融资融券余额：融资余额变化如何反映市场看多/看空情绪

融资融券，说白了就是券商借给你钱买股票（融资），或者借给你股票卖掉（融券）。这个数据我盯了快十年了。它最大的价值在于——真金白银堆出来的情绪，比任何分析师喊话都靠谱。

我个人习惯把融资余额看作市场的"杠杆温度计"。温度高了，说明大家借钱也要冲进去；温度低了，说明连老手都在撤退。今天咱们就把它拆开揉碎了讲清楚。

一、融资余额的本质：借钱买涨的意愿

融资余额，就是市场上所有融资买入尚未偿还的总金额。你想想看，一个人愿意借钱买股票，说明他对后市极度看好。反过来，如果大家都在还钱（融资余额下降），说明看空情绪在蔓延。

我在2020年做过一个回测，发现一个有意思的规律：

• 融资余额连续3日增长 → 短期看多情绪强烈，但要注意过热风险
• 融资余额单日暴增超过5% → 往往是阶段性顶部信号
• 融资余额持续下降超过10个交易日 → 市场进入冰点，反而可能是机会

二、数据获取：从哪儿拿？怎么拿？

融资融券数据每天收盘后公布，大概下午4点到5点之间。我常用的数据源有两个：

数据源	特点	获取方式
东方财富Choice	数据全，历史长	API接口 / Excel插件
聚宽/米筐	量化友好，Python直接调	jqdata / rqdatac
上交所/深交所官网	免费，但需要自己爬	requests + BeautifulSoup

我个人最常用的是聚宽，因为可以直接在策略里调用。下面给一段获取融资余额的代码：

import jqdata
import pandas as pd
from datetime import datetime, timedelta

# 获取最近60个交易日的融资余额
def get_margin_balance(end_date=None):
    if end_date is None:
        end_date = datetime.now().strftime('%Y-%m-%d')
    
    # 融资余额指标代码：'margin_balance'
    df = get_factor(
        ['margin_balance'], 
        end_date=end_date, 
        count=60
    )
    
    # 计算日变化率
    df['change_pct'] = df['margin_balance'].pct_change() * 100
    
    return df

# 调用示例
data = get_margin_balance('2024-01-15')
print(data.tail(5))

三、实战应用：三个核心场景

场景1：判断市场情绪极端值

融资余额有个特点——它会在一个区间内波动。我统计过2015年到2023年的数据，发现：

• 融资余额占流通市值比例 低于2% → 极度悲观，适合左侧布局
• 融资余额占流通市值比例 高于4% → 极度乐观，需要警惕

嗯，这里要注意。这个比例不是固定的，得根据市场环境动态调整。比如2015年牛市时，这个比例冲到过5.5%，但那是极端情况。

场景2：融资余额与指数背离

我曾经在2022年4月遇到过一个经典案例：

• 上证指数跌到2863点，创年内新低
• 但融资余额没有跟着创新低，反而开始企稳
• 这说明最恐慌的时候已经过去了，聪明钱在悄悄加杠杆

结果呢？后面两个月反弹了将近20%。这就是融资余额的领先指标作用。

场景3：个股融资余额变化

做个股择时的时候，我特别关注融资余额的突变：

# 筛选融资余额异常增长的个股
def find_abnormal_stocks(date, top_n=20):
    # 获取全市场融资余额数据
    all_stocks = get_all_securities(['stock']).index.tolist()
    
    # 计算每个股票融资余额的5日变化率
    df = get_factor(
        ['margin_balance'], 
        security=all_stocks,
        end_date=date, 
        count=5
    )
    
    # 计算5日变化率
    df['5d_change'] = df.groupby('code')['margin_balance'] \
                        .transform(lambda x: x.pct_change(4))
    
    # 筛选变化率最大的前20只
    result = df[df['date'] == date].nlargest(top_n, '5d_change')
    
    return result[['code', '5d_change']]

四、构建情绪指标：融资余额比率

光看绝对值不够直观，我习惯把它加工成一个比率指标：

融资余额比率 = 融资余额 / (融资余额 + 融券余额)

这个指标的好处是：

• 数值在0到1之间，方便比较
• 大于0.9说明极度看多
• 小于0.7说明看空情绪占上风

我自己的策略里，会用这个比率配合20日均线来做信号：

def margin_signal(df, lookback=20):
    # 计算融资余额比率
    df['ratio'] = df['margin_balance'] / (df['margin_balance'] + df['short_balance'])
    
    # 计算20日均线
    df['ratio_ma'] = df['ratio'].rolling(lookback).mean()
    
    # 生成信号
    df['signal'] = 0
    df.loc[df['ratio'] > df['ratio_ma'] * 1.05, 'signal'] = 1  # 看多
    df.loc[df['ratio'] < df['ratio_ma'] * 0.95, 'signal'] = -1 # 看空
    
    return df

五、知识体系总览

下面这张图是我自己整理的知识框架，把融资融券余额的核心逻辑串起来了：

这张图把整个知识体系分成了三层：底层是数据获取，中间是情绪判断方法，顶层是实战应用。我建议你按照这个结构来学习，先解决数据问题，再理解指标含义，最后才是实战。

---

融资融券余额这个指标，说白了就是市场的"杠杆温度计"。它不会骗人，因为每一分钱都是真金白银。但要注意，它也不是万能的——极端行情下，融资盘爆仓会引发连锁反应，这时候指标会失真。

我个人习惯把它作为辅助判断工具，和成交量、波动率、北向资金放在一起看。多个维度交叉验证，胜率会高很多。