企业官网建设流程全解析

牛市个股上涨占比统计工具（量化"大盘涨≠个股涨"）｜教学级量化投资原型

内容包含免责声明和风险提示，不荐股、不预测行情、不引导开户、无任何引流。

一、实际应用场景描述

在智能证券投资课程中，市场广度（Market Breadth）与个股分化是核心教学内容。

本程序适用于：

- 高校量化投资、技术分析课程实验

- 投资者教育（Investor Education）

- 市场结构认知训练

- 破除"大盘涨我就赚"的认知偏差

核心目标：

- 统计牛市期间个股上涨占比

- 量化普涨行情的实际覆盖率

- 用数据说明：大盘上涨 ≠ 所有个股上涨

- 输出历史统计报告

✅ 不做未来预测

✅ 不构成投资建议

✅ 仅作为历史数据统计示例

二、痛点引入（真实可感知）

痛点 表现

认知偏差 "大盘涨了我的股票肯定涨"

幸存者偏差 只看涨停板，忽略下跌股

缺乏数据支撑 凭感觉判断市场热度

盲目追涨 以为牛市就能躺赢

工具门槛高 专业行情软件复杂

👉 需要一个轻量、本地、可解释、可复现的统计工具

三、核心逻辑讲解（工程视角）

1️⃣ 数据模型设计

BullMarketSession

├── index_name 指数名称

├── start_date 牛市起始日

├── end_date 牛市结束日

├── index_return 指数涨幅（%）

└── stocks 个股列表（含涨跌幅）

2️⃣ 核心统计指标

指标 含义

上涨个股占比 涨幅 > 0 的个股比例

跑赢指数占比 涨幅 > 指数涨幅的比例

下跌个股占比 涨幅 < 0 的比例

分化系数 个股涨幅的标准差

3️⃣ 统计流程

输入牛市区间

遍历所有个股

计算每只涨跌幅

统计上涨 / 下跌数量

计算跑赢指数比例

输出统计报告

4️⃣ 关键公式

上涨占比 = 上涨个股数 / 总个股数 × 100%

跑赢指数占比 = 涨幅 > 指数涨幅的个股数 / 总个股数 × 100%

四、Python 模块化代码（可直接运行）

📁 项目结构

bull_market_coverage/

│

├── main.py

├── models.py

├── analyzer.py

├── reporter.py

├── storage.py

├── README.md

└── DISCLAIMER.md

✅ models.py（数据建模）

"""

models.py

牛市行情与个股数据模型

"""

class StockPerformance:

"""个股表现"""

def __init__(self, symbol, name, return_pct):

self.symbol = symbol

self.name = name

self.return_pct = return_pct

class BullMarketSession:

"""牛市区间"""

def __init__(self, index_name, start_date, end_date, index_return):

self.index_name = index_name

self.start_date = start_date

self.end_date = end_date

self.index_return = index_return

self.stocks = []

✅ analyzer.py（核心统计逻辑）

"""

analyzer.py

牛市个股上涨占比统计

"""

import numpy as np

def analyze(session):

"""

统计牛市区间个股表现

"""

total = len(session.stocks)

if total == 0:

return None

# 上涨个股

up_stocks = [s for s in session.stocks if s.return_pct > 0]

down_stocks = [s for s in session.stocks if s.return_pct < 0]

flat_stocks = [s for s in session.stocks if s.return_pct == 0]

# 跑赢指数的个股

beat_index = [s for s in session.stocks if s.return_pct > session.index_return]

returns = [s.return_pct for s in session.stocks]

return {

"total_stocks": total,

"up_count": len(up_stocks),

"down_count": len(down_stocks),

"flat_count": len(flat_stocks),

"up_pct": round(len(up_stocks) / total * 100, 2),

"down_pct": round(len(down_stocks) / total * 100, 2),

"beat_index_count": len(beat_index),

"beat_index_pct": round(len(beat_index) / total * 100, 2),

"avg_return": round(np.mean(returns), 2),

"median_return": round(np.median(returns), 2),

"std_return": round(np.std(returns), 2),

"max_return": round(max(returns), 2),

"min_return": round(min(returns), 2)

}

✅ reporter.py（统计报告输出）

"""

reporter.py

牛市覆盖率统计报告

"""

def report(session, stats):

print("\n" + "=" * 55)

print(f"【牛市个股上涨占比统计报告】")

print("=" * 55)

print(f"指数：{session.index_name}")

print(f"区间：{session.start_date} ~ {session.end_date}")

print(f"指数涨幅：{session.index_return}%")

print("-" * 55)

print(f"\n📊 总样本：{stats['total_stocks']} 只个股")

print(f"\n📈 上涨个股：{stats['up_count']} 只（{stats['up_pct']}%）")

print(f"📉 下跌个股：{stats['down_count']} 只（{stats['down_pct']}%）")

