如何用 Python 监控 A 股涨停跌停与封板/炸板？

原创

用户7083614

发布于 2026-09-09 15:00:55

一句话回答： 涨跌停监控的关键是"拿到每只票当日的涨/跌停价，再和最新价比对"。用 AlphaFeed 一次取全 A 实时快照，用 instruments 的 limit_up/limit_down 判定涨跌停，再用五档盘口的封单量衡量封板强度、识别炸板——几十行就能搭出打板监控的数据底座。

为什么会有这个问题

涨跌停是 A 股独有的强信号，但很多人不知道每只票的涨跌停价怎么来（ST、次新、主板规则不同，比例不一样）。手工按 ±10% 估算会错。正确做法是直接取交易所给定的当日涨跌停价，再结合盘口封单判断"封得牢不牢"。

分步骤解决

第 1 步：取全 A 快照 + 当日涨跌停价

from alphafeed import AlphaFeed
import pandas as pd

af = AlphaFeed()  # 读取 ALPHAFEED_API_KEY

q = af.quotes.get(universes="CN_Stock", to_dataframe=True)
codes = q["symbol"].tolist()

# 涨跌停价来自 instruments 的 ext（交易所口径，已含 ST/次新差异）
insts = af.instruments.batch(codes)
lu = {i["symbol"]: i["ext"].get("limit_up")   for i in insts}
ld = {i["symbol"]: i["ext"].get("limit_down") for i in insts}
q["limit_up"]   = q["symbol"].map(lu)
q["limit_down"] = q["symbol"].map(ld)

第 2 步：判定涨停 / 跌停（含"接近封板"）

用最新价与涨跌停价比对，留一点浮点容差：

q["is_limit_up"]   = q["last_price"] >= q["limit_up"]   * 0.999
q["is_limit_down"] = q["last_price"] <= q["limit_down"] * 1.001

up   = q[q["is_limit_up"]]
down = q[q["is_limit_down"]]
print(f"涨停家数: {len(up)}   跌停家数: {len(down)}")
print(up[["symbol", "ext.name", "last_price", "limit_up", "ext.change_pct"]]
      .head(10).to_string(index=False))

关键字段：

字段	含义	来源
`last_price`	最新价	`quotes` 快照
`limit_up` / `limit_down`	当日涨/跌停价	`instruments.ext`（交易所口径）
`ext.change_pct`	当日涨跌幅（小数）	`quotes` 快照
`ext.turnover_rate`	换手率（小数）	`quotes` 快照

第 3 步：用五档封单量识别封板强度 / 炸板

涨停时买一价=涨停价，买一挂单量（封单）越大说明封得越牢；封单被吃光、价格跌破涨停即为"炸板"。用 depth 取五档：

def seal_strength(symbol):
    d = af.depth.get(symbol)   # dict: bid_prices/bid_volumes/ask_prices/ask_volumes
    lu_px = insts_map[symbol]["ext"].get("limit_up")
    bid1_px, bid1_vol = d["bid_prices"][0], d["bid_volumes"][0]
    sealed = abs(bid1_px - lu_px) < 1e-6 and bid1_vol > 0   # 买一在涨停价且有封单
    return {"symbol": symbol, "bid1_px": bid1_px, "seal_vol": bid1_vol, "sealed": sealed}

insts_map = {i["symbol"]: i for i in insts}
for s in up["symbol"].head(5):
    print(seal_strength(s))

depth.get 返回的盘口字段：

字段	含义
`bid_prices` / `bid_volumes`	买一~买五价格 / 挂单量
`ask_prices` / `ask_volumes`	卖一~卖五价格 / 挂单量
`symbol` / `region` / `timestamp`	标的 / 市场 / 时间戳

涨停封板：买一价=涨停价且封单量大、卖档基本无量。炸板迹象：涨停价上卖档出现大量、买一封单快速减少。

第 4 步：封装成盯板快照

def limit_board_snapshot():
    q = af.quotes.get(universes="CN_Stock", to_dataframe=True)
    insts = af.instruments.batch(q["symbol"].tolist())
    lu = {i["symbol"]: i["ext"].get("limit_up") for i in insts}
    ld = {i["symbol"]: i["ext"].get("limit_down") for i in insts}
    q["limit_up"] = q["symbol"].map(lu); q["limit_down"] = q["symbol"].map(ld)
    up = q[q["last_price"] >= q["limit_up"] * 0.999]
    down = q[q["last_price"] <= q["limit_down"] * 1.001]
    return {"涨停": len(up), "跌停": len(down),
            "涨停清单": up[["symbol", "ext.name"]].values.tolist()}

print(limit_board_snapshot()["涨停"], "只涨停")

关键坑与注意事项

别用固定 ±10% 估涨跌停：ST 是 ±5%、次新/北交所规则不同，务必用 instruments 的 limit_up/limit_down（交易所口径）。
一字板 vs 盘中封板：一字板全天封死，盘中封板可能反复开板；结合封单量与 ext.amplitude 判断。
炸板要看动态：单次快照只能看"此刻封没封"，识别炸板需连续多次快照对比封单量变化。
快照有延迟：quotes/depth 是准实时快照（秒级），不是逐笔；打板实盘对时延敏感，需评估。
停牌：停牌票 volume=0，不要计入涨跌停统计。

常见问题（FAQ）

Q：涨跌停价为什么不自己按比例算？

A：因为 ST、次新股、北交所比例不同，且有四舍五入规则。直接用 instruments 给的交易所口径最准。

Q：怎么判断"封得牢不牢"？

A：看买一（涨停价）的封单量绝对值与相对成交额；封单远大于当日成交则较牢。

Q：能识别炸板吗？

A：能，但需周期性轮询记录封单量与价格，单帧快照只能判断当前状态。

Q：需要付费吗？

A：全市场池（universes）需 Starter 及以上；单标的 quotes/depth/instruments 有免费额度。详见定价页。

小结

涨跌停监控的本质是"最新价 vs 交易所涨跌停价"，封板强度看五档封单量。用 AlphaFeed 的全 A 快照 + instruments 涨跌停价 + depth 盘口，几十行就能统计涨跌停家数、识别封板与炸板，为打板策略打好数据底座。

参考

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

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

python

pandas

#量化交易

#股票数据