本文主要是介绍基于Python的指数基金量化投资——A股全市场成交量计算，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
成交量是反映市场情绪和流动性一个很重要的指标，当出现牛市时成交量会急剧放大，当出现熊市时成交量会急剧缩小。
通过成交量可以反映出市场的情绪是处于正常、平淡还是疯狂，可以在一定程度上指导我们的投资操作，例如当市场过于疯狂的时候可能是撤退的机会，当市场平淡的时候可能是入场的时机，当市场处于正常交易量则应该保持观望。
清楚目前市场的冷暖程度可以起到锚定的作用，面对上涨下跌从容应对，从而不会随大流追涨杀跌。
选取近十年A股成交量的变化曲线（交易单位为亿）
可以看出在2015年牛市的时候成交量急剧放大，是普通交易日的好几倍，而2012年到2014年的大熊市成交量非常低，基本只有牛市的五分之一不到，同样2018年到2019年的熊市成交量也非常低迷。
而2019年初以来的牛市可以看见，整个市场的成交量是震荡走高的，当然这个和目前参与基金投资的人越来越多也有关系。
所以，从量化的角度来说市场成交量是一个很重要的指标，下面就看看怎么来获得这个数据。
想要的数据还是从baostock来获取，前面有一片文章提到过怎么从baostock获取数据《基于Python的指数基金量化投资 - 股票数据源baostock》。
在baostock的接口中没有直接能获取全市场成交量的接口，但它提供了上交所交易量和深交所交易量的数据，只要把这两个数据加总就能获得我们想要的全市场成交量数据。
在baostock的介绍中通过下面两个指数就能获得上交所和深交所的成交量数据。
上面图中的sh.000001和sz.399107分别就是上交所的所有样本股和深交所的所有样本股，通过前面介绍的《基于Python的指数基金量化投资 - 指数数据获取》，可以获得两个指数的成交量：
把获得两个数据进行加总就是全市场成交量。
下面是具体的代码实现过程（代码中的路径是小将自己的路径，大家可以根据自己的进行调整）。
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import math as math
import baostock as bstime_end 这篇关于基于Python的指数基金量化投资——A股全市场成交量计算的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
