什么是股价跳空缺口
跳空缺口存在与K线图之中，是指相邻的两根K线之间出现了没有交易的空白区间。当今日最低价与昨日最高价之间没有重合部分，称为向上缺口；当今日最高价与昨日最低价之间没有重叠部分，称为向下缺口。
理论上来说，当市场没有利好与利空消息之时，次日股价应该平开，但是如果前一日有利好出现，那么在当日集合竞价之时，多数投资者都会挂高价格进行买入，因为利好挂低价格可能买不到，这样就形成了一个向上的跳空高开。反之则是跳空低开。
这种留下的缺口对于判断后市的涨跌具有一定的参考价值。但需要注意的是，如果高开低走，跌倒昨日最高价之内，回补了这个空挡，只能叫跳空高开，不能叫缺口，缺口是指当日价格没有被反向回补。
不过，我们还需要注意，跳空缺口如果较小，可能对后市没有参考意义，而且在除权除息日也同样会出现跳空缺口，也不具有参考意义。当然，也有例外，比如比亚迪，如今也没回补50的缺口，单独看某个股票的单一数据是没有参考意义的，这一点需要额外的注意。
计算跳空值
前面我们都是以歌尔股份为例，分析各种股票的参数。今天，我们换一个股票，叫牧原股份，因为这个股票因为业绩的公布直接2个涨停到了99，如今又跌到了82，缺口很明显。
首先，我们来获取一下牧原股份近两个月的数据，具体代码如下：
df = ak.stock_zh_a_daily(symbol="sz002714", start_date="20201103", end_date="20210118", adjust="qfq") df.to_excel("牧原股份.xlsx")
接着，我们定义一个计算跳空值的函数，代码如下：
def count_gap(cPriceUp, preLow, preHigh, low, high, threshold): jump_value = 0 if (cPriceUp > 0) and (low - preHigh) > threshold: # 向上跳空 jump_value = (low - preHigh) / threshold elif (cPriceUp < 0) and (preLow - high) > threshold: # 向下跳空 jump_value = (high - preLow) / threshold return jump_value
函数的参含含义如下：
cPriceUp：收盘价的涨幅
preLow：昨日最低价
preHigh：昨日最高价
low：最低价
high：最高价
threshold：跳空阈值
这个函数翻译成文字意思如下：
（1）向上跳空：当涨幅cPriceUp为正，且今日最低价（low）减去昨日最高价（preHigh）大于跳空阈值。
（2）向下跳空：当涨幅cPriceUp为负，且昨日最低价（preLow）减去今日最高价（high）大于跳空阈值。
遍历股票数据获取跳空缺口
首先，我们需要自定义一个阈值用于判断是否符合跳空缺口，代码如下：
jump_threshold = df["close"].median() * 0.01
这里定义收盘价的中位数*0.01作为阈值。
接着，套用公式计算出上面方法中的参数，具体代码如下所示：
jump_threshold = df["close"].median() * 0.01 # 计算涨跌幅 df['changeRatio'] = df["close"].pct_change() * 100 # 增加昨日最低价序列 df["preLow"] = df["low"].shift(1) # 增加昨日最高价序列 df['preHigh'] = df['high'].shift(1) # 增加空白列jump df = df.assign(jump=0) # 计算所有跳空值 df['jump'] = df.apply( lambda row: count_gap(row['changeRatio'], row['preLow'], row['preHigh'], row['low'], row['high'], jump_threshold), axis=1)
注释已经非常详细了，就是获取该股票所有的跳空缺口，并且赋值给jump列，而没有跳空值的jump被赋值为0。这里我们得到了所有的跳空缺口，接下来我们需要区分是向上跳空还是向下跳空。
# 向上跳空 up_jump = df[(df["cPriceUp"] > 0) & (df["jump"] > 0)] # 向下跳空 down_jump = df[(df["cPriceUp"] < 0) & (df["jump"] < 0)]
如上面代码所示，只需要根据前文向上跳空概念以及向下跳空概念进行判断即可。
绘制跳空缺口
经过上面的代码运算，我们已经得到了跳空缺口。下面，我们就可以根据这些值来绘制K线图，并标记出跳空缺口的位置。完整代码如下所示：
import matplotlib.pyplot as plt import pandas as pd import matplotlib.ticker as ticker import mpl_finance as mpf def count_gap(cPriceUp, preLow, preHigh, low, high, threshold): jump_value = 0 if (cPriceUp > 0) and ((low - preHigh) > threshold): # 向上跳空 jump_value = (low - preHigh) / threshold elif (cPriceUp < 0) and ((preLow - high) > threshold): # 向下跳空 jump_value = (high - preLow) / threshold return jump_value df = pd.read_excel("牧原股份.xlsx") df['date'] = pd.to_datetime(df['date']) df['date'] = df['date'].apply(lambda x: x.strftime('%Y-%m-%d')) jump_threshold = df["close"].median() * 0.01 # 计算涨跌幅 df['cPriceUp'] = df["close"].pct_change() * 100 # 增加昨日最低价序列 df["preLow"] = df["low"].shift(1) # 增加昨日最高价序列 df['preHigh'] = df['high'].shift(1) # 增加空白列jump df = df.assign(jump=0) # 计算所有跳空值 df['jump'] = df.apply( lambda row: count_gap(row['cPriceUp'], row['preLow'], row['preHigh'], row['low'], row['high'], jump_threshold), axis=1) # 向上跳空 up_jump = df[(df["cPriceUp"] > 0) & (df["jump"] > 0)] # 向下跳空 down_jump = df[(df["cPriceUp"] < 0) & (df["jump"] < 0)] fig = plt.figure(figsize=(12, 8)) ax = fig.add_subplot(111) plt.rcParams['font.sans-serif'] = ['SimHei'] #绘制K线图 mpf.candlestick2_ochl(ax, df["open"], df["close"], df["high"], df["low"], width=0.6, colorup='r', colordown='green', alpha=1.0) #绘制向下跳空与向上跳空缺口指标 for key, val in df.items(): for index, today in up_jump.iterrows(): x_posit = df.index.get_loc(index) ax.annotate("{}\n{}".format("向上跳空", today["date"]), xy=(x_posit, today["preHigh"]), xytext=(-30, -up_jump["close"].mean() *0.5), xycoords="data", fontsize=18, textcoords="offset points", arrowprops=dict(arrowstyle="simple", color="r")) for key, val in df.items(): for index, today in down_jump.iterrows(): x_posit = df.index.get_loc(index) ax.annotate("{}\n{}".format("向下跳空", today["date"]), xy=(x_posit, today["preLow"]), xytext=(-30, down_jump["close"].mean() *0.5), xycoords="data", fontsize=18, textcoords="offset points", arrowprops=dict(arrowstyle="simple", color="r")) ax.xaxis.set_major_locator(ticker.MaxNLocator(20)) def format_date(x, pos=None): if x < 0 or x > len(df['date']) - 1: return '' return df['date'][int(x)] ax.xaxis.set_major_formatter(ticker.FuncFormatter(format_date)) plt.setp(plt.gca().get_xticklabels(), rotation=45, horizontalalignment='right')
运行之后，得到的效果如下图所示：
前面我们提到了比亚迪，至今没有回补50的缺口，对于这样的股票怎么办呢？其实很简单，你设置一个筛选条件，上涨超过多少，忽略其跳空缺口。像比亚迪这种一般来说肯定回不去了，那么大于一定涨幅，就不要记录缺口了。
