用涨跌分布判断市场温度

一、为什么看涨跌分布（30 秒）

指数（如上证）会被少数权重股带着走，涨跌分布则反映全市场：

• 普涨：上涨家数远多下跌 → 市场情绪偏暖（赚钱效应好）
• 普跌：下跌家数远多上涨 → 偏冷（亏钱效应）
• 分化：涨跌相近 → 结构性行情（选对板块比选对市场更重要）
• 涨停数：极端情绪指标 —— 涨停很多 = 题材活跃/资金亢奋

二、拿数据（免费端点）

`/v1/changedist` 是免费端点（无需 Key）。返回两段：涨跌总览 + 涨跌幅区间分布，且带 `structured` 供程序化用。

import requests

r = requests.get("https://api.ashareapi.com/v1/changedist", timeout=30)
j = r.json()
s = j.get("structured")            # 程序化用这个
print(s)                            # [{"上涨": "3006", "上涨占比": "53%", "下跌": "2303", ...}]

# data 是 Markdown（给人看）；structured 是二维数组（给代码用）
tables = j.get("tables")            # [总览行, 区间分布行...]
for t in tables:
    print(t)

• 免费端点：无需 Key，直接调
• `structured` 是条件字段 —— 只有 data 是 Markdown 时才附（changedist 满足此条件）
• 程序化处理用 `structured` / `tables`，别解析 Markdown

三、字段怎么读

区间分布（>7% / 7~5% / 5~2% / 2~0% 等）能看出涨跌的强度——同样是"上涨 3000 家"，"涨 5% 以上很多"和"只涨 1% 左右"的含金量完全不同。

四、怎么读"市场温度"

• 不能只看一天 —— 市场情绪有惯性，要连续看几天才能判断拐点
• 过热信号：上涨占比高 + 涨停很多 + 成交额放大 → 可能情绪顶点（次日容易回落）
• 冰点信号：上涨占比极低 + 跌停多 → 往往对应情绪底部（超跌反弹概率增加，但需结合其它）

五、真实数据（2026-09-29 实跑）

读法：53% 上涨占比 + 42 家涨停 = "中性偏暖、题材有热度" —— 不是冰点也不是过热。这类"温吞"状态最需要结合连续几天趋势（见下节）。

六、怎么连续看 + 判断拐点

import requests, time

def breadth():
    j = requests.get("https://api.ashareapi.com/v1/changedist", timeout=30).json()
    s = j["structured"][0]
    return int(s.get("上涨", 0)), int(s.get("下跌", 0)), int(s.get("涨停", 0))

# 模拟连续记录（实战中落在任务里，每天存一次）
history = []
for day in range(5):                # 这里演示，实际用当日 + 历史快照
    up, down, zt = breadth()
    history.append((up, down, zt))
    time.sleep(1)

# 判断：最近 3 天上涨占比趋势
for i, (up, down, zt) in enumerate(history):
    ratio = up / (up + down) if (up + down) else 0
    print("day%d 上涨占比 %.0f%% 涨停 %d" % (i + 1, ratio * 100, zt))

• 趋势：若上涨占比连续走高 → 情绪回暖；连续走低 → 转冷
• 突变：某天占比突然跳到 70% 以上（且涨停很多）→ 警惕过热；突然跌到 30% 以下 → 警惕冰点
• 纪律：市场广度是温度计（描述状态），不是预测器（不保证次日反转/延续）。用它当"环境判断"，再决定策略偏好（而非直接买卖）

七、常见误判（重要）

• ① 数据口径：`/v1/changedist` 是当期口径。要历史某天的广度，另找指标（本文只讲当期判断）
• ② 只看指数不看广度：指数可能因权重股涨而"看着不错"，但实际普跌（分化）—— 广度能戳穿这个假象
• ③ 涨停多 ≠ 一定亢奋：要看涨停的持续性和题材集中度（到处乱涨 vs 一个板块抱团，含义不同）