a-share-market

name	a-share-market
description	A股市场数据获取工具。提供估值（PE/PB）、资金面（融资融券、主力资金、南向资金）、市场情绪（活跃度、涨跌停）、新基金发行等数据，与macro-analysis配合使用判断A股投资环境。

A-Share Market Skill

A股市场层面的数据获取工具。关注估值水位、资金流向、市场情绪等维度，配合 macro-analysis skill 的宏观数据，综合判断A股投资环境。

When to Use

当用户请求以下操作时调用此 skill：

• 查看A股整体估值水平（PE/PB）
• 查看资金流向（主力、融资融券、南向资金）
• 判断市场情绪和活跃度
• 分析增量资金入市情况（新基金发行）
• 综合判断A股市场环境
• 与 macro-analysis 联动做宏观+市场综合分析

Prerequisites

pip install akshare pandas numpy

数据接口速查表

以下接口均于 2026-05-11 实测验证通过。

估值

优先用指数级 PE/PB（沪深300 / 上证50）：日频颗粒度细，且剔除 ST/亏损股扭曲，比全市场均值更能代表"主流定价"。全市场口径仅在需要超长历史（1997 起）月级数据时使用。

指标	akshare 函数	返回列	说明
指数 PE（推荐）	stock_index_pe_lg(symbol='沪深300')	['日期', '指数', '等权静态市盈率', '静态市盈率', '静态市盈率中位数', '等权滚动市盈率', '滚动市盈率', '滚动市盈率中位数']	日频，正序。5180 行覆盖 2005-至今。滚动市盈率 = TTM PE，做分位用这列。symbol 可选：上证50/沪深300/上证380/创业板50/中证500/上证180/深证红利/深证100/中证1000/上证红利/中证100/中证800
指数 PB（推荐）	stock_index_pb_lg(symbol='沪深300')	['日期', '指数', '市净率', '等权市净率', '市净率中位数']	日频，正序。symbol 同上
全市场PE（粗）	stock_market_pe_lg()	['日期', '指数', '平均市盈率']	月频（约 350 个观测覆盖 1997-至今），含 ST/亏损扭曲。仅在需要超长历史时用
全市场PB（粗）	stock_market_pb_lg()	['日期', '指数', '市净率', '等权市净率', '市净率中位数']	日频，5181 行覆盖 2005-至今。含 ST/亏损扭曲；通常用指数级 PB 即可，本接口仅作参考
A股总市值	macro_china_stock_market_cap()	['数据日期', '发行总股本-上海', '发行总股本-深圳', '市价总值-上海', '市价总值-深圳', '成交金额-上海', '成交金额-深圳', '成交量-上海', '成交量-深圳', 'A股最高综合股价指数-上海', 'A股最高综合股价指数-深圳', 'A股最低综合股价指数-上海', 'A股最低综合股价指数-深圳']	月频，倒序。最新月份可能部分字段为NaN

资金面

指标	akshare 函数	返回列	说明
市场资金流向	stock_market_fund_flow()	['日期', '上证-收盘价', '上证-涨跌幅', '深证-收盘价', '深证-涨跌幅', '主力净流入-净额', '主力净流入-净占比', '超大单净流入-净额', '超大单净流入-净占比', '大单净流入-净额', '大单净流入-净占比', '中单净流入-净额', '中单净流入-净占比', '小单净流入-净额', '小单净流入-净占比']	正序，日频。净额单位为元
融资融券(沪)	macro_china_market_margin_sh()	['日期', '融资买入额', '融资余额', '融券卖出量', '融券余量', '融券余额', '融资融券余额']	正序，日频。单位为元
融资融券(深)	macro_china_market_margin_sz()	同上	正序，日频
沪深港通汇总	stock_hsgt_fund_flow_summary_em()	['交易日', '类型', '板块', '资金方向', '交易状态', '成交净买额', '资金净流入', '当日资金余额', '上涨数', '持平数', '下跌数', '相关指数', '指数涨跌幅']	含沪股通/深股通/港股通，按资金方向分北向/南向

注意：2024年起北向资金不再披露实时成交净买额，数据为0。南向资金仍正常披露。

市场情绪

指标	akshare 函数	返回列	说明
市场活跃度	stock_market_activity_legu()	['item', 'value']	当日快照：上涨/下跌/涨停/跌停/活跃度等。长表格式，每行一个指标

activity 的 item 包含：上涨、涨停、真实涨停、st st涨停、下跌、跌停、真实跌停、st st跌停、平盘、停牌、活跃度、统计日期。

增量资金

指标	akshare 函数	返回列	说明
新基金发行	fund_new_found_em()	['基金代码', '基金简称', '发行公司', '基金类型', '集中认购期', '募集份额', '成立日期', '成立来涨幅', '基金经理', '申购状态', '优惠费率']	全量数据。成立日期为 datetime.date，募集份额单位为亿份。可按日期筛选统计发行节奏

