发关注函(妖股证)之后的股票还能买吗:上能电气

发关注函(妖股证)之后的股票还能买吗:上能电气

Warning

答案是:不能!!!!

买入上能电气

2021年7月初,大概花了2个星期的时间研究了约100只股票,最终选定了上能电气。 运气是基本到位的,早上买入后就涨停,后面就是大家所见到的所谓妖股走势。

日期

操作

价格

20210625

建仓

66.376

20210721

加仓

50.857

20210722

加仓

52.391

20210728

清仓

83.791

持仓均价翻倍的时候清仓的,因为后续的行情已经偏离了我所理解,清仓后上能电气还涨了40%以上。

再到后续就是深交所发“关注函”。到目前为止(8月3日)还没有复牌。

股吧网友褒贬不一

我这两天都有关注东方财富股吧的网友发言,其中有几个留言还是比较有趣:

formula

Fig. 19 东方财富股吧

这就是我第一次看到股票停牌后有人说“发妖股证”的地方。

验证

正如邓大大说的“实践是检验真理的唯一标准”。

为了能成为一个合格的韭菜,我决定将2020年打后的涉及到因为连续涨停而收到深交所、上交所发关注函的股票做一做研究,看看这类股票复牌后是不是真的像上面那几位网友所说的“发妖股证”,后续必涨。

我通过akshre的数据接口获取了东方财富“两市停复牌一览”的数据, 最终得到符合条件的股票如下:

formula

Fig. 20 通过akshre的数据接口获取

最后通过tushare的数据接口,获取股票的每日收盘价,时间段为复牌后到2021年8月2日,观察这些股票复牌后的价格走势图。

formula

Fig. 21 股票复牌后的价格走势图

最后得到的结果与几位网友所说的“大相径庭”。

只能说,看来我想成为一名合格的韭菜还是有一段距离。

import akshare as ak
import tushare as ts
import pandas as pd

pro = ts.pro_api('xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx')#这里需要填写你注册好的Tushare的TOKEN凭证

def ts_code(code):
    if code.startswith('6'):
        code = code+'.SH'
    else:
        code = code+'.SZ'
    return code
data = pd.DataFrame()

month_list = [i.strftime("%Y-%m") for i in pd.date_range(start="2020-01" , end="2021-09", freq='M')]

for month in month_list:
    stock_em_tfp_df = ak.stock_em_tfp(month)
    stock_em_tfp_df = stock_em_tfp_df[(stock_em_tfp_df['停牌期限']=='连续停牌') & (stock_em_tfp_df['停牌原因']=='交易异常波动')]
    data = data.append(stock_em_tfp_df)
data = data.drop_duplicates(subset=['代码'])
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
Input In [3], in <cell line: 5>()
      3 month_list = [i.strftime("%Y-%m") for i in pd.date_range(start="2020-01" , end="2021-09", freq='M')]
      5 for month in month_list:
----> 6     stock_em_tfp_df = ak.stock_em_tfp(month)
      7     stock_em_tfp_df = stock_em_tfp_df[(stock_em_tfp_df['停牌期限']=='连续停牌') & (stock_em_tfp_df['停牌原因']=='交易异常波动')]
      8     data = data.append(stock_em_tfp_df)

AttributeError: module 'akshare' has no attribute 'stock_em_tfp'
data
代码 名称 停牌时间 停牌截止时间 停牌期限 停牌原因 所属市场 预计复牌时间
3 300301 长方集团 2020-09-09 09:30 2020-09-21 15:00 连续停牌 交易异常波动 创业板 2020-09-22
45 300722 新余国科 2020-10-12 09:30 2020-10-13 15:00 连续停牌 交易异常波动 创业板 2020-10-14
8 300645 正元智慧 2020-10-23 09:30 2020-10-27 15:00 连续停牌 交易异常波动 创业板 2020-10-28
35 002647 仁东控股 2021-03-09 09:30 2021-03-15 15:00 连续停牌 交易异常波动 深主板A股 2021-03-16
36 000980 *ST众泰 2021-03-23 09:30 2021-04-06 15:00 连续停牌 交易异常波动 2021-04-07
22 003039 顺控发展 2021-04-07 09:30 2021-04-13 15:00 连续停牌 交易异常波动 深主板A股 2021-04-14
19 002762 金发拉比 2021-04-19 09:30 2021-04-23 15:00 连续停牌 交易异常波动 深主板A股 2021-04-26
3 300339 润和软件 2021-06-18 09:30 2021-06-24 15:00 连续停牌 交易异常波动 创业板 2021-06-25
3 600112 *ST天成 2021-07-09 09:30 2021-07-22 15:00 连续停牌 交易异常波动 沪市A股 2021-07-23
44 300827 上能电气 2021-08-02 09:30 连续停牌 交易异常波动 创业板
48 002356 *ST赫美 2021-07-29 09:30 连续停牌 交易异常波动
data['停牌时间'][1].split(' ')[0].replace('-','')
'20201023'
#先建立一个字典,用来存储指数对应的PE
all_data = {} 

#遍历index_list里面的指数,我上面只选取了两个
for (name, inl, re_date) in zip(data['名称'],data['代码'],data['停牌时间']):
    s_date = re_date.split(' ')[0].replace('-','')
    stock_data = pro.daily(ts_code=ts_code(inl),start_date=s_date)
    stock_data['trade_date'] = pd.to_datetime(stock_data['trade_date'], format='%Y%m%d')
    stock_data.set_index('trade_date', inplace=True)
    all_data[name]= stock_data
#用for循环遍历指数的PE并转换为dataframe的形式
price_data = pd.DataFrame({tic: price['close']
                    for tic, price in all_data.items()})
price_data.tail()
长方集团 新余国科 正元智慧 仁东控股 *ST众泰 顺控发展 金发拉比 润和软件 *ST天成 上能电气 *ST赫美
trade_date
2021-07-27 3.89 56.20 17.66 8.41 6.66 31.21 10.86 38.66 4.29 NaN NaN
2021-07-28 3.60 49.97 17.03 8.04 6.33 29.98 10.69 34.03 4.08 NaN NaN
2021-07-29 4.15 51.87 17.21 8.35 6.34 31.03 11.19 34.34 3.88 NaN NaN
2021-07-30 4.09 51.79 17.20 8.45 6.36 31.06 11.90 38.40 3.69 NaN NaN
2021-08-02 4.00 53.32 18.42 8.57 6.20 32.31 11.62 35.62 3.51 NaN NaN
import matplotlib.pyplot as plt

price_data.plot(grid=True, figsize=(30, 15))
<AxesSubplot:xlabel='trade_date'>
../_images/risky-skyrocketing-stock-prices_9_1.png

不过生活总喜欢找人啪啪啪打脸, 先mark一下。