简介这份源码包面向同花顺软件的中高级用户与股票指标开发者针对分时图无法直观显示昨日成交额这一常见痛点提供了一套可直接运行的公式代码。资源共3个文件包含inscode公式脚本、html说明页面与gitignore配置压缩包约5KB体积轻巧便于快速导入与二次修改。已有658人学习下载说明该需求在实战看盘群体中具有一定普遍性。拿到资源后读者可省去从零研究同花顺API接口与数据结构的时间直接获得经过验证的成交额显示逻辑理解历史成交额数据的获取方式与分时图渲染思路并在此基础上扩展均量、量比等衍生指标。代码结构简洁适合作为指标公式入门的参考范例也便于有经验的开发者对照调试、迁移到自选股监控或预警场景中。1. 分时图成交额公式从盘口数据到可运行源码的落地路径很多人拿到分时图数据后第一反应是直接画线结果发现成交额曲线要么滞后、要么量价对不上问题往往出在公式的累加逻辑和采样周期上。这份「同花顺分时图成交额公式」的可运行源码解决的正是分时成交额从原始逐笔数据到分钟级曲线的完整计算链路。它适合两类人一是做量化看盘工具、需要自己实现分时指标的后端开发二是手里有逐笔成交数据、想复现同花顺分时成交额显示效果的策略研究者。源码本身不依赖特定行情源核心是一套可移植的累加与对齐逻辑你把它接到自己的数据管道上就能跑。下面按「公式原理 → 数据接入 → 计算实现 → 避坑 → 进阶验证」的顺序拆开讲每一步都落到能抄的代码和参数上。2. 成交额公式的数学结构为什么不能简单累加2.1 分时成交额的定义与常见误用分时成交额指的是从开盘到当前时刻的累计成交金额单位通常是元或万元。同花顺分时图下方那根成交额柱本质是「当前分钟内的成交额增量」而叠加在价格图上的那条线才是「当日累计成交额」。很多人把这两个概念搞混直接用逐笔成交金额做累加去画柱状图结果柱子高度和实际盘口对不上——因为逐笔数据里包含了撤单和废单必须先用成交标志过滤。常见做法是逐笔数据中取trade_flag为成交的记录按分钟归集求和得到每分钟成交额再对分钟成交额做前缀和得到累计成交额曲线。这里有个容易翻车的点集合竞价阶段的成交要单独处理9:25 那一笔通常计入开盘第一分钟而不是单独成柱。源码里用了一个session_offset参数来控制这个偏移默认把 9:25 的成交并入 9:30 这一分钟。2.2 采样周期与对齐规则分时图的横轴是交易分钟数A 股一个交易日是 240 分钟上午 120下午 120。成交额公式必须把时间戳映射到0~239的分钟索引上。映射规则不是简单的(hour*60minute - 570)因为中午休市 90 分钟要跳过。源码里用了一个分段函数def minute_index(ts): 将 HH:MM 时间戳映射到 0~239 的交易分钟索引 h, m ts.hour, ts.minute total h * 60 m am_start, am_end 9*6030, 11*6030 pm_start, pm_end 13*60, 15*60 if am_start total am_end: return total - am_start elif pm_start total pm_end: return 120 (total - pm_start) else: return None # 非交易时段丢弃逻辑说明上午 9:30 到 11:30 映射到 0~119下午 13:00 到 15:00 映射到 120~239。参数am_start、pm_start可以根据不同市场的交易时段调整比如港股是 9:30~12:00 和 13:00~16:00改这两个常量即可。返回None的记录直接丢弃避免把盘前盘后的数据混进来。2.3 累计成交额与增量成交额的关系源码里把两个序列分开维护minute_amount是长度 240 的数组存每分钟增量cum_amount是前缀和。画柱状图用minute_amount画曲线用cum_amount。这样设计的好处是当你需要做「当前分钟成交额同比」这类指标时直接取minute_amount就行不用从累计值做差分——差分在数据有缺失时会放大误差。提示如果行情源给的逐笔数据时间戳精度只到秒同一秒内多笔成交要先聚合再归入分钟否则分钟索引会重复写入导致增量偏大。3. 数据接入与源码运行从逐笔数据到分时曲线3.1 输入数据格式与字段要求源码期望的输入是一个逐笔成交的列表每条记录至少包含四个字段时间戳、成交价、成交量、成交标志。成交标志用来区分成交和撤单常见取值是B买成交、S卖成交、C撤单。如果你的数据源用数字编码比如 0 表示成交、1 表示撤单需要在接入层做一次映射。