盘整找如何突破？我实测了中证500和宁德时代（附源码）

作 者：老余捞鱼

原创不易，转载请标明出处及原作者。

文中示例仅用于技术讨论，不构成任何操作建议。
量化策略开发应以学习和技术交流为目的。
本号不荐股、不卖课、不承诺收益。
市场有风险，请合法合规投资。

本文约 5000 字 | 预计阅读 8-12 分钟，后有实例代码，建议先收藏。

· · ·

我复盘时有个习惯：先把当天的涨停梯队扫一遍，再去翻自选股的分钟图。翻得多了，我发现一个挺有意思的规律：那些真正让我赚到钱的票，在进场前，往往都有一段不太起眼的横盘。

不是V型反转，也不是火箭发射。就是十几个交易日里，价格在一条很窄的走廊里来回晃，量能一点点缩下去，新闻没了，群里也没人聊它。

直到某一天，一根放量的大阳线或者大阴线把走廊的门撞开，行情就来了。

老手把这段叫盘整，或者说是行情在憋一口气。

麻烦的是，这段平静光靠眼睛看，很吃亏。你看它横了三天，它可能还有二十天要横；你看它像是要突破，结果那根阳线第二天又缩回去了。这种差一点点的假突破，市场里一抓一大把。

今天我分享一套现成的方法，能把盘整变成数字，把突破变成规则。接下来我会用Python把它在A股整个复现了一遍，两个标的换成中证500和宁德时代。

先说清楚它是什么、不是什么。

它只管两件事：第一，把“盘整”变成一个可以量出来的数字；第二，盯住价格冲出走廊的那一刻，替你把信号记下来。

它不管未来。冲出去之后能走多远，它不知道。后面我会用五个信号的真实表现给你看，比空口说更有说服力。

一、我测出来的结果，先给答案

先上数字。

中证500，往前取 9 个月。 脚本自动选中的参数是窗口 10 天、阈值 6.0%，一次命中。9 个月里量出 4 个盘整区，每一个都走出了信号。

宁德时代，往前取 3 个月。 这次网格里没有参数组合命中目标，脚本走了兜底路径，用窗口 10 天、阈值 5.0% 找到 1 个区，随后等来 1 个向下突破信号。

刚跑完的时候，我还是有小鸡冻的。宁德那个向下突破信号，8 月 25 日 376 块离场，之后十天跌了 10.9%，一路跌到 305 附近。这个信号事后看，准得让人想立刻把它挂到实盘上去。

但我把五个信号全部对了一遍账，心气就降下来了。

五个信号对完账，站住的是两个。中证500 那三个向上突破的信号，两个在 20 个交易日后是亏的，02-25 那个买完 20 天亏 8.9%。还有一个 09-14 的向下突破信号，就在前两天刚触发，结果两个交易日后价格又收回区间里了，现在看更像一次假跌破。

四个宝箱，只有两个半装了宝。

账要一笔一笔算。这两个半是怎么装了宝的，才是这篇真正想讲的东西。

二、怎么装，怎么跑

整套东西装起来只要三步，全程不花钱，数据源是免费的。

第一步装两个库

① 装依赖，一行搞定

pip install akshare pandas matplotlib

akshare 负责数据，pandas 负责计算，matplotlib 负责画图。装完就齐了。

第二步把标的两行换掉

脚本里标的和区间集中放在一个配置里，你只要改这两行。

② 标的和区间，集中改这两行

# 指数用 sh 加代码，个股用 sz 加代码，个股建议加前复权
CASES = [
    {"key": "csi500", "label": "中证500", "kind": "index", "symbol": "sh000905", "start": "2025-12-17"},
    {"key": "catl", "label": "宁德时代", "kind": "stock", "symbol": "sz300750", "start": "2026-06-17"},
]

