如何用 Python 做均线粘合选股？（多头发散前的变盘候选）

一句话回答： 「均线粘合」就是 5/10/20/30/60 日均线挤在一起、彼此差距极小，常出现在长期横盘、变盘前夜。量化它只需一个指标------均线离散度 = 这几条均线的标准差 ÷ 均值 ×100%，越小越粘合。用 AlphaFeed 批量取复权日线，几行就能扫出全池粘合候选。

为什么会有这个问题 / 传统做法的痛点

看图找「均线缠在一起」很直观，但要批量筛就得把「粘合」变成一个可比较的数：

需要归一化：直接比均线差值，高价股天然差得大，必须除以均价变成百分比；
多条均线一起看：只比两条均线不够，通常取 5/10/20/30/60 五条；
粘合不辨方向：粘合只说明「蓄势」，向上还是向下要靠后续突破确认。

数据用 AlphaFeed 批量复权日线，计算用几行 pandas 即可。

分步骤解决（每步配可运行代码）

第 1 步：批量取复权日线

python 复制代码

from alphafeed import AlphaFeed

af = AlphaFeed(api_key="your-api-key")  # 或 export ALPHAFEED_API_KEY 后 AlphaFeed()

symbols = ["600519.SH", "000001.SZ", "600036.SH", "000858.SZ", "600900.SH", "300750.SZ"]
bt = af.klines.batch(symbols, period="1d", count=90, adjust="forward", to_dataframe=True)
# bt 是 {symbol: DataFrame}

第 2 步：计算均线离散度

python 复制代码

import numpy as np

def convergence(close, mas=(5, 10, 20, 30, 60)):
    vals = [close.rolling(m).mean().iloc[-1] for m in mas]   # 各均线最新值
    return float(np.std(vals) / np.mean(vals) * 100)         # 离散度(%)，越小越粘合

参数与阈值说明：

参数	含义	建议
`mas`	参与比较的均线	经典 5/10/20/30/60
`count`	取多少根日线	≥ 最长均线（60）+ 余量，本文 90
离散度阈值	判定粘合的上限	1%~3%，越小越严格
`adjust`	复权方式	必须 `forward`

第 3 步：全池筛出粘合候选

python 复制代码

import pandas as pd

def ma_squeeze_screen(symbols, count=90, thr=1.5):
    bt = af.klines.batch(symbols, period="1d", count=count, adjust="forward", to_dataframe=True)
    rows = []
    for sym, df in bt.items():
        if df is None or len(df) < 60:      # 数据不足跳过
            continue
        d = df.sort_values("trade_date").reset_index(drop=True)
        disp = convergence(d["close"])
        rows.append({"symbol": sym, "dispersion_%": round(disp, 2), "squeeze": disp <= thr})
    return pd.DataFrame(rows).sort_values("dispersion_%")

print(ma_squeeze_screen(symbols, thr=3.0).to_string(index=False))
# 例如 600900.SH 0.52%、600519.SH 0.90% 离散度最小 -> 均线最粘合

上例实测长江电力离散度≈0.52%、茅台≈0.90% 最粘合；宁德时代≈6.27% 明显发散。想扫全市场把 symbols 换成 universe（需 Starter+）分批传入即可。

关键坑与注意事项

粘合不辨方向 ：离散度小只代表「多空平衡、蓄势」，之后是向上发散还是向下破位并不确定，务必等放量突破再动作。
阈值随市场调：不同价位、不同波动的股票离散度基准不同；建议先看全市场分布，用分位数（如最小 5%）而非拍脑袋定绝对阈值。
要够长的数据 ：用到 60 日均线就必须至少 60+ 根日线，count 给足并对不足数据跳过，否则 rolling(60) 全是 NaN。
复权：一律 adjust="forward"，除权跳空会让均线错位、离散度失真。
配合成交量：粘合末期常伴随极度缩量，可加「近期成交量萎缩」条件提高质量。

常见问题（FAQ）

Q：为什么用标准差除以均值，而不是直接看均线差？

A：直接比差值对高价股不公平（价格越高差得越大）。除以均值做成百分比（变异系数），不同价位的股票才能横向比较。

Q：粘合后一定会变盘吗？

A：不一定，也可能继续横盘。它只是提高了「变盘概率」的观察名单，需结合突破、量能和基本面。

Q：扫全市场会不会很慢/超额度？

A：用 klines.batch 分批（每批几百只）比逐只快很多；全市场标的池需 Starter 及以上，注意接口额度。

Q：需要付费吗？

A：小批量在免费额度内可试；universe 全市场池与大批量需 Starter 及以上，详见 AlphaFeed 定价页。

小结

均线粘合选股的本质是「把几条均线挤在一起的程度量化成一个离散度」，用变异系数（标准差/均值）就能跨价位比较，越小越粘合。AlphaFeed 的批量复权日线让你几行扫出全池候选------但记住粘合只辨「蓄势」不辨「方向」，真正下手要等放量突破、配合量能确认。

参考

AlphaFeed Python SDK 文档：https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart
AlphaFeed 官网：https://alphafeed.org/