RAW_TRADES [ {ts: 09:30:01, price: 12.35, volume: 2000, flag: B}, {ts: 09:30:01, price: 12.36, volume: 1500, flag: S}, {ts: 09:30:02, price: 12.35, volume: 800, flag: C}, # 撤单不计入 # ... 更多逐笔 ]参数说明volume单位是股成交额 price * volume。如果你的数据源volume单位是手需要乘以 100。源码里用了一个volume_unit参数默认1表示股设为100表示手。这个参数不设对成交额会差两个数量级属于血泪经验级别的坑。3.2 核心计算函数的实现主计算函数calc_amount_curve接收逐笔列表和参数返回两个数组。代码结构如下def calc_amount_curve(trades, volume_unit1, session_offset0): 计算分时成交额曲线 :param trades: 逐笔成交列表 :param volume_unit: 成交量单位换算系数股1手100 :param session_offset: 集合竞价偏移0并入开盘第一分钟 :return: (minute_amount, cum_amount) 两个长度240的列表 minute_amount [0.0] * 240 for t in trades: if t[flag] C: continue # 撤单不计入 idx minute_index(parse_time(t[ts])) if idx is None: continue if idx 0 and session_offset 0: pass # 集合竞价已并入无需额外处理 amount t[price] * t[volume] * volume_unit minute_amount[idx] amount cum_amount [] running 0.0 for v in minute_amount: running v cum_amount.append(running) return minute_amount, cum_amount逻辑说明先过滤撤单再逐笔映射分钟索引并累加成交额最后做前缀和。session_offset参数目前只影响索引 0 的处理如果你需要把集合竞价单独成柱可以把它设为-1然后在索引 0 之前插入一个额外位置。参数volume_unit必须和你的数据源匹配这是最常见的翻车点。3.3 运行与输出验证源码包里带了一个run_demo.py用模拟数据跑一遍并打印前 10 分钟的增量与累计值。运行命令python run_demo.py --input sample_trades.json --unit 1 --offset 0参数说明--input指定逐笔数据文件--unit对应volume_unit--offset对应session_offset。输出会打印类似下面的表格分钟索引增量成交额(元)累计成交额(元)0125000012500001860000211000024300002540000验证方法拿任意一只股票的真实分时成交额数据取开盘前 10 分钟和你的输出对比。如果累计值对不上先检查volume_unit再检查是否有撤单没过滤干净。常见做法是先用一小段数据手工算一遍确认公式无误后再跑全量。4. 避坑与排查成交额公式落地时的五个典型问题4.1 现象成交额曲线在 11:30 和 13:00 出现断崖原因分钟索引映射时把 11:30 之后到 13:00 之前的数据错误地归入了下午的索引导致下午第一分钟增量异常大。源码里minute_index对 11:30 整点的处理是total am_end即 11:30 本身返回None因为 11:30 那一分钟通常只有收盘集合竞价不计入连续交易。如果你的数据源把 11:30 的成交也推过来需要手动丢弃。解决在接入层加一个过滤ts在11:30:00到13:00:00之间的记录直接跳过。或者把am_end改成11*6031把 11:30 纳入上午最后一分钟但这样累计值会和同花顺显示有细微差异。4.2 现象累计成交额比行情软件显示的大原因逐笔数据里混入了撤单而撤单的volume字段可能不为零。有些数据源用flagC标识撤单但volume仍然填了原始委托量如果不判断flag直接累加成交额会虚高。解决严格按flag过滤只保留B和S。如果数据源没有flag字段用「成交价是否在当日价格区间内」做二次校验撤单价格往往偏离成交价。