第三步跑，然后看图

③ 跑起来就一条命令

python repro_consolidation.py

跑完控制台会打出找到几个盘整区、每个信号的日期和价格，同时在目录里生成 K 线图。红涨绿跌，盘子用浅蓝底色框出来，信号用三角标在当天的价格上。

这一步的关键是数据。个股一定要用前复权，不然除权除息那天会凭空出现一个大缺口，脚本会把那个缺口当成天大的波动，盘整区全乱。

三、装好之后怎么用

把它当成一个盘前扫描器用。

每天早上花一分钟，把你自选股里的票挨个换进配置里跑一遍。有新形成的盘整区，它会告诉你上下沿在哪。已经有信号触发的，它会告诉你哪天触发、当时价格多少。参数不用你管，脚本自己找。

唯一的纪律是别拿它当买卖指令。它标记的是「价格离开了一段压缩区间」这个事实，不是「接下来会涨」这个预言。这句话你先记住，第七节我会拿真实数据给你看它错起来的样子。

以上是使用部分，照着做就能跑。往下是动手部分，讲这套规则里的三个关键设计，还有五个信号一笔一笔的对账。不关心代码的话，看第一节的表格和第七节的对账，也能把结论带走。

四、盘整两个字，是怎么变成一个数字的

先说这套方法最核心的一步。

每天收盘后，脚本回看最近N个交易日，找出这段时间里的最高点和最低点。然后算一个比值，最高点减最低点，除以最低点。这个比值就是这段行情的振幅。

举个具体的例子。最近 15 天里，价格最高摸到过 11 块，最低到过 10 块，那振幅就是 1 除以 10，等于 10%。反过来，如果这 15 天价格一直在 10 块到 10 块 2 之间晃，振幅就只有 2%。

数字一出来，事情就好办了。预先设一个阈值，比如 6%，振幅低于它的日子，就记一笔「今天在盘整」。连续的盘整日串起来，只要跨度超过 3 天，就成了一个盘整区。区的最高价就是天花板，最低价就是地板。

这张图你看后是不是感觉：最近走势收敛了？其实就是曲线往下扎进红线的下方，图变成了可以核查的东西，这是整套方法里我觉得最值钱的一步。

核心逻辑就这几行。

④ 振幅怎么算，就这四行

df['rolling_high'] = df['High'].rolling(window=window).max()
df['rolling_low'] = df['Low'].rolling(window=window).min()
df['volatility'] = (df['rolling_high'] - df['rolling_low']) / df['rolling_low']
df['in_consolidation'] = df['volatility'] < threshold

四行代码，第一行找窗口内最高，第二行找最低，第三行算振幅，第四行跟阈值比大小。之后把连续的 True 串成区，跨度超过 3 天的留下来。

不过这里藏着一个我跑的时候才注意到的细节。代码判跨度用的是日历天，不是交易日。宁德那个 08-20 到 08-24 的区，日历上 4 天，擦线过了「大于 3 天」的门槛，摊开一看其实只有 3 个交易日。这种迷你区算不算盘整，我的看法是算，但你要知道它是这么算的，心里有数。

中证500 那边还有一个更夸张的。第一个区标着 02-13 到 02-24，日历上 11 天，中间隔着整个春节假期，真正开盘的只有 2 天。这种假期里诞生的区，说是盘整有点勉强，而四个信号里 20 日亏得最狠的那笔，恰好就是它发出来的。日历天这个口径，用之前得自己掂量。

五、参数是脚本自己试出来的

这里有个绕不开的麻烦。窗口取多少天，阈值定多少，没有一个对所有票都好使的答案。

同样的 6% 阈值，放在大盘指数上可能找出十几个区，放到一只波动大的票上可能一个都找不出来。手动调参调到吐，换个票又得从头再来。

这套做法的答案是让脚本自己试。窗口在 10、15、20、25 天里挑，阈值在 2.5% 到 6% 里挑，一共 20 种组合，挨个跑。目标是找出 2 到 7 个盘整区，太少说明工具没起作用，太多说明把噪音都框进来了。

