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：

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：

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。

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)
Cell In[3], line 6
      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。

cn{VaR} - Value at Risk

发关注函（妖股证）之后的股票还能买吗：上能电气

Contents

发关注函（妖股证）之后的股票还能买吗：上能电气#

买入上能电气#

股吧网友褒贬不一#

验证#