企业官网建设流程全解析

沪深港通数据实战：从北向资金到择时信号的全链路量化（第 2 篇）：北向资金走势深度：累计净流入与自研动量信号

一、前言

第 1 篇已经把ht_bxls（日度北向/沪股通/深股通净流入）与ht_bxzl（累计值）落库。本篇不再拉新接口，而是对已有时序做深加工：累计净流入曲线、日度净流入、N 日动量，以及一个可量化的择时阈值信号，为第 11 篇的综合择时指标提供「资金面」单因子。

代码保持自包含：仅从quant.db读取第 1 篇的数据，不依赖网络。

二、接口与字段（本篇复用第 1 篇落库表）

三、自研衍生指标

1. 累计净流入cum_bx = bx.cumsum()，应随交易日单调逼近ht_bxzl.bxall。
2. 日度净流入daily_net = bx.diff()，反映单日边际变化。
3. N 日动量mom_n = bx.diff(n)，衡量近 N 日净流入趋势。
4. 择时信号signal：净流入为正且动量转正 → +1（看多）；净流入为负 → −1（看空）；其余 → 0。

四、数据表设计

CREATETABLEht_bx_trend(tTEXT,bxREAL,cum_bxREAL,daily_netREAL,mom_nREAL,signalINTEGER);

五、完整代码

importsqlite3,pandasaspd,loggingfromdatetimeimportdatetime DB_PATH="quant.db"LOG_FILE="season4_article2.log"logging.basicConfig(filename=LOG_FILE,level=logging.INFO,format="%(asctime)s %(levelname)s %(message)s")defbuild_trend(n=5):"""基于 ht_bxls 计算累计/日度/动量并生成择时信号。"""conn=sqlite3.connect(DB_PATH)df=pd.read_sql("SELECT t, bx, hgt, sgt FROM ht_bxls ORDER BY t",conn)conn.close()df["t"]=pd.to_datetime(df["t"])df=df.sort_values("t").reset_index(drop=True)df["cum_bx"]=df["bx"].cumsum()df["daily_net"]=df["bx"].diff()df["mom_n"]=df["bx"].diff(n)df["signal"]=0df.loc[(df["bx"]>0)&(df["mom_n"]>0),"signal"]=1df.loc[df["bx"]<0,"signal"]=-1conn=sqlite3.connect(DB_PATH)conn.execute("""CREATE TABLE IF NOT EXISTS ht_bx_trend ( t TEXT, bx REAL, cum_bx REAL, daily_net REAL, mom_n REAL, signal INTEGER)""")conn.execute("DELETE FROM ht_bx_trend")for_,rowindf.iterrows():conn.execute("INSERT INTO ht_bx_trend VALUES (?,?,?,?,?,?)",(row["t"].strftime("%Y-%m-%d"),row["bx"],row["cum_bx"],row["daily_net"],row["mom_n"],int(row["signal"])))conn.commit();conn.close()logging.info("trend built %d rows",len(df))returndfdefcheck_vs_bxzl():"""自研累计与官方累计交叉校验。"""conn=sqlite3.connect(DB_PATH)last=pd.read_sql("SELECT cum_bx FROM ht_bx_trend ORDER BY t DESC LIMIT 1",conn)allv=pd.read_sql("SELECT bxall FROM ht_bxzl ORDER BY ts DESC LIMIT 1",conn)conn.close()ifnotlast.emptyandnotallv.empty:print("自研累计=%.2f 官方累计=%.2f"%(last["cum_bx"].iloc[0],allv["bxall"].iloc[0]))if__name__=="__main__":df=build_trend(n=5)print(df.tail(10).to_string())print("看多天数:",(df["signal"]==1).sum()," 看空天数:",(df["signal"]==-1).sum())check_vs_bxzl()

六、业务关键点

• bx单位依官方文档（通常为亿元），cumsum与bxall完全可比的前提是ht_bxls已拉满全部历史交易日。
• 信号阈值可参数化：mom_n > 0只是基线，实盘可换成「N 日动量 > 均线」或「连续 K 日为正」。
• 第 11 篇会把本篇signal与后续成分股涨跌、排名持续度做因子共振。

七、拓展练习

1. 把mom_n换成bx.rolling(n).mean()的环比变化，对比两种动量定义。
2. 增加「北向连续净流入天数」字段，作为独立的情绪因子。
3. 把signal序列与沪深 300 日收益做简单回测，看看多区间的平均收益。

八、下篇预告

下一篇《沪、深股通成分股行情：字段解析与清洗》将接入ht/nbzj/hgtc与ht/nbzj/sgtc，把北向通道的「标的池」行情落库，并计算北向成分股当日平均涨跌幅这一情绪指标。

免责申明：文中所有数据处理逻辑仅为编程演示，仅为数据演示，不构成投资建议。市场有风险，投资需谨慎。