当前位置：首页 > news >正文

量化小白也能懂：用CZSC 0.6.8的Python库，5分钟搞定缠论三买选股

news 2026/4/18 5:07:24

量化小白也能懂：用CZSC 0.6.8的Python库，5分钟搞定缠论三买选股

第一次接触缠论时，那些分型、笔、中枢的概念让我头晕目眩。直到发现CZSC这个Python库，才发现原来用代码实现缠论分析可以如此简单——不需要理解所有理论细节，只要会调用几个关键函数，就能快速筛选出符合三买形态的股票。今天我们就用最直白的语言，手把手教你用CZSC 0.6.8版本实现日线级别的三买选股策略。

1. 环境准备：5分钟快速搭建分析环境

在开始编写选股脚本前，我们需要先准备好Python环境和必要的数据接口。别担心，整个过程就像安装手机APP一样简单。

1.1 安装CZSC库

打开你的命令行工具（Windows用户用CMD或PowerShell，Mac用户用终端），输入以下命令安装最新版CZSC：

pip install czsc -U -i https://pypi.python.org/simple

安装完成后，用这段代码检查版本是否为0.6.8：

import czsc print(czsc.__version__) # 应该输出'0.6.8'

注意：如果遇到权限问题，可以尝试在命令前加上--user参数。Python版本需要≥3.7，建议使用3.8以上版本以获得更好兼容性。

1.2 获取股票数据

CZSC支持多种数据源接入，这里我们以聚宽(JQData)为例。如果你没有聚宽账号，也可以使用Tushare等免费替代方案（文末会给出适配代码）。

首先注册聚宽账号，然后安装JQData：

pip install jqdatasdk

在代码中设置你的账号信息：

from czsc.data.jq import set_token set_token("你的手机号", "你的密码") # 替换为实际账号

2. 三买形态的代码实现

缠论中的第三类买点（简称三买）是指股价回调不进入中枢的买入机会。用CZSC库检测这种形态，只需要不到10行核心代码。

2.1 基础检测函数

创建一个is_third_buy函数来判断单只股票是否符合三买条件：

from datetime import datetime from czsc.analyze import CZSC from czsc.enum import Signals from czsc.data.jq import get_kline def is_third_buy(symbol): """检测日线级别三买形态""" bars = get_kline(symbol, freq="D", end_date=datetime.now(), count=1000) c = CZSC(bars, freq="日线") return c.signals['倒1五笔'] in [Signals.X5LB0.value, Signals.X5LB1.value]

这段代码的工作原理：

get_kline获取股票最近1000个交易日的日线数据
CZSC类进行缠论分析
检查最后一组五笔形态是否属于三买信号

2.2 批量扫描股票池

现在我们可以批量检测上证50成分股中的三买机会：

from czsc.data.jq import get_index_stocks def scan_stocks(): symbols = get_index_stocks("000016.XSHG") # 上证50成分股 for symbol in symbols: try: if is_third_buy(symbol): print(f"{symbol} - 出现日线三买信号") except Exception as e: print(f"{symbol} - 分析失败: {str(e)}") if __name__ == '__main__': scan_stocks()

运行后，控制台会输出所有符合条件的股票代码。如果想保存结果到文件，可以修改为：

with open("third_buy_stocks.txt", "w") as f: for symbol in symbols: if is_third_buy(symbol): f.write(f"{symbol}\n")

3. 策略优化与可视化

基础功能实现后，我们可以进一步优化选股效果，并增加可视化分析。

3.1 增加过滤条件

单纯的三买信号可能包含假突破，我们可以增加成交量验证：

def is_third_buy_enhanced(symbol): bars = get_kline(symbol, freq="D", count=1000) if len(bars) < 100: # 数据不足 return False # 检查最近3日平均成交量是否大于30日均值 recent_vol = sum(bar.vol for bar in bars[-3:])/3 avg_vol = sum(bar.vol for bar in bars[-30:])/30 volume_ok = recent_vol > avg_vol * 1.2 c = CZSC(bars, freq="日线") pattern_ok = c.signals['倒1五笔'] in [Signals.X5LB0.value, Signals.X5LB1.value] return pattern_ok and volume_ok

3.2 结果可视化

CZSC内置了强大的可视化功能，可以生成包含分型、笔、中枢标注的K线图：

from czsc.trader import CzscTrader def view_chart(symbol): ct = CzscTrader(symbol=symbol, end_date=datetime.now()) ct.open_in_browser() # 在浏览器中查看分析结果 # 或者保存为HTML文件 # ct.take_snapshot("analysis_result.html")

4. 替代数据源方案

如果没有聚宽账号，可以使用Tushare免费接口。以下是适配代码：

import tushare as ts from czsc.analyze import RawBar def format_kline(df): """将Tushare数据转换为CZSC格式""" bars = [] for _, row in df.iterrows(): bar = RawBar( symbol=row['ts_code'], dt=pd.to_datetime(row['trade_date']), open=row['open'], close=row['close'], high=row['high'], low=row['low'], vol=row['vol'] ) bars.append(bar) return bars def is_third_buy_tushare(ts_code): pro = ts.pro_api('你的Tushare token') # 前往tushare.pro注册获取 df = pro.daily(ts_code=ts_code, start_date="20200101") bars = format_kline(df) c = CZSC(bars, freq="日线") return c.signals['倒1五笔'] in [Signals.X5LB0.value, Signals.X5LB1.value]

5. 实战注意事项

在实际使用过程中，有几个关键点需要特别注意：

数据质量：确保获取的K线数据包含复权信息，特别是对于除权除息较多的股票
参数优化：
- 不同股票适合不同的笔划分参数
- 可通过CZSC(bars, freq="日线", max_raw_len=200)调整灵敏度
信号验证：
- 三买出现后，建议观察接下来3根K线的确认
- 结合MACD、均线等指标进行多重验证

# 示例：增加MACD验证 from czsc.objects import Signal def is_third_buy_with_macd(symbol): bars = get_kline(symbol, freq="D", count=1000) c = CZSC(bars, freq="日线") # 三买形态确认 pattern_ok = c.signals['倒1五笔'] in [Signals.X5LB0.value, Signals.X5LB1.value] # MACD金叉验证 macd_ok = c.signals['倒1MACD状态'] == Signal.LA0.value return pattern_ok and macd_ok

最后提醒，任何技术指标都有局限性。在实际交易中，建议先进行历史回测，再结合基本面分析，最后用小资金实盘验证。我在测试过程中发现，将三买信号与行业板块热度结合，能显著提高策略胜率。

查看全文

http://www.jsqmd.com/news/659103/