命自我立，福自己求。一切祸福休咎皆自当人掌握，行善则积福，作恶则招祸。
文章目录
什么是股价跳空缺口计算跳空值遍历股票数据获取跳空缺口绘制跳空缺口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="2003", end_date="0118",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 = 0if (cPriceUp > 0) and (low - preHigh) > threshold:# 向上跳空jump_value = (low - preHigh) / thresholdelif (cPriceUp < 0) and (preLow - high) > threshold:# 向下跳空jump_value = (high - preLow) / thresholdreturn 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jumpdf = 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 pltimport pandas as pdimport matplotlib.ticker as tickerimport mpl_finance as mpfdef count_gap(cPriceUp, preLow, preHigh, low, high, threshold):jump_value = 0if (cPriceUp > 0) and ((low - preHigh) > threshold):# 向上跳空jump_value = (low - preHigh) / thresholdelif (cPriceUp < 0) and ((preLow - high) > threshold):# 向下跳空jump_value = (high - preLow) / thresholdreturn jump_valuedf = 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jumpdf = 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。