---

Workflows

Workflow 1: 估值水位检查

判断当前A股整体估值处于历史什么位置。

import akshare as ak
import datetime

# 指数级 PE/PB（推荐路径，日频，可改 symbol 切换观察对象）
pe = ak.stock_index_pe_lg(symbol='沪深300')
pb = ak.stock_index_pb_lg(symbol='沪深300')

# 当前值（用滚动 PE = TTM；中位数避开权重股扭曲）
pe_now = pe.iloc[-1]['滚动市盈率']
pe_med_now = pe.iloc[-1]['滚动市盈率中位数']
pb_now = pb.iloc[-1]['市净率']
pb_med_now = pb.iloc[-1]['市净率中位数']

# 历史分位（用全部历史 ~5180 个交易日）
pe_rank = (pe['滚动市盈率'] < pe_now).mean() * 100
pb_rank = (pb['市净率'] < pb_now).mean() * 100

print(f"沪深300 PE_TTM: {pe_now:.1f} (历史分位 {pe_rank:.0f}%, 中位 {pe_med_now:.1f})")
print(f"沪深300 PB:    {pb_now:.2f} (历史分位 {pb_rank:.0f}%, 中位 {pb_med_now:.2f})")

# 近 N 年分位（更有参考价值）
for years in [3, 5, 10]:
    cutoff = datetime.date.today() - datetime.timedelta(days=years*365)
    pe_recent = pe[pe['日期'] >= cutoff]
    pb_recent = pb[pb['日期'] >= cutoff]
    pe_r = (pe_recent['滚动市盈率'] < pe_now).mean() * 100
    pb_r = (pb_recent['市净率'] < pb_now).mean() * 100
    print(f"  近{years}年: PE分位 {pe_r:.0f}%, PB分位 {pb_r:.0f}%")

估值判断参考：

• PE/PB < 30%分位 → 低估区域，左侧布局机会
• PE/PB 30~70%分位 → 合理区域
• PE/PB > 70%分位 → 偏高，注意风险

阈值原基于全市场口径校准。指数级口径下分位含义类似，但绝对水平区间更窄（如沪深300 PE_TTM 历史 30% 分位约 10x，全市场约 15x）；实战时除了看分位，建议同时与"中位数"和"近 5 年区间"交叉验证。

Workflow 2: 资金面扫描

import akshare as ak

# 1. 主力资金流向（近5日趋势）
flow = ak.stock_market_fund_flow()
recent = flow.tail(5)
print("=== 近5日主力资金 ===")
for _, r in recent.iterrows():
    net = r['主力净流入-净额'] / 1e8  # 转为亿元
    print(f"  {r['日期']}: 主力净流入 {net:.1f}亿, 占比 {r['主力净流入-净占比']}%")

# 2. 融资余额趋势
margin_sh = ak.macro_china_market_margin_sh()
margin_sz = ak.macro_china_market_margin_sz()
# 两市合计融资余额
sh_latest = margin_sh.iloc[-1]
sz_latest = margin_sz.iloc[-1]
total_margin = (sh_latest['融资余额'] + sz_latest['融资余额']) / 1e8  # 转为亿元
print(f"\n两市融资余额: {total_margin:.0f}亿元 (日期: {sh_latest['日期']})")

# 近期趋势
for i in [-1, -6, -21]:  # 最新、5日前、20日前
    sh = margin_sh.iloc[i]['融资余额']
    sz = margin_sz.iloc[i]['融资余额']
    total = (sh + sz) / 1e8
    d = margin_sh.iloc[i]['日期']
    print(f"  {d}: {total:.0f}亿")

# 3. 南向资金
hsgt = ak.stock_hsgt_fund_flow_summary_em()
south = hsgt[hsgt['资金方向'] == '南向']
south_recent = south.tail(10)
print(f"\n=== 南向资金(近5个交易日) ===")
# 按日汇总
for date in south_recent['交易日'].unique()[-5:]:
    day_data = south_recent[south_recent['交易日'] == date]
    total_net = day_data['成交净买额'].sum()
    print(f"  {date}: 净买入 {total_net:.1f}亿")

