status_code == 200:
try:
return r.json()
except ValueError:
return default
last = "HTTP %s %s" % (r.status_code, (r.text or "").strip()[:80])
except Exception as e:
last = "%s: %s" % (type(e).__name__, e)
if i < retries:
time.sleep(backoff * (i + 1))
return {"_error": last}
# ---------- 3. 取数封装 ----------
def fetch_rows():
return _get("/hs/pool/dtgc/20240110", default=[])
# ---------- 4. 数据加工 ----------
def process(rows):
out = []
for r in rows or []:
out.append({
"代码": _hit_key(r, "code", "dm"),
"名称": _hit_key(r, "name", "mc"),
"跌停价": _hit_key(r, "dt_price", "down_price"),
"连板天数": _hit_key(r, "boards", "lbs"),
"封单额": _hit_key(r, "fd_mv", "seal_mv", "amount"),
"涨跌幅": _hit_key(r, "pct", "zdf")
})
return out
# ---------- 5. 本地加工分析(演示:多列描述统计 + 主列 Top5 + 异常) ----------
def analysis(data):
if not data:
print("无可分析数据,请检查字段映射")
return
num_cols = [k for k in data[0].keys() if _to_float(data[0][k]) is not None]
for col in num_cols:
vs = [(_to_float(d.get(col)) or 0.0) for d in data]
if not vs:
continue
print("列[%s] n=%d 均值=%2f 最大=%2f 最小=%2f" % (col, len(vs), sum(vs)/len(vs), max(vs), min(vs)))
col = "封单额"
vs = [(_to_float(d.get(col)) or 0.0) for d in data]
vs.sort(reverse=True)
print("【主数值列 %s】Top5:" % col)
for v in vs[:5]:
print(" %s=%2f" % (col, v))
anom = [v for v in vs if v < 0 or v > (sum(vs)/len(vs)) * 2]
print("异常扫描:%d 条(负值或超 2 倍均值)" % len(anom))
# ---------- 6. 校验 ----------
DEMO_DATA = {
"/hs/pool/dtgc/20240110": [{'code': '600XXX.SH', 'name': '样本C', 'dt_price': '12.10', 'boards': '0', 'fd_mv': '80000000', 'pct': '-10.0'}, {'code': '300XXX.SZ', 'name': '样本D', 'dt_price': '20.50', 'boards': '0', 'fd_mv': '40000000', 'pct': '-10.0'}, {'code': '600XXX.SH', 'name': '样本C', 'dt_price': '8.87', 'boards': '0', 'fd_mv': '5.86667e+07', 'pct': '-7.33'}, {'code': '300XXX.SZ', 'name': '样本D', 'dt_price': '16.4', 'boards': '0', 'fd_mv': '3.2e+07', 'pct': '-8'}, {'code': '600XXX.SH', 'name': '样本C', 'dt_price': '10.49', 'boards': '0', 'fd_mv': '6.93333e+07', 'pct': '-8.67'}, {'code': '300XXX.SZ', 'name': '样本D', 'dt_price': '19.13', 'boards': '0', 'fd_mv': '3.73333e+07', 'pct': '-9.33'}, {'code': '600XXX.SH', 'name': '样本C', 'dt_price': '12.1', 'boards': '0', 'fd_mv': '8e+07', 'pct': '-10'}, {'code': '300XXX.SZ', 'name': '样本D', 'dt_price': '21.87', 'boards': '0', 'fd_mv': '4.26667e+07', 