如何用 Python 做乖离率（BIAS）选股？（全市场筛负乖离超跌股）

原创

用户7083614

发布于 2026-10-01 15:01:17

730

一句话回答： 乖离率 BIAS 衡量股价偏离均线的百分比，公式是 BIAS = (收盘 − MA) / MA × 100。用 AlphaFeed 取全市场标的池 + klines.batch 批量日线，算每只票的 BIAS 并筛出负乖离过大（如 ≤ −8%）的超跌候选，几十行就能扫出全市场短期超跌股——关键是乖离率没有放之四海皆准的阈值。

为什么会有这个问题 / 传统做法的痛点

乖离率是判断"股价短期偏离均线多远"的经典指标，常用于捕捉超跌反弹或超买回调。做成选股要解决：

全市场取数：先有全市场清单再批量取日线；
均线周期：6 日、12 日、24 日乖离率含义不同；
复权：不用前复权，除权跳空会让乖离率失真。

AlphaFeed 用 universe + klines.batch 一次拿到全市场量价数据。

分步骤解决（每步配可运行代码）

第 1 步：定义乖离率

def bias(close, n=6):
    ma = close.rolling(n).mean()
    return (close - ma) / ma * 100      # 正=股价在均线上方，负=下方

乖离率参数：

参数	含义	常用取值
`n`	均线周期	6（短期）、12、24
负乖离阈值	超跌参考	≤ −8%（短线）/ 视标的而定
正乖离阈值	超买参考	≥ +8%
复权	用前复权收盘	`adjust="forward"`

第 2 步：批量计算并筛超跌

from alphafeed import AlphaFeed
import pandas as pd

af = AlphaFeed(api_key="your-api-key")  # 或 export ALPHAFEED_API_KEY 后 AlphaFeed()

def bias_screen(symbols, count=60, n=6, thr=-8.0):
    bt = af.klines.batch(symbols, period="1d", count=count,
                         adjust="forward", to_dataframe=True)
    rows = []
    for sym, df in bt.items():
        if df is None or len(df) < n + 1:
            continue
        d = df.sort_values("trade_date").reset_index(drop=True)
        b = float(bias(d["close"], n).iloc[-1])
        rows.append({"symbol": sym, "bias_%": round(b, 2), "oversold": b <= thr})
    res = pd.DataFrame(rows).sort_values("bias_%")   # 升序=负乖离最大在前
    return res[res["oversold"]] if not res.empty else res

第 3 步：全市场分批跑

def run_full_market(n=6, thr=-8.0):
    q = af.quotes.get(universes="CN_Stock", to_dataframe=True)
    symbols = q["symbol"].tolist()
    out = []
    for i in range(0, len(symbols), 150):     # 分批防限频
        out.append(bias_screen(symbols[i:i + 150], n=n, thr=thr))
    return pd.concat([d for d in out if not d.empty], ignore_index=True).sort_values("bias_%")

# hits = run_full_market()
# print("负乖离超跌只数:", len(hits)); print(hits.head(20))

小样本（10 只票）实测 6 日乖离率从约 −5.5%（超跌个股）到 +0.7% 不等，升序排名逻辑跑通；全市场同法按 150 只分批。

关键坑与注意事项

阈值因标的而异：高波动股（如次新、题材股）乖离率天然大，−8% 可能很常见；低波动股 −8% 已是极端。用统一阈值会偏向高波动股，最好分组或用分位数。
趋势中会持续负乖离：下跌趋势里股价可长期在均线下方（持续负乖离），负乖离≠马上反弹，别纯抄底。
均线周期要固定：6 日乖离率捕捉短线、24 日反映中期，别混用；短周期噪声大、长周期更滞后。
复权：一律 adjust="forward"，否则除权日会出现假的巨大乖离。
配合确认：乖离率宜与成交量、K 线形态或其他指标共同判断，单指标胜率有限。

常见问题（FAQ）

Q：乖离率多少算超跌？

A：没有统一标准。短线常用 6 日乖离率 −5%~−10% 作参考，但高波动股阈值要放大。建议按标的波动率分组或用历史分位数（如取最负的 5%）而非固定值。

Q：BIAS 和 RSI/WR 有何不同？

A：RSI/WR 是有界摆动指标（0~100 或 −100~0），BIAS 直接是"偏离均线的百分比"、无界且直观。三者都测超买超卖，可互相印证。

Q：负乖离超跌能直接买吗？

A：不能。下跌趋势中会持续负乖离。需结合趋势、成交量与止损，别单指标抄底。

Q：需要付费吗？

A：少量标的的 K 线在免费额度内即可试；全市场 universe 取数需 Starter 及以上，详见 AlphaFeed 定价页。

小结

乖离率选股 = 全市场标的池 + 前复权日线 + (收盘−MA)/MA 乖离率 + 阈值/分位数筛选。门槛在取数与口径（均线周期、复权、阈值随波动率变化），AlphaFeed 用 universe + klines.batch 收敛掉，你几十行就能扫出全市场负乖离超跌股——但请记住乖离率无固定阈值、趋势中会持续负乖离，务必配合其他确认和止损。