文章摘要 本文揭示了A股大宗交易数据中隐藏的反直觉Alpha信号。研究发现，大宗交易折价率与未来收益呈显著正相关——折价超过10%的股票未来30天平均收益比折价小的股票高2.7个百分点。文章通过本地化Python全流程分析，解析了大宗交易生态中的三种参与方行为，并构建了由折价率、接盘方类型和成交金额三个子信号组成的复合因子。其中，私募接盘且大额折价的交易展现出最强的Alpha，这与"机构出货"的传

本文介绍了基于Python的大宗交易数据追踪系统，通过分析A股市场大宗交易数据挖掘折溢价信号和机构意图。系统核心包括三个模块：1)折溢价率计算模块，通过对比大宗交易价与收盘价判断买卖信号；2)交易频率追踪模块，识别短期内密集大单交易；3)交易后走势分析模块，验证大宗交易对股价的影响。文章提供了关键Python代码实现，包括数据读取、折溢价计算、交易分类和后续表现分析等功能，帮助投资者从大额交易数据

摘要：本文介绍了使用Python构建可转债投资决策系统的实现方法。系统通过本地数据引擎获取可转债行情数据和条款数据，包括价格、转股价、溢价率等关键指标。核心功能包括实时转股溢价率计算、历史转股价追踪、多维度可转债筛选（价格区间、溢价率、正股基本面等）以及基于债券价值和期权价值的定价模型。系统实现了从数据获取到分析决策的完整流程，为可转债投资提供量化支持。

本地数据引擎提供了行业资金流向数据all/zjlx/zjhhy，包含各行业的资金流入流出情况。历史K线time/history/trade/{dm}/day用于计算板块内股票的相关性。第一，只有高联动板块才适合做跟涨套利，低联动板块（银行、地产）的龙头涨了其他股票不一定跟。第二，跟涨股的选择要排除基本面差的股票，避免买到"不跟涨是有原因的"股票。板块联动是A股市场最显著的特征之一——龙头股启动后，

本文介绍了如何利用Python分析龙虎榜数据，追踪机构席位与营业部的交易行为。龙虎榜数据包含每日异动股票的买卖席位信息，通过分析这些数据可以了解主力资金动向。文章详细讲解了四类核心数据（每日龙虎榜详情、机构席位追踪、营业部统计、机构成交明细）的获取与分析方法，并提供了Python代码实现。重点展示了如何识别机构操盘动向（如连续净买入信号）、分析营业部交易风格（机构型、游资型等），以及统计活跃营业部

本文介绍了一套基于ETF申赎数据的机构行为识别系统。作者通过分析200多只ETF数据发现：散户主导的ETF申赎行为与指数走势高度相关，大额申购往往对应高点，大额赎回常出现在低点。系统利用这一规律构建反向指标，通过Python实现自动信号生成，回测显示年化收益达18.7%，胜率68%。文章详细阐述了数据准备、核心算法（包括散户情绪反向指标计算）和实战发现，同时总结了结算时差、成分股重叠等常见陷阱，为

本文分享了一个基于Python构建的多因子选股系统，融合基本面与资金面因子，实现年化22%的收益。系统包含四大模块：因子计算（提取ROE、净利润增长率、PE/PB等基本面因子及主力资金流向等资金面因子）、因子筛选（剔除无效及高相关性因子）、等权加权评分（采用百分位排名归一化处理）、回测验证（按月调仓测试Top30组合表现）。文章提供了完整的数据处理代码，包括财务数据读取、因子计算函数、共线性筛选方

本文介绍了一个基于Python的涨停板"假封板"识别系统，该系统通过分析4个典型特征（尾盘突击封板、封单金额占比低、封板后主力撤单、次日开盘低开）来识别主力借涨停出货行为。系统实现包括特征提取函数、组合判断逻辑及批量回测模块。回测结果显示，60.6%的涨停板为假封板，5日后平均跌幅8.7%，而真封板平均涨幅6.5%。文章还总结了开发过程中遇到的4个关键问题及解决方案，强调高质量交易数据对识别精度的

本文介绍如何将WorkBuddy AI助手与本地股票数据ig50相结合，构建高效的股票分析系统。作者指出远程API存在延迟、频率限制和数据隐私问题，而ig50本地数据方案将221个金融数据集存储在本地服务器，实现毫秒级响应。文章详细展示了本地数据目录结构、多线程读取优化方案，以及如何通过自然语言指令让WorkBuddy自主完成市场概况分析、个股多维分析等复杂任务。测试数据显示，本地方案比API调用

摘要：ig50是一款本地股票数据引擎，提供沪深京A股、港股和基金共217个数据集的JSON格式数据，支持实时行情更新和L2盘口数据。相比在线API，本地存储避免了网络波动和QPS限制，提升了大模型直接读取数据的效率，简化了回测流程。支持多线程并发回测，大幅提升策略验证速度。数据字段清晰稳定，无需频繁适配接口，且保障隐私安全。新用户可免费试用一个月，适合量化交易和AI Agent开发者使用。