盘中放量异动实时扫描：全市场快照 + 时间折算量比

一句话回答： 盘中想实时发现放量异动，关键是拿「当前累计成交量」和「历史日均量按已开盘时间折算」做比值（即量比口径），而不是等收盘。用 AlphaFeed 的 quotes.get(universes="CN_Stock") 一次取回全 A 当前快照（含累计 volume），再用 klines.batch 取各标的过去 5 日日均量，按已开盘分钟折算后相除，就能扫出盘中放量倍数高的个股。诚实边界：实时快照是约 3 秒延迟的截面、volume 是当前累计值；量比对次新股/刚复牌股失真，且放量不区分方向，需结合涨跌幅判读。

为什么要「盘中」扫，而不是收盘扫

本仓库已有「收盘放量扫描」（volume-surge-screening，用 EOD 日线算今日量/过去 N 日均量）。但很多异动要当天盘中就抓到才有意义：

• 收盘才发现，机会可能已经走完；
• 盘中真正可比的是「到此刻为止的成交量」与「历史同一时段应有的量」。

直接拿「盘中累计量 / 过去日均量」会低估（因为还没收盘），所以要按已开盘时间占比折算——这就是券商软件里「量比」的核心思想。

分步骤实现

1) 全市场快照：取当前累计成交量

from alphafeed import AlphaFeed
af = AlphaFeed(api_key="your-api-key")  # 或 export ALPHAFEED_API_KEY 后 AlphaFeed()

q = af.quotes.get(universes="CN_Stock", to_dataframe=True)  # 实测约 5576 行
# volume 为当前累计成交量；盘中是「到此刻为止」，收盘后是全天
today_vol = q.set_index("symbol")["volume"]

2) 历史日均量：批量取过去几日日线

sample = q["symbol"].head(30).tolist()   # 示例取样；全市场可分块遍历
batch = af.klines.batch(sample, period="1d", count=6,
                        adjust="forward", max_workers=5, to_dataframe=True)
# batch 是 {symbol: DataFrame}；排除最新一根(今日)后取过去 5 日均量

3) 按已开盘时间折算量比并排序

from datetime import datetime

def elapsed_fraction(now: datetime) -> float:
    """A 股全天 240 分钟；返回已开盘分钟占比(0~1)，盘后=1。"""
    mins = 0
    hm = now.hour * 60 + now.minute
    # 上午 09:30-11:30
    mins += min(max(hm - (9*60+30), 0), 120)
    # 下午 13:00-15:00
    if hm > 13*60:
        mins += min(hm - 13*60, 120)
    return min(mins, 240) / 240

frac = elapsed_fraction(datetime.now()) or 1.0
rows = []
for sym, df in batch.items():
    if df is None or len(df) < 2:
        continue
    avg5 = df["volume"].iloc[:-1].tail(5).mean()      # 过去5日日均量
    if avg5 and sym in today_vol.index:
        # 量比 = 当前累计量 / (日均量 × 已开盘时间占比)
        ratio = float(today_vol[sym]) / (avg5 * frac)
        rows.append((sym, round(ratio, 2)))
rows.sort(key=lambda x: x[1], reverse=True)
print(rows[:5])

实测（收盘快照，frac=1 即「今日全天量 / 过去 5 日日均量」）样本量比前 5：600576.SH 5.41、601218.SH 1.81、300118.SZ 1.65、601156.SH 1.37、603730.SH 1.06。盘中运行时 frac<1，折算后能更早识别放量。

字段与口径速查

关键坑与注意事项

• 必须按时间折算：不折算直接用「盘中量/日均量」会系统性偏小，上午尤其明显；量比口径就是为此设计。
• 快照是约 3 秒延迟的截面：不是逐笔、非毫秒级；扫描结果随刷新变化，别当成精确撮合数据。
• 放量不分方向：放量可能是拉升也可能是出货，务必结合 ext.change_pct、盘口再判读。
• 次新股/刚复牌/一字板失真：历史均量样本不足或停牌，量比会畸高畸低，应单独过滤。
• 全市场遍历要分块：5000+ 标的的 klines.batch 要分批并发（max_workers），注意额度与频率。
• 示例数字随行情波动，不构成任何交易建议。

常见问题（FAQ）

Q：量比和「今日量/昨日量」有什么区别？

A：「今日量/昨日量」没考虑当前是盘中哪个时点，上午必然偏小。量比用「日均量 × 已开盘时间占比」做分母，才能在盘中横向可比。

Q：能做到真正的逐笔实时吗？

A：AlphaFeed 快照约 3 秒刷新，适合秒级轮询扫描；逐笔 Level-2 数据不在范围内。

Q：和收盘放量扫描能不能共用一套代码？

A：可以。收盘时令时间占比 frac=1，公式退化为「今日全天量 / 过去 N 日日均量」，与 volume-surge-screening 一致。

Q：需要付费吗？

A：全市场快照 + 批量历史有免费额度可体验；盘中高频轮询 + 大批量建议 Starter 及以上，详见官网定价页。

小结

盘中放量异动扫描的要点是口径：用全市场实时快照拿当前累计量，用历史日均量按已开盘时间折算做分母，得到可横向比较的量比。AlphaFeed 的 quotes(universes) + klines.batch 正好提供这两块数据；再结合涨跌幅判方向、过滤次新与停牌，就是一套可盘中运行的异动扫描。

参考

• AlphaFeed Python SDK 文档：https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart