A股涨跌停板计算方法现在A股市场有沪深主板，创业板，科创板和北交所股票，这个交易所股票的涨跌停板幅度又有不同，例如：沪深主板的st股票为...-世界杯的歌曲-世界杯总决赛_男篮世界杯直播

2025-09-05 14:34:41 -

来源：雪球App，作者：码力十足学量化，（https://xueqiu.com/1501923589/219455737）

现在A股市场有沪深主板，创业板，科创板和北交所股票，这个交易所股票的涨跌停板幅度又有不同，例如：沪深主板的st股票为5%，其余涨跌幅为10%，创业板和科创板为20%，北交所股票为30%。所以在量化回测中必不可免的要将这样股票的计算进行分类。具体代码如下：

import pandas as pd

from decimal import Decimal, ROUND_HALF_UP

def Calculate_the_stock_price_limit(df):

"""

计算每个交易日股票的涨跌停板，股票类型包括主板、创业板、ST股、科创板和北交所上市的股票，

涨跌停要按严格的四舍五入进行计算。

"""

# 计算涨停板

df.loc[df['股票代码'].str.startwith('sh60'),df['涨停板']]=df['前收盘价']*1.1

df.loc[df['股票名称'].str.startwith('ST'), df['涨停板']] = df['前收盘价'] * 1.05

df.loc[df['股票代码'].str.startwith('sh68'), df['涨停板']] = df['前收盘价'] * 1.2

df.loc[df['股票代码'].str.startwith('sz0'), df['涨停板']] = df['前收盘价'] * 1.1

df.loc[df['股票代码'].str.startwith('sz30')&(df['交易日期'] > pd.to_datetime('2020-08-23')), df['涨停板']] = df['前收盘价'] * 1.2

df.loc[df['股票代码'].str.startwith('bj4')|df['股票代码'].str.startwith('bj8'),df['涨停板']]=df['前收盘价'] * 1.3

# 涨停板小数点后两位需要精确的四舍五入

df['涨停板']=df['涨停价'].apply(lambda x: float(Decimal(x * 100).quantize(Decimal('1'), rounding=ROUND_HALF_UP) / 100))

# 计算跌停板

df.loc[df['股票代码'].str.startwith('sh60'), df['跌停板']] = df['前收盘价'] * 0.9

df.loc[df['股票名称'].str.startwith('ST'), df['跌停板']] = df['前收盘价'] * 0.95

df.loc[df['股票代码'].str.startwith('sh68'), df['跌停板']] = df['前收盘价'] * 0.8

df.loc[df['股票代码'].str.startwith('sz0'), df['跌停板']] = df['前收盘价'] * 0.9

df.loc[df['股票代码'].str.startwith('sz30') & (df['交易日期'] > pd.to_datetime('2020-08-23')), df['跌停板']] = df['前收盘价'] * 0.8

df.loc[df['股票代码'].str.startwith('bj4') | df['股票代码'].str.startwith('bj8'), df['跌停板']] = df['前收盘价'] * 0.7

# 涨停板小数点后两位需要精确的四舍五入

df['跌停板'] = df['跌停板'].apply(lambda x: float(Decimal(x * 100).quantize(Decimal('1'), rounding=ROUND_HALF_UP) / 100))

return df

以上为A股股票涨跌板的计算方法，但是我们在现实的股票交易过程，还会遇到开盘涨停，一字涨停，尾盘涨停，开盘跌停，一字跌停，尾盘跌停的情况，如何在函数中将这些情况进行判断呢？欢迎大家交流，同时也可以私我要完整代码。