a-share-market

name a-share-market description A股市场数据获取工具。提供估值（PE/PB）、资金面（融资融券、主力资金、南向资金）、市场情绪（活跃度、涨跌停）、新基金发行等数据，与macro-analysis配合使用判断A股投资环境。 A-Share Market Skill A股市场层面的数据获取工具。关注估值水位、资金流向、市场情绪等维度，配合 macro-analysis skill 的宏观数据，综合判断A股投资环境。 When to Use 当用户请求以下操作时调用此 skill： 查看A股整体估值水平（PE/PB） 查看资金流向（主力、融资融券、南向资金） 判断市场情绪和活跃度 分析增量资金入市情况（新基金发行） 综合判断A股市场环境 与 macro-analysis 联动做宏观+市场综合分析 Prerequisites pip install akshare pandas numpy 数据接口速查表 以下接口均于 2026-05-11 实测验证通过。 估值 优先用指数级 PE/PB （沪深300 / 上证50）：日频颗粒度细，且剔除 ST/亏损股扭曲，比全市场均值更能代表"主流定价"。全市场口径仅在需要超长历史（1997 起）月级数据时使用。 指标 akshare 函数 返回列 说明 指数 PE （推荐） stock_index_pe_lg(symbol='沪深300') ['日期', '指数', '等权静态市盈率', '静态市盈率', '静态市盈率中位数', '等权滚动市盈率', '滚动市盈率', '滚动市盈率中位数'] 日频 ，正序。5180 行覆盖 2005-至今。 滚动市盈率 = TTM PE，做分位用这列 。 symbol 可选：上证50/沪深300/上证380/创业板50/中证500/上证180/深证红利/深证100/中证1000/上证红利/中证100/中证800 指数 PB （推荐） stock_index_pb_lg(symbol='沪深300') ['日期', '指数', '市净率', '等权市净率', '市净率中位数'] 日频 ，正序。symbol 同上 全市场PE（粗） stock_market_pe_lg() ['日期', '指数', '平均市盈率'] 月频 （约 350 个观测覆盖 1997-至今），含 ST/亏损扭曲。仅在需要超长历史时用 全市场PB（粗） stock_market_pb_lg() ['日期', '指数', '市净率', '等权市净率', '市净率中位数'] 日频，5181 行覆盖 2005-至今。含 ST/亏损扭曲；通常用指数级 PB 即可，本接口仅作参考 A股总市值 macro_china_stock_market_cap() ['数据日期', '发行总股本-上海', '发行总股本-深圳', '市价总值-上海', '市价总值-深圳', '成交金额-上海', '成交金额-深圳', '成交量-上海', '成交量-深圳', 'A股最高综合股价指数-上海', 'A股最高综合股价指数-深圳', 'A股最低综合股价指数-上海', 'A股最低综合股价指数-深圳'] 月频，倒序。最新月份可能部分字段为NaN 资金面 指标 akshare 函数 返回列 说明 市场资金流向 stock_market_fund_flow() ['日期', '上证-收盘价', '上证-涨跌幅', '深证-收盘价', '深证-涨跌幅', '主力净流入-净额', '主力净流入-净占比', '超大单净流入-净额', '超大单净流入-净占比', '大单净流入-净额', '大单净流入-净占比', '中单净流入-净额', '中单净流入-净占比', '小单净流入-净额', '小单净流入-净占比'] 正序，日频。净额单位为元 融资融券(沪) macro_china_market_margin_sh() ['日期', '融资买入额', '融资余额', '融券卖出量', '融券余量', '融券余额', '融资融券余额'] 正序，日频。单位为元 融资融券(深) macro_china_market_margin_sz() 同上 正序，日频 沪深港通汇总 stock_hsgt_fund_flow_summary_em() ['交易日', '类型', '板块', '资金方向', '交易状态', '成交净买额', '资金净流入', '当日资金余额', '上涨数', '持平数', '下跌数', '相关指数', '指数涨跌幅'] 含沪股通/深股通/港股通，按资金方向分北向/南向 注意 ：2024年起北向资金不再披露实时成交净买额，数据为0。南向资金仍正常披露。 市场情绪 指标 akshare 函数 返回列 说明 市场活跃度 stock_market_activity_legu() ['item', 'value'] 当日快照：上涨/下跌/涨停/跌停/活跃度等。长表格式，每行一个指标 activity 的 item 包含：上涨、涨停、真实涨停、st st 涨停、下跌、跌停、真实跌停、st st 跌停、平盘、停牌、活跃度、统计日期。 增量资金 指标 akshare 函数 返回列 说明 新基金发行 fund_new_found_em() ['基金代码', '基金简称', '发行公司', '基金类型', '集中认购期', '募集份额', '成立日期', '成立来涨幅', '基金经理', '申购状态', '优惠费率'] 全量数据。