⑤ 20 种组合，挨个试

window_options = [10, 15, 20, 25]
threshold_options = [0.025, 0.03, 0.04, 0.05, 0.06]
target_zone_count = (2, 7)

for window in window_options:
    for threshold in threshold_options:
        zones = identify_sideways_movement(data, window, threshold)
        if target_zone_count[0] <= len(zones) <= target_zone_count[1]:
            return window, threshold, zones

我这次跑的两个标的，正好把两条路径都演示了一遍。

中证500 是顺的。窗口 10 天加阈值 6.0% 这组参数，一次就找出 4 个区，落在 2 到 7 的目标区间里，直接返回。

宁德时代是怂的。3 个月里把 20 种组合全部试了一遍，没有一组落在目标区间里。这时候脚本不会硬凑，它会退一步，用「至少能找出一个区」的最宽标准兜底，最后停在窗口 10 天、阈值 5.0%，找到 1 个区。

我当时跑完这个输出，对这套设计的评价就一句话。它知道自己在什么时候该认怂，而不是硬给你编一个好看的结果出来。

但有层窗户纸我得捅破。这 20 种组合是拿整段历史试出来的，试的时候，每个区在哪它都已经看在眼里，参数本质上是事后挑的。这不算作弊，工具本来就是帮你定规则的，可你心里要有数，过一个月再跑同一只票，选中的参数可能就换了一组。我的用法是把它当定期重跑的扫描器，跟着最新行情重新挑参数，而不是设定一次就扔在一边不管。

六、突破怎么才算数

找到盘整区只是前半件事。真正值钱的在后半段，价格什么时候离开这个区，往哪边离开。

规则写得很死。收盘价冲过区间的天花板，再多走 0.5%，才算一次向上突破。收盘价跌破地板，再多走 0.5%，才算一次向下突破。每个区只记第一个信号，后面的不算，免得同一个区反复打扰你。

⑥ 突破确认，多走 0.5% 再算数

if close > zone_high * (1 + confirm_buffer) and not signal_triggered:
    signals.append({"date": idx, "signal": "BUY", "price": close})
elif close < zone_low * (1 - confirm_buffer) and not signal_triggered:
    signals.append({"date": idx, "signal": "SELL", "price": close})

那 0.5% 是干嘛的？它其实是给假突破设的一道门。

没有这道门，收盘价高出天花板一分钱，信号就响了。而市场里最不缺的，就是那种探出头一天、第二天就缩回去的假动作。多走 0.5%，等于要求价格拿出一点真金白银的姿态，而不是蹭一下就跑。

这次实跑还撞上了一个教科书级的案例。中证500 那个区，地板是 7610.58，乘上 0.995 之后触发线是 7572.53。9 月 14 日那天收盘 7571.20，比触发线只低了 1.33 个点。就差这一点点，向下突破信号响了。

更有意思的在后面。两个交易日后，9 月 16 日，指数收盘 7683，不但收回了地板，还站回了地板上方 1%。我在屏幕前看着这个信号，心情很复杂。缓冲挡得住“差一点点”的假动作，挡不住“过两天再骗你”的假动作。

七、五个信号的事后账

现在回到第二节欠的那笔账。这些信号，事后到底走成什么样。

我把每个信号触发日的收盘价记下来，往后数 5 个、10 个、20 个交易日，算涨跌。

对账的口径也交代清楚。信号靠收盘价触发，收盘之前它出不来。真要照着做，你得等收盘确认信号，第二天再动手，中间还隔着隔夜跳空和手续费。下面的账全部从信号当天收盘价起算，没占便宜，但也没扣跳空和手续费，你看的时候心里得有这杆秤。

一笔一笔过。

站住的两个。中证500 04-14 的向上突破信号，触发价 8088.57，20 个交易日后 +5.5%，中途还摸过更高。宁德 08-25 的向下突破更漂亮，触发价 376.73，10 个交易日后 -10.9%，方向一路没回头。

亏的两个。02-25 的向上突破，追在 8527，20 天后 -8.9%，买完就跌。05-07 的向上突破，追在 8696，20 天后 -3.9%。这两个都是标准的「突破追进去，然后区间见顶」。