'pct': '-10.67'}, {'code': '600XXX.SH', 'name': '样本C', 'dt_price': '13.71', 'boards': '0', 'fd_mv': '9.06667e+07', 'pct': '-11.33'}, {'code': '300XXX.SZ', 'name': '样本D', 'dt_price': '24.6', 'boards': '0', 'fd_mv': '4.8e+07', 'pct': '-12'}, {'code': '600XXX.SH', 'name': '样本C', 'dt_price': '15.33', 'boards': '0', 'fd_mv': '1.01333e+08', 'pct': '-12.67'}, {'code': '300XXX.SZ', 'name': '样本D', 'dt_price': '27.33', 'boards': '0', 'fd_mv': '5.33333e+07', 'pct': '-13.33'}],
}
def run_check():
assert _hit_key({"Code": "000001", "Name": "平安银行"}, "code", "dm") == "000001"
assert _to_float("-") is None and _to_float("12.5") == 12.5
rows = fetch_rows()
assert isinstance(rows, list) and len(rows) >= 2
data = process(rows)
assert len(data) == len(rows)
assert _hit_key(rows[0], "code", "dm") not in (None, "", "-")
print("校验通过")
if __name__ == "__main__":
run_check()
print("-" * 62)
data = _get("/hs/pool/dtgc/20240110", default=[])
if isinstance(data, dict) and "_error" in data:
print("接口异常: %s" % data["_error"][:60])
else:
rows = data if isinstance(data, list) else []
print("样例条数: %d" % len(rows))
代码讲解:① SCAFFOLD 提供字段容错 _hit_key 与带 token 鉴权、重试退避的请求 _get,MOCK 开关让你无需 token 就能验证逻辑;② 取数封装把端点参数化,process() 把接口返回的混乱字段统一映射成中文列;③ analysis() 在本地做多列描述统计 / 主列 Top5 / 异常扫描,不消耗接口额度;④ run_check() 用断言自检,可放进 CI 持续校验。
⑤ 跑通示例(演示数据)
把上面代码保存为 hf_36.py,MOCK=True 直接跑(Python3 + requests 即可,无需其他依赖)。
预期输出:先打印 校验通过(字段容错与取数链路自检),随后 analysis() 打印本篇样本的多列统计、主数值列 Top5 与异常扫描;__main__ 末尾按代码打印样例条数。这三步通了,说明 ①字段能正确取到 ②取数链路(MOCK 回放)可用 ③数据加工能产出可用结论。关掉 MOCK、填入真实 token,把 print 换成 INSERT 即生产脚本——本篇端点数据你已能独立拉下来、落本地并跑出分析表。
⑥ 编号坑
- 跌停股池与涨停股池同结构(按日期返回列表),字段封单额/连板容错复用。
- 跌停家数是恐慌指标,骤增常是风险释放信号。
- 封单额量级大(元),统计阈值区分。
- 跌停股要结合原因(利空/系统性)解读,别一概而论。
- 日期格式按接口约定。
- 落地前 print(keys) 核对。
- MOCK 演示数据虚构,实盘核对真实家数。
- 涨跌停家数比值(涨停/跌停)是情绪强弱的量化指标。
⑦ 小结与下篇预告
跌停股池是恐慌镜像,涨跌停家数比量化情绪强弱。下一篇 #37 用强势股池看动量筛选。
本篇是《A股分钟级高频数据完全手册》第 36/42 篇。建议按系列顺序读:主推篇把体系与地基搭好,后面的单点篇(如 #02 起)都是换端点、加加工。
下一篇预告:【A股分钟级高频数据完全手册 #37】强势股池数据接口:动量股筛选
⑧ 免责声明
本文代码仅用于接口调用与本地数据落库的技术演示,所有示例数据均为演示数据(MOCK 开关开启),不构成任何投资建议。股市有风险,入市需谨慎;实盘使用前请在小资金下充分验证接口稳定性与字段口径。
免费领取证书
数据来自 智兔数服(www.zhituapi.com):零 SDK、纯 GET、免费版即可起步。
领取路径:进入 www.zhituapi.com → 点击「Token服务」→「Token获取」→「免费版」(邮箱验证 3 步即可拿到 token)。
把代码里的 你的token 换成你拿到的真实 token,上面的脚本就能直接拉取 Pro 版分钟级行情、实时盘口与逐笔成交数据,照着本系列 42 篇即可从零搭好属于你自己的分钟级高频数据底座。