成立日期为 datetime.date，募集份额单位为亿份。可按日期筛选统计发行节奏 Workflows Workflow 1: 估值水位检查 判断当前A股整体估值处于历史什么位置。 import akshare as ak import datetime # 指数级 PE/PB（推荐路径，日频，可改 symbol 切换观察对象） pe = ak.stock_index_pe_lg(symbol= '沪深300' ) pb = ak.stock_index_pb_lg(symbol= '沪深300' ) # 当前值（用滚动 PE = TTM；中位数避开权重股扭曲） pe_now = pe.iloc[- 1 ][ '滚动市盈率' ] pe_med_now = pe.iloc[- 1 ][ '滚动市盈率中位数' ] pb_now = pb.iloc[- 1 ][ '市净率' ] pb_med_now = pb.iloc[- 1 ][ '市净率中位数' ] # 历史分位（用全部历史 ~5180 个交易日） pe_rank = (pe[ '滚动市盈率' ] < pe_now).mean() * 100 pb_rank = (pb[ '市净率' ] < pb_now).mean() * 100 print ( f"沪深300 PE_TTM: {pe_now: .1 f} (历史分位 {pe_rank: .0 f} %, 中位 {pe_med_now: .1 f} )" ) print ( f"沪深300 PB: {pb_now: .2 f} (历史分位 {pb_rank: .0 f} %, 中位 {pb_med_now: .2 f} )" ) # 近 N 年分位（更有参考价值） for years in [ 3 , 5 , 10 ]: cutoff = datetime.date.today() - datetime.timedelta(days=years* 365 ) pe_recent = pe[pe[ '日期' ] >= cutoff] pb_recent = pb[pb[ '日期' ] >= cutoff] pe_r = (pe_recent[ '滚动市盈率' ] < pe_now).mean() * 100 pb_r = (pb_recent[ '市净率' ] < pb_now).mean() * 100 print ( f" 近 {years} 年: PE分位 {pe_r: .0 f} %, PB分位 {pb_r: .0 f} %" ) 估值判断参考： PE/PB < 30%分位 → 低估区域，左侧布局机会 PE/PB 30~70%分位 → 合理区域 PE/PB > 70%分位 → 偏高，注意风险 阈值原基于全市场口径校准。指数级口径下分位含义类似，但绝对水平区间更窄（如沪深300 PE_TTM 历史 30% 分位约 10x，全市场约 15x）；实战时除了看分位，建议同时与"中位数"和"近 5 年区间"交叉验证。 Workflow 2: 资金面扫描 import akshare as ak # 1. 主力资金流向（近5日趋势） flow = ak.stock_market_fund_flow() recent = flow.tail( 5 ) print ( "=== 近5日主力资金 ===" ) for _, r in recent.iterrows(): net = r[ '主力净流入-净额' ] / 1e8 # 转为亿元 print ( f" {r[ '日期' ]} : 主力净流入 {net: .1 f} 亿, 占比 {r[ '主力净流入-净占比' ]} %" ) # 2. 融资余额趋势 margin_sh = ak.macro_china_market_margin_sh() margin_sz = ak.macro_china_market_margin_sz() # 两市合计融资余额 sh_latest = margin_sh.iloc[- 1 ] sz_latest = margin_sz.iloc[- 1 ] total_margin = (sh_latest[ '融资余额' ] + sz_latest[ '融资余额' ]) / 1e8 # 转为亿元 print ( f"\n两市融资余额: {total_margin: .0 f} 亿元 (日期: {sh_latest[ '日期' ]} )" ) # 近期趋势 for i in [- 1 , - 6 , - 21 ]: # 最新、5日前、20日前 sh = margin_sh.iloc[i][ '融资余额' ] sz = margin_sz.iloc[i][ '融资余额' ] total = (sh + sz) / 1e8 d = margin_sh.iloc[i][ '日期' ] print ( f" {d} : {total: .0 f} 亿" ) # 3. 