print(f"➡️ 平盘个股：{stats['flat_count']} 只")

print(f"\n🎯 跑赢指数：{stats['beat_index_count']} 只（{stats['beat_index_pct']}%）")

print(f" （指数涨幅 {session.index_return}%）")

print(f"\n📋 收益分布：")

print(f" 平均收益：{stats['avg_return']}%")

print(f" 中位收益：{stats['median_return']}%")

print(f" 标准差：{stats['std_return']}%")

print(f" 最高收益：{stats['max_return']}%")

print(f" 最低收益：{stats['min_return']}%")

print("\n" + "=" * 55)

if stats['up_pct'] < 80:

print("⚠️ 提示：上涨个股不足 80%，市场分化明显")

if stats['beat_index_pct'] < 50:

print("⚠️ 提示：超半数个股未跑赢指数，选股至关重要")

if stats['std_return'] > 30:

print("⚠️ 提示：个股收益离散度大，风险与机遇并存")

print("=" * 55)

✅ storage.py（本地存储）

"""

storage.py

JSON 本地存储

"""

import json

FILE_PATH = "bull_market_analysis.json"

def save_result(data):

with open(FILE_PATH, "w", encoding="utf-8") as f:

json.dump(data, f, ensure_ascii=False, indent=2)

✅ main.py（交互入口）

"""

main.py

牛市个股上涨占比统计工具

"""

from models import StockPerformance, BullMarketSession

from analyzer import analyze

from reporter import report

from storage import save_result

def main():

print("=== 牛市个股上涨占比统计工具（教学版）===")

# 牛市基本信息

index_name = input("指数名称（如 沪深300）：")

start = input("牛市起始日（YYYY-MM-DD）：")

end = input("牛市结束日（YYYY-MM-DD）：")

index_ret = float(input("指数涨幅（%）："))

session = BullMarketSession(index_name, start, end, index_ret)

# 个股数据录入

print("\n📌 录入个股数据（空行结束）：")

while True:

symbol = input("股票代码：")

if not symbol:

break

name = input("股票名称：")

ret = float(input("区间涨幅（%）："))

session.stocks.append(StockPerformance(symbol, name, ret))

# 统计分析

stats = analyze(session)

if stats is None:

print("⚠️ 无个股数据，无法统计")

return

# 输出报告

report(session, stats)

# 保存结果

result = {

"session": {

"index": session.index_name,

"start": session.start_date,

"end": session.end_date,

"index_return": session.index_return

},

"stats": stats

}

save_result(result)

print("✅ 统计结果已保存")

if __name__ == "__main__":

main()

五、README 与使用说明

# 牛市个股上涨占比统计工具（教学版）

## 项目说明

统计牛市期间个股上涨占比与跑赢指数比例，破除"大盘涨我就赚"的认知偏差。

## 使用方式

```bash

pip install numpy

python main.py

```

## 输入示例

```

指数名称：沪深300

牛市起始日：2024-02-01

牛市结束日：2024-05-01

指数涨幅：15.8

```

## 适用范围

- 量化投资课程

- 市场结构教学

- 投资者认知训练

## 注意事项

- 仅基于历史数据

- 不构成任何投资建议

- 使用前请阅读 DISCLAIMER.md

六、DISCLAIMER.md（免责声明与风险提示）

# 免责声明与风险提示

## 免责声明

本程序仅供**教学与科研用途**，用于演示市场广度统计方法。

作者不提供任何证券交易建议，不推荐任何股票，不承诺任何收益。

## 风险提示

1. 历史统计不代表未来市场表现

2. 牛市定义存在主观性，不同标准结果不同

3. 个股表现受行业、市值、题材等多因素影响

4. "上涨占比高"不等于"随便买都能赚"

5. 统计数据可能受幸存者偏差影响（退市股未计入）

使用本工具产生的任何后果，作者概不负责。

七、核心知识点卡片（教学向）

分类 内容

Python 类、列表推导、NumPy 统计

量化金融 市场广度、个股分化、跑赢指数

投资理念 破除"大盘涨=个股涨"误区

认知训练 幸存者偏差、均值回归

工程思想 模块化、数据驱动

可扩展性 可接入历史行情 API

八、总结（工程师视角）

这是一个完全中立、去营销化、可教学的原型系统：

✅ 不鼓吹牛市

✅ 不否定指数投资

✅ 不伪装成选股神器

它真正展示的是：

如何用 Python 把"模糊的市场感觉"转化为可验证、可反思、可纠偏的数据认知

核心教学价值在于破除认知偏差：

- 大盘涨 20%，可能 30% 的个股在跌

- 牛市中仍有大量个股跑输指数

- "普涨"只是错觉，分化才是常态

本文代码仅供学习与技术交流，不构成任何投资建议，股市有风险，入市需谨慎。

利用AI解决实际问题，如果你觉得这个工具好用，欢迎关注长安牧笛！