Z哥战法的 Python 实现（更新版）

更新时间：2025-09-10 –

1. 重构 fetch_kline.py：仅使用 Tushare 日线（前复权 qfq）、从 stocklist.csv 读取股票池、支持排除板块（创业板/科创板/北交所），抓取为全量覆盖保存；
2. Selector.py：删除 TePu 战法，新增/强化统一日内过滤与“知行短/长线”约束；
3. configs.json 已同步新参数与默认值；
4. 新增 “统一当日过滤&知行约束” 说明章节。

---

目录

• 项目简介

• 快速上手

  • 环境与依赖
  • 准备 Tushare Token
  • 准备 stocklist.csv
  • 下载历史 K 线（qfq，日线）
  • 运行选股

• 参数说明

  • fetch_kline.py
  • select_stock.py

• 统一当日过滤 & 知行约束

• 内置策略（Selector）

  • 1. BBIKDJSelector（少妇战法）
  • 2. SuperB1Selector（SuperB1战法）
  • 3. BBIShortLongSelector（补票战法）
  • 4. PeakKDJSelector（填坑战法）
  • 5. MA60CrossVolumeWaveSelector（上穿60放量战法）

• 项目结构

• 常见问题

• 免责声明

---

项目简介

名称	功能简介
fetch_kline.py	仅使用 Tushare 抓取 A 股日线（前复权 qfq）。股票池从 stocklist.csv 读取，支持排除 创业板/科创板/北交所，并发抓取，每次运行全量覆盖保存（不做增量合并），输出 CSV 列：date, open, close, high, low, volume。
select_stock.py	加载 ./data 目录内 CSV 行情与 configs.json，批量执行选择器（Selector）并输出结果到控制台与 select_results.log。
Selector.py	实现各类战法（选择器）。已删除 TePu 战法；现包含 5 个策略，统一纳入“当日过滤 & 知行约束”。

---

快速上手

环境与依赖

# Python 3.11/3.12 均可，示例以 3.12
conda create -n stock python=3.12 -y
conda activate stock

# 进入你的项目目录
cd /path/to/your/project

# 安装依赖
pip install -r requirements.txt

关键依赖：pandas, tqdm, tushare, numpy, scipy。

准备 Tushare Token

1. 在系统环境中写入 TUSHARE_TOKEN：

# Windows (PowerShell)
setx TUSHARE_TOKEN "你的token"

# macOS / Linux (bash)
export TUSHARE_TOKEN=你的token

下载历史 K 线（qfq，日线）

python fetch_kline.py \
  --start 20240101 \
  --end today \
  --stocklist ./stocklist.csv \
  --exclude-boards gem star bj \
  --out ./data \
  --workers 6

• 数据源固定：Tushare 日线，前复权 qfq。
• 保存策略：每只股票全量覆盖写入 ./data/XXXXXX.csv。
• 并发抓取：默认 6 线程；支持封禁冷却（命中「访问频繁/429/403…」将睡眠约 600s 并重试，最多 3 次）。

运行选股

python select_stock.py \
  --data-dir ./data \
  --config ./configs.json \
  --date 2025-09-10

--date 可省略，默认取数据中的最后交易日。

---

参数说明

fetch_kline.py

参数	默认值	说明
--start	20190101	起始日期，格式 YYYYMMDD 或 today
--end	today	结束日期，格式同上
--stocklist	./stocklist.csv	股票清单 CSV 路径（含 ts_code 或 symbol）
--exclude-boards	[]	排除板块，枚举：gem(创业板 300/301) / star(科创板 688) / bj(北交所 .BJ / 4/8 开头)。可多选。
--out	./data	输出目录（自动创建）
--workers	6	并发线程数

输出 CSV 列：date, open, close, high, low, volume（按日期升序）。

抓取与重试：每支股票最多 3 次尝试；疑似限流/封禁触发 600s 冷却；其它异常采用递进式短等候重试（15s×尝试次数）。

select_stock.py

参数	默认值	说明
--data-dir	./data	CSV 行情目录
--config	./configs.json	选择器配置
--date	数据最后交易日	选股交易日

---

内置策略（Selector）

提示：文中“窗口”均指交易日数量。实际实现均已替换为最新代码逻辑。

1. BBIKDJSelector（少妇战法）

核心逻辑：

• 价格波动约束：最近 max_window 根收盘价的波动（high/low-1）≤ price_range_pct；
• BBI 上升：bbi_deriv_uptrend，允许一阶差分在 bbi_q_threshold 分位内为负（容忍回撤）；
• KDJ 低位：当日 J 值 < j_threshold 或 ≤ 最近 max_window 的 j_q_threshold 分位；
• MACD：DIF > 0；
• MA60 条件：当日 close ≥ MA60 且最近 max_window 内存在“有效上穿 MA60”；
• 知行当日约束：收盘 > 长期线 且 短期线 > 长期线。

configs.json 预设（与示例一致）：

{
  "class": "BBIKDJSelector",
  "alias": "少妇战法",
  "activate": true,
  "params": {
    "j_threshold": 15,
    "bbi_min_window": 20,
    "max_window": 120,
    "price_range_pct": 1,
    "bbi_q_threshold": 0.2,
    "j_q_threshold": 0.10
  }
}