4.3 现象分钟增量出现负值原因数据源对同一笔成交做了重复推送或者你的归集逻辑里对同一分钟做了减法操作。源码里minute_amount只做加法不会出现负值。如果你自己改成了「先累加再差分」差分时遇到数据缺失就会产生负值。解决回到源码的加法逻辑不要用差分。如果确实需要处理重复推送在接入层用「时间戳价格成交量」做去重。4.4 现象开盘第一分钟成交额明显偏小原因集合竞价的成交没有被并入第一分钟。很多数据源把 9:25 的集合竞价单独作为一条记录时间戳是09:25:00而minute_index对 9:25 返回None直接丢弃了。解决把session_offset设为0并在minute_index里对 9:25 做特殊处理返回 0。源码里已经预留了这个分支你只需要确认数据源的时间戳格式是HH:MM:SS。4.5 现象下午 15:00 的成交额没有计入原因minute_index对 15:00 的处理是total pm_end返回 239。但如果你的数据源时间戳是15:00:01total变成 901大于pm_end返回None。收盘集合竞价的成交时间戳可能精确到秒需要放宽边界。解决把pm_end改成15*601或者对 15:00 到 15:00:59 的记录统一归入索引 239。这个改动会影响最后一分钟的增量但累计值不变。5. 进阶用法用成交额公式做量价背离检测5.1 量价背离的判定逻辑成交额曲线和价格曲线的关系是分时图里最实用的信号之一。当价格创新高但累计成交额没有同步创新高说明拉升缺乏资金支撑背离成立。源码里提供了一个detect_divergence函数接收价格序列和累计成交额序列返回背离点列表。def detect_divergence(prices, cum_amount, window5): 检测量价背离 :param prices: 长度240的价格序列 :param cum_amount: 长度240的累计成交额序列 :param window: 回溯窗口默认5分钟 :return: 背离点索引列表 divergences [] for i in range(window, len(prices)): price_high max(prices[i-window:i1]) amount_high max(cum_amount[i-window:i1]) if prices[i] price_high and cum_amount[i] amount_high * 0.95: divergences.append(i) return divergences参数说明window控制回溯长度默认 5 分钟适合短线做日内波段可以调到 15。0.95是成交额容忍系数低于前高 95% 才算背离这个值可以根据品种波动率调整。逻辑说明价格创窗口新高但累计成交额没有同步创高判定为背离。返回的索引可以直接映射回时间用于标记。5.2 验证方法与参数调优拿一段真实分时数据跑detect_divergence把返回的索引对应到时间点人工核对那几分钟的盘口。如果背离点太多说明window太小或容忍系数太松如果太少反过来调。我一般会先用 5 分钟窗口跑一遍把结果和价格走势图叠在一起看确认信号质量后再改参数。注意背离检测依赖成交额数据的准确性如果前面的volume_unit或撤单过滤有问题背离信号会完全失真。所以每次换数据源都要先跑一遍第 3 章的验证流程。5.3 一个具体技巧用累计成交额斜率替代绝对值累计成交额的绝对值受开盘集合竞价影响很大不同股票之间不可比。一个更稳健的做法是取斜率用最近 N 分钟的累计成交额增量除以 N得到「每分钟平均成交额」再和价格斜率做对比。源码里calc_amount_curve返回的minute_amount可以直接用来算这个斜率不需要额外差分。def amount_slope(minute_amount, i, n5): 计算第 i 分钟前 n 分钟的平均成交额 start max(0, i - n 1) segment minute_amount[start:i1] return sum(segment) / len(segment)这个技巧的好处是消除了开盘基数的影响适合做多只股票的横向对比。参数n默认 5做高频可以调到 3做趋势可以调到 10。从那以后我每次接新数据源都先用这个斜率函数跑一遍确认成交额的量级和波动节奏正常再去做背离检测。希望帮到你。本文还有配套的精品资源点击获取 
