当某只股票不断下跌时，你可以确定这只股票一定有问题，要么是它的市场，要么是它的公司。——利弗莫尔因此根据他最近的研究提出了这个比较新颖的想法：利用股票市场寻找存在或潜在食品安全问题的公司。你为什么会有这个想法？我们知道，食品安全事故发生的时间和媒体报道的时间其实是有差距的，但是利益相关者和知情人可以提前知道事件的发生。例如，2012年11月19日，酒鬼酒被国家质检总局曝光增塑剂超标247%。2012年11月16日回落至46元，但2012年11月19日国家质检总局发布消息，而且这样的跌幅明显与该股当时的上涨趋势背道而驰。10月底，其股价已突破周K压力线，却异常下跌？而且还突破了1号、14号、16号等多项技术指标，KDJ、BOLL指标明显上涨。异常坠落。2012年11月19日消息公布后，紧急停牌。复牌后三连跌停，股价暴跌48%。不过，我相信有些人已经成功地避免了这场股市灾难。寻找存在或可能存在食品安全问题的公司，重点在于两个方面：1、在板块或股票走势强劲的情况下，该股连续多日下跌2、涨停板异常如果我们公布消息如果我们能够在/（不发布）之前提前捕捉到这种异常信息，就可以提前捕捉到某个食品安全问题，也可以规避投资风险。当然，这种异常的可能性有很多种，这种异常也只能作为一个参考。现在让我们尝试使用Python来寻找具有第一趋势的公司。当然，最后我不会公布结果。有兴趣的可以自己试试：先用tushare找食品安全相关的上市公司：`importtushareasts``deffood_codes():``data=ts.get_industry_classified()``printdata[data.c_name.isin(['食品工业','农药化肥','酒业'])]`得到结果：移动平均线是我们要获得股票走势的基础，我们来写移动平均线函数:`defget_ma(code,start='',end=datetime.date.today().strftime("%Y-%m-%d")):``data=ts.get_k_data(code)``data=data.sort_index(ascending=False)``data['ma2']=data['close'].rolling(2).mean().shift(-1)``data['ma5']=data['close'].rolling(5).mean().shift(-4)``data['ma10']=data['close'].rolling(10).mean().shift(-9)``data['ma20']=data['close'].rolling(20).mean().shift(-19)``data['ma60']=data['close'].rolling(60)。mean().shift(-59)``data['ma240']=data['close'].rolling(240).mean().shift(-239)``data['date']=pd.to_datetime(data['date'])``ifstart=='':``returndata``start=pd.to_datetime(start)``end=pd.to_datetime(end)``ifdata['date'][len(data)-1]