失效的一个。09-14 的向下突破，刚触发两天，价格就收回区间，按规则它已经不会再发第二个信号，这个信号等于白响。

数一下，2 个站住，2 个亏，1 个白响。

所以我才说四个箱子打开两个半。这个成绩单放在任何策略评审会上都不算难看，但它清楚地告诉你，突破信号的价值不在每一次都对，而在它把「追涨杀跌」这个情绪动作，换成了一个可核查、可复盘、可统计的规则动作。单次对错是运气，样本攒多了才轮到规则说话。

还有一个必须老实交代的事。5 个信号，样本就是这么点，再乘以任何年化收益都是耍流氓。你想验证它，就得像我这样换标的、换区间多跑几轮，让样本自己爬出来。

八、它不猜未来

写到这里，把话收拢一下。

这套东西猜不了行情。它做的是三件更老实的事。把盘整从感觉变成一个每天可以核查的数字。把突破从一个瞬间的冲动，变成一条要连续满足两个条件才触发的规则。把每一次触发都记下日期、价格和当时区间的上下沿，让你事后能一笔一笔对账。

第三件事最不显眼，也最值钱。大部分散户的复盘，停在当时我感觉要突破了。它给你的复盘材料是这样的，9 月 14 日 7571 触发向下突破，区间 7610 到 7850，两个交易日后失效。感觉没法改进，数字才能。

最后留两个问题给你。

你自选股里那几只横了很久的票，振幅是多少，离 6% 还差多远，这个今天收盘就能算。还有，上一次你追一个突破被套的时候，那个价格离区间上沿有多远，够不够 0.5%。

完整脚本在下面，装好库就能跑。想要哪个标的，改配置里的两行就行。

⑦ 完整脚本，装好库直接跑

# -*- coding: utf-8 -*-

"""
盘整区检测与突破信号（A 股版）
策略逻辑复现自 The Quiet Before the Move
数据源 akshare（新浪），指数 sh 前缀，个股 sz 前缀 + 前复权
运行：python repro_consolidation.py
"""

import os
import json

import akshare as ak
import pandas as pd
from datetime import datetime

CASES = [
    {"key": "csi500", "label": "中证500", "kind": "index", "symbol": "sh000905", "start": "2025-12-17"},
    {"key": "catl", "label": "宁德时代", "kind": "stock", "symbol": "sz300750", "start": "2026-06-17"},
]

END = datetime.now().strftime("%Y-%m-%d")
CONFIRM_BUFFER = 0.005  # 突破确认缓冲 0.5%


def get_clean_financial_data(kind, symbol, start_date, end_date):
    """指数用 stock_zh_index_daily，个股用 stock_zh_a_daily 前复权"""
    if kind == "index":
        raw = ak.stock_zh_index_daily(symbol=symbol)
    else:
        raw = ak.stock_zh_a_daily(symbol=symbol, adjust="qfq")

    raw["date"] = pd.to_datetime(raw["date"])
    df = raw[["date", "open", "high", "low", "close"]].copy()
    df.columns = ["Date", "Open", "High", "Low", "Close"]
    df = df.set_index("Date").ffill()
    return df.loc[start_date:end_date]


def identify_sideways_movement(data, window, threshold):
    """滚动窗口算振幅，低于阈值的日子连成盘整区（跨度需超过 3 个日历天）"""
    zones = []
    if len(data) < window:
        return zones

    df = data.copy()
    df['rolling_high'] = df['High'].rolling(window=window).max()
    df['rolling_low'] = df['Low'].rolling(window=window).min()
    df['volatility'] = (df['rolling_high'] - df['rolling_low']) / df['rolling_low']
    df['in_consolidation'] = df['volatility'] < threshold