2. SuperB1Selector（SuperB1战法）

核心逻辑：

1. 在 lookback_n 窗内，存在某日 t_m 满足 BBIKDJSelector；

2. 区间 [t_m, 当日前一日] 收盘价波动率 ≤ close_vol_pct；

3. 当日相对前一日 下跌 ≥ price_drop_pct；

4. 当日 J < j_threshold 或 ≤ j_q_threshold 分位；

5. 知行约束：

   • 在 t_m 当日：收盘 > 长期线 且 短期线 > 长期线；
   • 在 当日：只需 短期线 > 长期线。

configs.json 预设：

{
  "class": "SuperB1Selector",
  "alias": "SuperB1战法",
  "activate": true,
  "params": {
    "lookback_n": 10,
    "close_vol_pct": 0.02,
    "price_drop_pct": 0.02,
    "j_threshold": 10,
    "j_q_threshold": 0.10,
    "B1_params": {
      "j_threshold": 15,
      "bbi_min_window": 20,
      "max_window": 120,
      "price_range_pct": 1,
      "bbi_q_threshold": 0.3,
      "j_q_threshold": 0.10
    }
  }
}

3. BBIShortLongSelector（补票战法）

核心逻辑：

• BBI 上升（容忍回撤）；

• 最近 m 日内：

  • 长 RSV（n_long）全 ≥ upper_rsv_threshold；
  • 短 RSV（n_short）出现“先 ≥ upper，再 < lower”的序列结构；
  • 当日短 RSV ≥ upper；

• MACD：DIF > 0；

• 知行当日约束：收盘 > 长期线 且 短期线 > 长期线。

configs.json 预设：

{
  "class": "BBIShortLongSelector",
  "alias": "补票战法",
  "activate": true,
  "params": {
    "n_short": 5,
    "n_long": 21,
    "m": 5,
    "bbi_min_window": 2,
    "max_window": 120,
    "bbi_q_threshold": 0.2,
    "upper_rsv_threshold": 75,
    "lower_rsv_threshold": 25
  }
}

4. PeakKDJSelector（填坑战法）

核心逻辑：

• 基于 open/close 的 oc_max 寻找峰值（scipy.signal.find_peaks）；
• 选择最新峰 peak_t 与其前方有效参照峰 peak_(t-n)：要求 oc_t > oc_(t-n)，并确保区间内其它峰不“抬高门槛”；且 oc_(t-n) 必须 高于区间最低收盘价 gap_threshold；
• 当日收盘与 peak_(t-n) 的波动率 ≤ fluc_threshold；
• 当日 J < j_threshold 或 ≤ j_q_threshold 分位；
• 知行当日约束：收盘 > 长期线 且 短期线 > 长期线。

configs.json 预设：

{
  "class": "PeakKDJSelector",
  "alias": "填坑战法",
  "activate": true,
  "params": {
    "j_threshold": 10,
    "max_window": 120,
    "fluc_threshold": 0.03,
    "j_q_threshold": 0.10,
    "gap_threshold": 0.2
  }
}

5. MA60CrossVolumeWaveSelector（上穿60放量战法）

核心逻辑：

1. 当日 J < j_threshold 或 ≤ j_q_threshold 分位；
2. 最近 lookback_n 内存在有效上穿 MA60；
3. 以上穿日 T 到当日区间内 High 最大日 作为 Tmax，定义上涨波段 [T, Tmax]，其 平均成交量 ≥ vol_multiple × 上穿前等长或截断窗口的平均量；
4. MA60 的最近 ma60_slope_days 日 回归斜率 > 0；
5. 知行当日约束：收盘 > 长期线 且 短期线 > 长期线。

configs.json 预设：

{
  "class": "MA60CrossVolumeWaveSelector",
  "alias": "上穿60放量战法",
  "activate": true,
  "params": {
    "lookback_n": 25,
    "vol_multiple": 1.8,
    "j_threshold": 15,
    "j_q_threshold": 0.10,
    "ma60_slope_days": 5,
    "max_window": 120
  }
}

已移除：BreakoutVolumeKDJSelector（TePu 战法）。

---

项目结构

.
├── configs.json             # 选择器参数（示例见上文）
├── fetch_kline.py           # 从 stocklist.csv 读取并抓取 Tushare 日线（qfq）
├── select_stock.py          # 批量选股入口
├── Selector.py              # 策略实现（含公共指标/过滤）
├── stocklist.csv            # 你的股票池（示例列：ts_code/symbol/...）
├── data/                    # 行情 CSV 输出目录
├── fetch.log                # 抓取日志
└── select_results.log       # 选股日志

---

常见问题

Q1：为什么抓取会“卡住很久”？ 可能命中 Tushare 频控或网络封禁。脚本检测到典型关键字（如“访问频繁/429/403”）时，会进入**长冷却（默认 600s）**再重试。

Q2：为什么不做增量合并？ 考虑采用增量更新会遇到前复权的问题，本版选择每次全量覆盖写入。

Q3：创业板/科创板/北交所如何排除？ 运行时使用 --exclude-boards gem star bj，或按需选择其一/其二。

---

免责声明

• 本仓库仅供学习与技术研究之用，不构成任何投资建议。股市有风险，入市需谨慎。
• 数据来源与接口可能随平台策略调整而变化，请合法合规使用。
• 致谢 @Zettaranc 在 Bilibili 的无私分享：https://b23.tv/JxIOaNE