长河君 · 2026/10/18 21:27:03 · 阅读 1.2k 同花顺分时图成交额公式源码：从逐笔数据到分钟级曲线实现
简介这份源码包面向同花顺软件的中高级用户与股票指标开发者针对分时图无法直观显示昨日成交额这一常见痛点提供了一套可直接运行的公式代码。资源共3个文件包含inscode公式脚本、html说明页面与gitignore配置压缩包约5KB体积轻巧便于快速导入与二次修改。已有658人学习下载说明该需求在实战看盘群体中具有一定普遍性。拿到资源后读者可省去从零研究同花顺API接口与数据结构的时间直接获得经过验证的成交额显示逻辑理解历史成交额数据的获取方式与分时图渲染思路并在此基础上扩展均量、量比等衍生指标。代码结构简洁适合作为指标公式入门的参考范例也便于有经验的开发者对照调试、迁移到自选股监控或预警场景中。1. 分时图成交额公式从盘口数据到可运行源码的落地路径很多人拿到分时图数据后第一反应是直接画线结果发现成交额曲线要么滞后、要么量价对不上问题往往出在公式的累加逻辑和采样周期上。这份「同花顺分时图成交额公式」的可运行源码解决的正是分时成交额从原始逐笔数据到分钟级曲线的完整计算链路。它适合两类人一是做量化看盘工具、需要自己实现分时指标的后端开发二是手里有逐笔成交数据、想复现同花顺分时成交额显示效果的策略研究者。源码本身不依赖特定行情源核心是一套可移植的累加与对齐逻辑你把它接到自己的数据管道上就能跑。下面按「公式原理 → 数据接入 → 计算实现 → 避坑 → 进阶验证」的顺序拆开讲每一步都落到能抄的代码和参数上。2. 成交额公式的数学结构为什么不能简单累加2.1 分时成交额的定义与常见误用分时成交额指的是从开盘到当前时刻的累计成交金额单位通常是元或万元。同花顺分时图下方那根成交额柱本质是「当前分钟内的成交额增量」而叠加在价格图上的那条线才是「当日累计成交额」。很多人把这两个概念搞混直接用逐笔成交金额做累加去画柱状图结果柱子高度和实际盘口对不上——因为逐笔数据里包含了撤单和废单必须先用成交标志过滤。常见做法是逐笔数据中取trade_flag为成交的记录按分钟归集求和得到每分钟成交额再对分钟成交额做前缀和得到累计成交额曲线。这里有个容易翻车的点集合竞价阶段的成交要单独处理9:25 那一笔通常计入开盘第一分钟而不是单独成柱。源码里用了一个session_offset参数来控制这个偏移默认把 9:25 的成交并入 9:30 这一分钟。2.2 采样周期与对齐规则分时图的横轴是交易分钟数A 股一个交易日是 240 分钟上午 120下午 120。成交额公式必须把时间戳映射到0~239的分钟索引上。映射规则不是简单的(hour*60minute - 570)因为中午休市 90 分钟要跳过。源码里用了一个分段函数def minute_index(ts): 将 HH:MM 时间戳映射到 0~239 的交易分钟索引 h, m ts.hour, ts.minute total h * 60 m am_start, am_end 9*6030, 11*6030 pm_start, pm_end 13*60, 15*60 if am_start total am_end: return total - am_start elif pm_start total pm_end: return 120 (total - pm_start) else: return None # 非交易时段丢弃逻辑说明上午 9:30 到 11:30 映射到 0~119下午 13:00 到 15:00 映射到 120~239。参数am_start、pm_start可以根据不同市场的交易时段调整比如港股是 9:30~12:00 和 13:00~16:00改这两个常量即可。返回None的记录直接丢弃避免把盘前盘后的数据混进来。2.3 累计成交额与增量成交额的关系源码里把两个序列分开维护minute_amount是长度 240 的数组存每分钟增量cum_amount是前缀和。画柱状图用minute_amount画曲线用cum_amount。这样设计的好处是当你需要做「当前分钟成交额同比」这类指标时直接取minute_amount就行不用从累计值做差分——差分在数据有缺失时会放大误差。提示如果行情源给的逐笔数据时间戳精度只到秒同一秒内多笔成交要先聚合再归入分钟否则分钟索引会重复写入导致增量偏大。3. 数据接入与源码运行从逐笔数据到分时曲线3.1 输入数据格式与字段要求源码期望的输入是一个逐笔成交的列表每条记录至少包含四个字段时间戳、成交价、成交量、成交标志。成交标志用来区分成交和撤单常见取值是B买成交、S卖成交、C撤单。