怎么统计涨停股票？
这个问题我早就想过，而且也早就有办法实现，只不过一直没有找到合适的应用场景，所以一直没有拿出来分享，今天正好借这个题目把方法分享给大家！ 先上结果：用此方法在2017年能够选出所有一年内的涨停板，且成功捕捉到90%以上的涨停板。（说明：本文所用的数据均来源于通达信）
具体实现过程如下： 选择条件：只选取涨停当天的K线是阳线的个股 设置条件：只保留符合条件的个股的涨停信息 整理数据：对每个交易日的涨停股进行排序 提取特征：提取每日涨停股的某些特征值，用于建模 建立模型：基于上述特征值建立回归预测模型 评估模型：利用历史数据对建模效果进行评估 利用模型：对未来交易日可能出现的涨停股进行预告 对上述代码的注释： Data：用于保存所有日线的数据和建模需要的其他参数；
data.info()：显示数据的信息； data.head()：显示数据的头几个样本；
data[['Open'，'High'，'Low']]=data[['Open'， 'High'， 'Low']].apply(pd.Series)：将日线的数据转化为数组格式，并生成三个新的列，分别表示开盘价、最高价和最低价；
data.corr()：计算相关性矩阵；
feature_list=[]：用来存储用于建模的特征值；
for col in data.columns：：循环处理每一个列；
if col not in feature_list：：如果该列未出现在已处理的特征列表中则继续；
x=np.array(data[col])：将列转换成数组格式；
x=StandardScaler().fit_transform(x)：对数组做标准化处理；
y=data['Close']：获取收盘价数据；
model=LinearRegression()：创建线性规划模型；
model.fit(x， y)：使用提供的数据训练模型；
coef=model.coef_：获取系数的值；
var=model.predict([[14865.91]]）：使用给定的x值预测Y值；
features=feature_list+[str(round(c， 3)) for c in coef]：将系数值转换为字符串格式以便于保存；
data[‘Features’]=features：将新列添加至data集以供后续分析使用。