资金面判断：

• 融资余额持续上升 + 主力净流入 → 市场加杠杆，情绪偏多
• 融资余额下降 + 主力净流出 → 去杠杆，谨慎

Workflow 3: 市场情绪温度计

import akshare as ak

act = ak.stock_market_activity_legu()
data = dict(zip(act['item'], act['value']))

up = int(data.get('上涨', 0))
down = int(data.get('下跌', 0))
limit_up = int(data.get('涨停', 0))
real_limit_up = int(data.get('真实涨停', 0))
limit_down = int(data.get('跌停', 0))
activity = data.get('活跃度', 'N/A')

total = up + down + int(data.get('平盘', 0))
up_ratio = up / total * 100 if total > 0 else 0

print(f"上涨/下跌: {up}/{down} (上涨占比 {up_ratio:.0f}%)")
print(f"涨停: {limit_up} (真实涨停 {real_limit_up})")
print(f"跌停: {limit_down}")
print(f"活跃度: {activity}")

# 情绪判断
if up_ratio > 70:
    mood = "极度乐观"
elif up_ratio > 55:
    mood = "偏多"
elif up_ratio > 45:
    mood = "中性"
elif up_ratio > 30:
    mood = "偏空"
else:
    mood = "极度悲观"
print(f"市场情绪: {mood}")

Workflow 4: 增量资金追踪

import akshare as ak
import datetime

fund = ak.fund_new_found_em()

# 按月统计新基金发行
for months_ago in [0, 1, 2]:
    today = datetime.date.today()
    if months_ago == 0:
        start = today.replace(day=1)
        label = "本月"
    else:
        m = today.month - months_ago
        y = today.year
        if m <= 0:
            m += 12
            y -= 1
        start = datetime.date(y, m, 1)
        end = datetime.date(y, m + 1, 1) if m < 12 else datetime.date(y + 1, 1, 1)
        label = f"{y}-{m:02d}"

    if months_ago == 0:
        period = fund[fund['成立日期'] >= start]
    else:
        period = fund[(fund['成立日期'] >= start) & (fund['成立日期'] < end)]

    count = len(period)
    total_size = period['募集份额'].sum()
    # 股票型基金占比
    equity = period[period['基金类型'].str.contains('股票|偏股', na=False)]
    equity_size = equity['募集份额'].sum()

    print(f"{label}: 新成立{count}只, 募集{total_size:.0f}亿份, 其中权益类{equity_size:.0f}亿份")

新基金发行判断：

• 权益基金发行放量 → 增量资金入市，但也可能是市场过热信号
• 权益基金发行冰点 → 市场情绪低迷，但往往是底部特征

Workflow 5: A股市场环境综合判断

串联所有维度，给出综合判断。建议与 macro-analysis skill 联合使用。

使用方式：

1. 先用 macro-analysis 获取宏观数据（GDP/CPI/PPI/PMI/M2/LPR/信贷）
2. 再用本 skill 获取市场数据（PE/PB/资金/情绪/新基金）
3. 综合判断框架如下：

维度	数据来源	看什么
经济基本面	macro-analysis	GDP增速方向、PMI趋势、PPI拐点
流动性	macro-analysis	M2增速、LPR/SHIBOR、信贷
M1-M2剪刀差	macro-analysis → macro_china_money_supply()	M1同比-M2同比，上行利好股市
估值	本skill	PE/PB历史分位，低估还是高估
资金面	本skill	融资余额趋势、主力流向
市场情绪	本skill	涨跌比、活跃度
增量资金	本skill	新基金发行节奏

综合判断矩阵：

环境	宏观	流动性	估值	资金情绪	操作建议
黄金坑	见底企稳	宽松	低估	低迷	积极布局
复苏牛	改善	宽松	合理	回暖	持股为主
泡沫期	过热	收紧迹象	高估	狂热	逐步减仓
杀估值	尚可	收紧	高估	恐慌	观望
熊市底	恶化	宽松转向	低估	极度悲观	左侧建仓

---

Error Handling

接口限流

akshare 部分接口有频率限制，分批获取。

交易日数据

市场数据仅在交易日更新。周末/节假日获取到的是最近一个交易日的数据。

北向资金不可用

2024年起北向资金不再披露实时成交净买额。stock_hsgt_hist_em 和 stock_hsgt_fund_flow_summary_em 中北向数据均为0。南向资金正常。

Best Practices

1. 估值要看分位数：绝对PE/PB值意义有限，历史分位才有参考价值。建议看近5年和近10年两个维度
2. 资金面看趋势：单日数据波动大，融资余额看5日/20日变化方向
3. 情绪指标是辅助：涨跌比、活跃度反映短期情绪，不能作为中长期决策依据
4. 与宏观联动：市场数据反映"市场在想什么"，宏观数据反映"经济在做什么"，两者结合才有价值
5. M1-M2是桥梁：这个指标在 macro-analysis 的 macro_china_money_supply() 中，是连接宏观和市场的关键指标