南向资金 hsgt = ak.stock_hsgt_fund_flow_summary_em() south = hsgt[hsgt[ '资金方向' ] == '南向' ] south_recent = south.tail( 10 ) print ( f"\n=== 南向资金(近5个交易日) ===" ) # 按日汇总 for date in south_recent[ '交易日' ].unique()[- 5 :]: day_data = south_recent[south_recent[ '交易日' ] == date] total_net = day_data[ '成交净买额' ]. sum () print ( f" {date} : 净买入 {total_net: .1 f} 亿" ) 资金面判断： 融资余额持续上升 + 主力净流入 → 市场加杠杆，情绪偏多 融资余额下降 + 主力净流出 → 去杠杆，谨慎 Workflow 3: 市场情绪温度计 import akshare as ak act = ak.stock_market_activity_legu() data = dict ( zip (act[ 'item' ], act[ 'value' ])) up = int (data.get( '上涨' , 0 )) down = int (data.get( '下跌' , 0 )) limit_up = int (data.get( '涨停' , 0 )) real_limit_up = int (data.get( '真实涨停' , 0 )) limit_down = int (data.get( '跌停' , 0 )) activity = data.get( '活跃度' , 'N/A' ) total = up + down + int (data.get( '平盘' , 0 )) up_ratio = up / total * 100 if total > 0 else 0 print ( f"上涨/下跌: {up} / {down} (上涨占比 {up_ratio: .0 f} %)" ) print ( f"涨停: {limit_up} (真实涨停 {real_limit_up} )" ) print ( f"跌停: {limit_down} " ) print ( f"活跃度: {activity} " ) # 情绪判断 if up_ratio > 70 : mood = "极度乐观" elif up_ratio > 55 : mood = "偏多" elif up_ratio > 45 : mood = "中性" elif up_ratio > 30 : mood = "偏空" else : mood = "极度悲观" print ( f"市场情绪: {mood} " ) Workflow 4: 增量资金追踪 import akshare as ak import datetime fund = ak.fund_new_found_em() # 按月统计新基金发行 for months_ago in [ 0 , 1 , 2 ]: today = datetime.date.today() if months_ago == 0 : start = today.replace(day= 1 ) label = "本月" else : m = today.month - months_ago y = today.year if m <= 0 : m += 12 y -= 1 start = datetime.date(y, m, 1 ) end = datetime.date(y, m + 1 , 1 ) if m < 12 else datetime.date(y + 1 , 1 , 1 ) label = f" {y} - {m:02d} " if months_ago == 0 : period = fund[fund[ '成立日期' ] >= start] else : period = fund[(fund[ '成立日期' ] >= start) & (fund[ '成立日期' ] < end)] count = len (period) total_size = period[ '募集份额' ]. sum () # 股票型基金占比 equity = period[period[ '基金类型' ]. str .contains( '股票|偏股' , na= False )] equity_size = equity[ '募集份额' ]. sum () print ( f" {label} : 新成立 {count} 只, 募集 {total_size: .0 f} 亿份, 其中权益类 {equity_size: .0 f} 亿份" ) 新基金发行判断： 权益基金发行放量 → 增量资金入市，但也可能是市场过热信号 权益基金发行冰点 → 市场情绪低迷，但往往是底部特征 Workflow 5: A股市场环境综合判断 串联所有维度，给出综合判断。建议与 macro-analysis skill 联合使用。 使用方式 ： 先用 macro-analysis 获取宏观数据（GDP/CPI/PPI/PMI/M2/LPR/信贷） 再用本 skill 获取市场数据（PE/PB/资金/情绪/新基金） 综合判断框架如下： 维度 数据来源 看什么 经济基本面 macro-analysis GDP增速方向、PMI趋势、PPI拐点 流动性 macro-analysis M2增速、LPR/SHIBOR、信贷 M1-M2剪刀差 macro-analysis → macro_china_money_supply() M1同比-M2同比，上行利好股市 估值 本skill PE/PB历史分位，低估还是高估 资金面 本skill 融资余额趋势、主力流向 市场情绪 本skill 涨跌比、活跃度 增量资金 本skill 新基金发行节奏