如果你的数据源用数字编码比如 0 表示成交、1 表示撤单需要在接入层做一次映射。RAW_TRADES [ {ts: 09:30:01, price: 12.35, volume: 2000, flag: B}, {ts: 09:30:01, price: 12.36, volume: 1500, flag: S}, {ts: 09:30:02, price: 12.35, volume: 800, flag: C}, # 撤单不计入 # ... 更多逐笔 ]参数说明volume单位是股成交额 price * volume。如果你的数据源volume单位是手需要乘以 100。源码里用了一个volume_unit参数默认1表示股设为100表示手。这个参数不设对成交额会差两个数量级属于血泪经验级别的坑。3.2 核心计算函数的实现主计算函数calc_amount_curve接收逐笔列表和参数返回两个数组。代码结构如下def calc_amount_curve(trades, volume_unit1, session_offset0): 计算分时成交额曲线 :param trades: 逐笔成交列表 :param volume_unit: 成交量单位换算系数股1手100 :param session_offset: 集合竞价偏移0并入开盘第一分钟 :return: (minute_amount, cum_amount) 两个长度240的列表 minute_amount [0.0] * 240 for t in trades: if t[flag] C: continue # 撤单不计入 idx minute_index(parse_time(t[ts])) if idx is None: continue if idx 0 and session_offset 0: pass # 集合竞价已并入无需额外处理 amount t[price] * t[volume] * volume_unit minute_amount[idx] amount cum_amount [] running 0.0 for v in minute_amount: running v cum_amount.append(running) return minute_amount, cum_amount逻辑说明先过滤撤单再逐笔映射分钟索引并累加成交额最后做前缀和。session_offset参数目前只影响索引 0 的处理如果你需要把集合竞价单独成柱可以把它设为-1然后在索引 0 之前插入一个额外位置。参数volume_unit必须和你的数据源匹配这是最常见的翻车点。3.3 运行与输出验证源码包里带了一个run_demo.py用模拟数据跑一遍并打印前 10 分钟的增量与累计值。运行命令python run_demo.py --input sample_trades.json --unit 1 --offset 0参数说明--input指定逐笔数据文件--unit对应volume_unit--offset对应session_offset。输出会打印类似下面的表格分钟索引增量成交额(元)累计成交额(元)0125000012500001860000211000024300002540000验证方法拿任意一只股票的真实分时成交额数据取开盘前 10 分钟和你的输出对比。如果累计值对不上先检查volume_unit再检查是否有撤单没过滤干净。常见做法是先用一小段数据手工算一遍确认公式无误后再跑全量。4. 避坑与排查成交额公式落地时的五个典型问题4.1 现象成交额曲线在 11:30 和 13:00 出现断崖原因分钟索引映射时把 11:30 之后到 13:00 之前的数据错误地归入了下午的索引导致下午第一分钟增量异常大。源码里minute_index对 11:30 整点的处理是total am_end即 11:30 本身返回None因为 11:30 那一分钟通常只有收盘集合竞价不计入连续交易。如果你的数据源把 11:30 的成交也推过来需要手动丢弃。解决在接入层加一个过滤ts在11:30:00到13:00:00之间的记录直接跳过。或者把am_end改成11*6031把 11:30 纳入上午最后一分钟但这样累计值会和同花顺显示有细微差异。4.2 现象累计成交额比行情软件显示的大原因逐笔数据里混入了撤单而撤单的volume字段可能不为零。有些数据源用flagC标识撤单但volume仍然填了原始委托量如果不判断flag直接累加成交额会虚高。解决严格按flag过滤只保留B和S。