国庆期间，A股休市，港股正常交易，而同时在两地上市的公司目前有一百多家，于是有了跨市场套利的思路。
港股交易时间
09:30 - 12:00
13:00 - 16:00A股交易时间
09:30 - 11:30
13:00 - 15:00
即上午多出半个小时，下午多出一个小时。那么是否可以利用港股15:00 - 16:00的表现来推断下一天A股的表现？
上图是郑煤机的30分钟线，红色是港股行情，黄色是A股行情。在9/11, 15:00 - 16:00这段时间内，港股上涨了约2.58%，一天后，A股开始反应，随即上涨。
在复盘过程中，我发现也有很多失效的情况发生，于是在以下的研究中，我也考虑了过去半年和一年的AH相关性分析，以作参考。
由于平台目前没有港股分钟行情，我写了一个简单的爬虫从新浪财经获取，但新浪通过json格式返回的分钟数据最多只有5天，所以还在考虑如何获取历史港股分钟行情。
欢迎讨论！
共勉！
import pandas as pd
from tqdm import tqdm_notebook
from bs4 import BeautifulSoup
import requests
import json
from jqdata import finance, macro
# get hk stock minute data from sina finance
def get_ret(code):
url = 'https://quotes.sina.cn/hk/api/openapi.php/HK_MinlineService.getMinline?symbol={}&day=1'.format(code)
html = requests.get(url).text
data = json.loads(html)['result']['data'][0]
if len(data) == 0:
return None
df = pd.DataFrame(data)
df.index = df['m']
start_time = '15:00:00'
end_time = df.index[-1]
if start_time not in df.index:
return None
df['price'] = df['price'].apply(lambda x: float(x))
ret = (df.loc[end_time, 'price'] / df.loc[start_time, 'price'] - 1).round(4)
return {
'ret': ret,
'start_time': start_time,
'end_time': end_time
}
def get_ah_corr(code, date, N):
# AH price
table_name = finance.STK_AH_PRICE_COMP
q = query(
table_name.day, table_name.a_price, table_name.h_price
).filter(
table_name.h_code==code, table_name.day<=date
).order_by(table_name.day.desc()).limit(N)
ah_df = finance.run_query(q)
start = ah_df['day'].tolist()[-1]
end = ah_df['day'].tolist()[0]
# forex
table_name = macro.MAC_RMB_EXCHANGE_RATE
q = query(
table_name.day, table_name.bank_reduced_prc
).filter(
table_name.currency_name=='港币', table_name.day>=start, table_name.day<=end
).order_by(table_name.day.desc())
forex_df = macro.run_query(q)
# calc corr
ah_df['day'] = ah_df['day'].apply(lambda x: str(x))
ah_df = pd.merge(ah_df, forex_df, on='day')
ah_df['h_price_rmb'] = ah_df['h_price'] * ah_df['bank_reduced_prc'] / 100
corr = round(ah_df[['a_price', 'h_price_rmb']].corr().values[0, 1], 4)
return corr
date = '2019-9-30'
table_name = finance.STK_AH_PRICE_COMP
q = query(table_name.h_code, table_name.a_code, table_name.name).filter(table_name.day==date)
code_info = finance.run_query(q).to_dict('records')
ret_list = []
for code_dict in tqdm_notebook(code_info):
code = code_dict['h_code']
ret_dict = get_ret(code)
if ret_dict is None:
continue
corr_6mon = get_ah_corr(code, date, 120)
corr_1y = get_ah_corr(code, date, 250)
ret_list.append({
'code': code,
'a_code': code_dict['a_code'],
'name': code_dict['name'],
'ret': ret_dict['ret'],
'start_time': ret_dict['start_time'],
'end_time': ret_dict['end_time'],
'corr_6mon': corr_6mon,
'corr_1y': corr_1y
})
result_df = pd.DataFrame(ret_list).sort_values(by='ret', ascending=False)
result_df
