【聚宽】JoinQuant 资金流数据分析：get_money_flow 函数应用指南

最新推荐文章于 2025-12-19 20:13:51 发布

原创最新推荐文章于 2025-12-19 20:13:51 发布 · 654 阅读

18 ·

CC 4.0 BY-SA版权

文章标签：

#AI编程 #python #开发语言

EasyQuant 聚宽专栏收录该内容

5 篇文章

订阅专栏

如何使用 JoinQuant API 获取和分析股票资金流向数据？

掌握 JoinQuant 的 get_money_flow 函数，获取主力、超大单、大单的资金净流入数据。本指南将教您如何利用资金流数据辅助您的量化选股和择时策略。

本文由 EasyQuant 提供技术支持。

Q: 怎样获取股票的主力资金净流入数据并用于分析？

在聚宽（JoinQuant）平台中，获取股票的主力资金净流入数据主要使用 get_money_flow 函数。该函数提供了基于逐笔成交数据计算的资金流向信息。

以下是关于如何获取该数据、字段说明以及一个完整的基于主力资金流入的交易策略示例。

1. 核心API说明

函数名：get_money_flow

关键字段：

net_amount_main: 主力净额（万）。这是最核心的指标，计算公式为：超大单净额 + 大单净额。
- 正值表示主力资金净流入。
- 负值表示主力资金净流出。
net_pct_main: 主力净占比（%）。计算公式为：主力净额 / 成交额。用于衡量主力资金流入的强度。

2. 在研究环境中获取数据

如果你需要在“研究”模块中分析某只股票的历史主力资金情况，可以使用以下代码：

# -*- coding: utf-8 -*-
from jqdata import *
import pandas as pd

# 设置股票代码和时间范围
security = '000001.XSHE'
start_date = '2023-01-01'
end_date = '2023-02-01'

# 获取资金流数据
# fields参数指定我们需要的主力净额(net_amount_main)和主力净占比(net_pct_main)
df = get_money_flow(
    [security], 
    start_date=start_date, 
    end_date=end_date, 
    fields=['date', 'sec_code', 'close', 'net_amount_main', 'net_pct_main']
)

# 打印前5行
print(df.head())

# 简单分析：计算这段时间内主力资金净流入的天数
positive_days = df[df['net_amount_main'] > 0].shape[0]
print("主力资金净流入天数: %d" % positive_days)

3. 策略示例：主力资金跟随策略

下面是一个完整的策略代码，可以直接在聚宽的回测环境中运行。

策略逻辑：

股票池：沪深300成分股。
买入条件：选取昨日“主力资金净占比”最高的前10只股票，且主力资金必须为净流入（大于0）。
卖出条件：如果持仓股票不在今日的买入列表中，则卖出。
调仓频率：每日调仓。

# -*- coding: utf-8 -*-
from jqdata import *

def initialize(context):
    # 设定基准为沪深300
    set_benchmark('000300.XSHG')
    # 开启动态复权模式(真实价格)
    set_option('use_real_price', True)
    # 过滤掉order系列API产生的比error级别低的log
    log.set_level('order', 'error')
    
    # 设定每日交易费用
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    
    # 每天开盘前运行
    run_daily(before_market_open, time='before_open')
    # 每天开盘时运行
    run_daily(market_open, time='open')

def before_market_open(context):
    # 获取沪深300成分股
    g.security_list = get_index_stocks('000300.XSHG')

def market_open(context):
    # 1. 获取资金流数据
    # 注意：在回测中，get_money_flow 如果不指定 end_date，默认获取的是截止到昨天的历史数据
    # 我们获取过去1天的数据
    q = get_money_flow(
        g.security_list, 
        end_date=context.previous_date, 
        count=1, 
        fields=['sec_code', 'net_amount_main', 'net_pct_main']
    )
    
    # 2. 数据清洗与筛选
    if len(q) > 0:
        # 筛选出主力净额大于0的股票
        df_positive = q[q['net_amount_main'] > 0]
        
        # 按照主力净占比(net_pct_main)从大到小排序
        df_sorted = df_positive.sort_values(by='net_pct_main', ascending=False)
        
        # 取前10只股票作为目标买入列表
        target_list = df_sorted['sec_code'].head(10).tolist()
    else:
        target_list = []
    
    # 3. 交易操作
    # 获取当前持仓
    current_holdings = list(context.portfolio.positions.keys())
    
    # 卖出：如果持仓股票不在目标列表中，则卖出
    for stock in current_holdings:
        if stock not in target_list:
            order_target_value(stock, 0)
    
    # 买入：对目标列表中的股票进行等权重买入
    if len(target_list) > 0:
        # 将资金平分成几份
        value_per_stock = context.portfolio.available_cash / len(target_list)
        
        for stock in target_list:
            order_target_value(stock, value_per_stock)
            
    # 打印日志方便观察
    # log.info("今日目标持仓: %s" % target_list)

4. 注意事项

数据滞后性：get_money_flow 获取的是日级别数据。在回测中，如果在 handle_data 或 run_daily 中调用且不指定日期，通常获取的是前一交易日的数据（因为当天的资金流数据在收盘后才能结算完成）。
未来函数：如果在回测中使用了 datetime.date.today() 或 context.current_dt 作为 end_date 来获取当日的资金流数据并用于当日交易，会包含未来函数（因为实盘中盘中无法获取全天结算后的资金流），这会导致回测结果虚高。上述策略示例中使用了 context.previous_date 来确保数据的安全性。
数据范围：该数据提供2010年至今的数据。