委比与委差

本文介绍了股票交易中的委差和委比概念,解释了它们如何反映市场买卖力量对比,并探讨了其作为预测股价变动指标的有效性和局限性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

委差是指:买1至买5买入手数的总和减去卖1至卖5卖出手数总和的差就叫委差。
委比是指:(委差的数值)除以(买1至买5买入手数的总和加上卖1至卖5卖出手数总和)乘以100%


以下是委差和委比的一些基础知识:
委差是指下五档委托买入股票之和减去上五档委托卖出股票之和。委差为正时指下五档委托买入的股票(这时候还是尚未成交的资金)总手数大于上五档委托卖出的股票总手数。反之说明上五档委托卖出的股票总手数大于下五档委托买入的股票总手数。

所以,委差为正当然说明预期做多的力量强于预期做空的力量,反之则说明空方的力量占优势。而且差值越大,说明多方或空方的力量越大。

委比的计算公式为:(委买-委卖)/(委买+委卖)×100%。委差为正时,委买>委卖,此时的委比%也为正。说明场内买入意愿大于卖出意愿,预示股价有可能上涨。委差为负时,委买<委卖,此时委比%也为负,说明场内卖出意愿大于买入意愿,预示股价有可能下跌。

但委比和委差这两个数据是动态的。它随着市场的交易情况不断的变化着。它所揭示的买卖意愿只说明当前这个时点的情况。当市场即时趋势向好时,挂卖的人常常把股价挂在高位,股价上涨了,逼近其卖价时,这些挂卖的股票有可能被撤单。挂买的人常常把股价挂在低位,股价下跌了,逼近其买价时,这些挂买的单子也有可能被撤单。有时做盘的“庄家”也常常利用这个手段来诱多或者诱空。

某种程度上讲,委买委卖的差值(即委差),是投资者意愿的体现,一定程度上反映了价格的发展方向。委差为正,价格上升的可能性就大,反之,下降的可能性大。之所以加上"某种程度上",是因为还有人为干扰的因素,比如主力制造的假象等。

但是,对于市场中所有股票的委买委卖值的差值之总和,却是一个不容易被任何人干扰的数值。它是一个相对真实的数据。因为任何一个单独的主力都不能影响它,散户更加不能。它是所有主力和散户的综合反映,确实能够反映市场真实的买卖意愿。我们根据这个数据,可以判断大盘的短期方向以及大盘的是否转折了。数值为正,表明买盘踊跃,大盘上升的可能性大,反之,说明卖盘较多,下跌的可能性则较大。

道理清楚了,根据具体的情况,需要作具体的分析。比如,有的时候,指数的委差居高不下,但是指数却下滑。这种情况说明,接盘的量很大,且是有计划的。而卖盘的力量,是主动的抛出。有可能是散户的行为。这种情况并不很危险,相反,到是一种较危险的情况,那就是,在指数上升而委差却总是大大的负数,这时候,我们是不是该怀疑主力在有计划出货?

几张典型的行情(收盘后整理用的,费实时)

下面的分析纯属个人娱乐!!!!!!

<think>好的,用户的问题是关于QMT平台中集合竞价选股的方法或策略。首先,我需要回顾一下QMT平台的相关知识,并结合提供的引用内容来整理答案。 用户提到的引用中有关于QMT平台的介绍,比如引用[2]提到在QMT中使用通达信公式转换,处理日线回测时需要注意下单价格为当天收盘价。这可能和集合竞价阶段的数据获取有关。此外,引用[1]提到在分钟回测中可用当天开盘价,但集合竞价下单时无法使用,这可能影响策略的设计。 接下来,我需要确定集合竞价选股的关键点。通常,集合竞价阶段的数据包括开盘价、成交量、托量等。策略可能基于这些指标,比如高开幅度、成交量突增等。需要确保在QMT中能够获取这些数据,比如使用get_current_data函数,但要注意在回测中的限制,如引用[1]所说,集合竞价时无法知道开盘价,可能需要调整回测逻辑。 然后,考虑策略构建方法。可能需要结合技术指标,如引用[2]中的通达信公式转换,将选股条件转换为Python代码。例如,使用量价关系或市场情绪指标。此外,引用[3]提到QTYX系统支持自定义选股,可能可以参考其选股框架,利用问财等工具获取数据。 还需要考虑回测机制,如引用[2]提到的日线周期回测使用handlebar机制,下单价格为收盘价。这可能实际集合竞价的成交价不同,需要特别注意回测结果的准确性,可能需要使用分钟级别的回测数据。 最后,整理步骤:数据获取、策略逻辑、编码实现、回测优化。确保每个步骤都符合QMT平台的功能和限制,并引用相关的参考资料来支持建议。</think>关于QMT平台集合竞价选股策略的构建方法,可参考以下步骤: ### 一、数据获取要点 1. 使用$get\_current\_data()$获取实时数据,需注意**集合竞价阶段**的特殊性: - 可获取$pre\_close$(前收盘价)、$limit\_up\_price$(涨停价)等静态数据 - 动态数据如$bid\_volumes$(买量)、$ask\_volumes$(卖量)需通过Level2接口获取[^1] 2. 关键指标计算公式: - 开盘强度比:$$强度比 = \frac{open\_price}{pre\_close} \times 100\%$$ - 托不平衡度:$$比 = \frac{bid\_volume - ask\_volume}{bid\_volume + ask\_volume}$$ ### 二、策略逻辑设计 1. **量价突破型策略**(参考引用[2]的指标转换方法): - 条件1:前日涨停且当日竞价涨幅>3% - 条件2:竞价量能>5日均量的2倍 - 实现示例: ```python def is_breakout(stock): data = get_history_data(stock, '1d', 'close,volume', 5) current = get_current_data(stock) cond1 = (data['close'][-2] == data['close'][-2] * 1.1) # 前日涨停判断 cond2 = (current['open'] / data['close'][-1] > 1.03) cond3 = current['volume'] > data['volume'].mean() * 2 return cond1 & cond2 & cond3 ``` 2. **市场情绪联动策略**(基于引用[3]的选股框架): - 步骤1:筛选所属行业竞价强度Top3的板块 - 步骤2:在板块内选择买比率前5的个股 - 使用$get\_industry\_stocks()$获取行业成分股[^3] ### 三、回测注意事项 1. 时间设定: - 回测周期应包含**09:15-09:25**的集合竞价时段 - 使用分钟级回测模式而非日线模式[^2] 2. 成交机制模拟: - 价格匹配:按**最大成交量原则** - 托方式示例: ```python order(stock, 'limit', price=涨停价, amount=托量, time='09:25:00') ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值