    in_zone, zone_start = False, None
    for i in range(len(df)):
        if df['in_consolidation'].iloc[i] and not in_zone:
            in_zone, zone_start = True, df.index[i]
        elif not df['in_consolidation'].iloc[i] and in_zone:
            in_zone = False
            zone_end = df.index[i - 1]
            if (zone_end - zone_start).days > 3:
                zones.append({"start": zone_start, "end": zone_end})

    if in_zone and (df.index[-1] - zone_start).days > 3:
        zones.append({"start": zone_start, "end": df.index[-1]})

    return zones


def detect_breakout_signals(data, zones, confirm_buffer=CONFIRM_BUFFER):
    """收盘突破区高 +0.5% 记向上突破，跌破区低 -0.5% 记向下突破，每区只记第一个"""
    signals = []
    for period in zones:
        if period["start"] == period["end"]:
            continue

        zone_data = data.loc[period["start"]:period["end"]]
        zone_high = zone_data['High'].max()
        zone_low = zone_data['Low'].min()
        after_zone = data.iloc[data.index.get_loc(period["end"]):]

        triggered = False
        for idx, row in after_zone.iterrows():
            close = row['Close']
            if close > zone_high * (1 + confirm_buffer) and not triggered:
                signals.append({
                    "date": str(idx.date()),
                    "signal": "BUY",
                    "price": round(close, 2),
                    "zone_high": round(zone_high, 2),
                    "zone_low": round(zone_low, 2),
                })
                triggered = True
            elif close < zone_low * (1 - confirm_buffer) and not triggered:
                signals.append({
                    "date": str(idx.date()),
                    "signal": "SELL",
                    "price": round(close, 2),
                    "zone_high": round(zone_high, 2),
                    "zone_low": round(zone_low, 2),
                })
                triggered = True

    return pd.DataFrame(signals)


def find_optimal_parameters(data):
    """网格搜索窗口与阈值，目标 2~7 个区；找不到就退回「至少有一个区」的兜底"""
    window_options = [10, 15, 20, 25]
    threshold_options = [0.025, 0.03, 0.04, 0.05, 0.06]
    target = (2, 7)

    for window in window_options:
        for threshold in threshold_options:
            zones = identify_sideways_movement(data, window, threshold)
            if target[0] <= len(zones) <= target[1]:
                print(f"参数命中 -> Window={window}, Threshold={threshold:.1%}")
                return window, threshold, zones, "hit"

    for window in window_options:
        for threshold in threshold_options:
            zones = identify_sideways_movement(data, window, threshold)
            if zones:
                print(f"目标未命中，兜底 -> Window={window}, Threshold={threshold:.1%}")
                return window, threshold, zones, "fallback"

    return None, None, [], "none"


for c in CASES:
    print("=" * 50)
    print(f"{c['label']}  {c['start']} ~ {END}")

    df = get_clean_financial_data(c["kind"], c["symbol"], c["start"], END)
    w, t, zones, mode = find_optimal_parameters(df)
    sigs = detect_breakout_signals(df, zones)

    print(f"盘整区 {len(zones)} 个，信号 {len(sigs)} 个")
    for _, s in sigs.iterrows():
        unit = "点" if c["kind"] == "index" else "元"
        print(f"  {s['date']} | {s['signal']} @ {s['price']}{unit} "
              f"(区 {s['zone_low']} ~ {s['zone_high']})")

跑完之后，把控制台的输出和图对照着看。想扫自选股，把 CASES 里的两行换掉就行。数据这块多说一句，指数接口走新浪，个股接口同样走新浪、记得带前复权。要是新浪接口哪天限流，换成券商或者通达信的本地数据也一样，只要喂进来的四列名字对上，后面一行代码都不用动。

#盘整突破 #区间突破 #中证500 #宁德时代 #量化工具 #Python #akshare #波动率 #假突破 #A股复盘 #量化策略

本文为技术方案拆解与历史数据实测，不构成任何操作建议。文中所有信号均为历史数据回放，不代表未来表现，也不针对任何具体标的做出买卖建议。量化工具开发应以学习和技术交流为目的。市场有风险，请合法合规投资。