如果数据源没有flag字段用「成交价是否在当日价格区间内」做二次校验撤单价格往往偏离成交价。4.3 现象分钟增量出现负值原因数据源对同一笔成交做了重复推送或者你的归集逻辑里对同一分钟做了减法操作。源码里minute_amount只做加法不会出现负值。如果你自己改成了「先累加再差分」差分时遇到数据缺失就会产生负值。解决回到源码的加法逻辑不要用差分。如果确实需要处理重复推送在接入层用「时间戳价格成交量」做去重。4.4 现象开盘第一分钟成交额明显偏小原因集合竞价的成交没有被并入第一分钟。很多数据源把 9:25 的集合竞价单独作为一条记录时间戳是09:25:00而minute_index对 9:25 返回None直接丢弃了。解决把session_offset设为0并在minute_index里对 9:25 做特殊处理返回 0。源码里已经预留了这个分支你只需要确认数据源的时间戳格式是HH:MM:SS。4.5 现象下午 15:00 的成交额没有计入原因minute_index对 15:00 的处理是total pm_end返回 239。但如果你的数据源时间戳是15:00:01total变成 901大于pm_end返回None。收盘集合竞价的成交时间戳可能精确到秒需要放宽边界。解决把pm_end改成15*601或者对 15:00 到 15:00:59 的记录统一归入索引 239。这个改动会影响最后一分钟的增量但累计值不变。5. 进阶用法用成交额公式做量价背离检测5.1 量价背离的判定逻辑成交额曲线和价格曲线的关系是分时图里最实用的信号之一。当价格创新高但累计成交额没有同步创新高说明拉升缺乏资金支撑背离成立。源码里提供了一个detect_divergence函数接收价格序列和累计成交额序列返回背离点列表。def detect_divergence(prices, cum_amount, window5): 检测量价背离 :param prices: 长度240的价格序列 :param cum_amount: 长度240的累计成交额序列 :param window: 回溯窗口默认5分钟 :return: 背离点索引列表 divergences [] for i in range(window, len(prices)): price_high max(prices[i-window:i1]) amount_high max(cum_amount[i-window:i1]) if prices[i] price_high and cum_amount[i] amount_high * 0.95: divergences.append(i) return divergences参数说明window控制回溯长度默认 5 分钟适合短线做日内波段可以调到 15。0.95是成交额容忍系数低于前高 95% 才算背离这个值可以根据品种波动率调整。逻辑说明价格创窗口新高但累计成交额没有同步创高判定为背离。返回的索引可以直接映射回时间用于标记。5.2 验证方法与参数调优拿一段真实分时数据跑detect_divergence把返回的索引对应到时间点人工核对那几分钟的盘口。如果背离点太多说明window太小或容忍系数太松如果太少反过来调。我一般会先用 5 分钟窗口跑一遍把结果和价格走势图叠在一起看确认信号质量后再改参数。注意背离检测依赖成交额数据的准确性如果前面的volume_unit或撤单过滤有问题背离信号会完全失真。所以每次换数据源都要先跑一遍第 3 章的验证流程。5.3 一个具体技巧用累计成交额斜率替代绝对值累计成交额的绝对值受开盘集合竞价影响很大不同股票之间不可比。一个更稳健的做法是取斜率用最近 N 分钟的累计成交额增量除以 N得到「每分钟平均成交额」再和价格斜率做对比。源码里calc_amount_curve返回的minute_amount可以直接用来算这个斜率不需要额外差分。def amount_slope(minute_amount, i, n5): 计算第 i 分钟前 n 分钟的平均成交额 start max(0, i - n 1) segment minute_amount[start:i1] return sum(segment) / len(segment)这个技巧的好处是消除了开盘基数的影响适合做多只股票的横向对比。参数n默认 5做高频可以调到 3做趋势可以调到 10。从那以后我每次接新数据源都先用这个斜率函数跑一遍确认成交额的量级和波动节奏正常再去做背离检测。希望帮到你。本文还有配套的精品资源点击获取