会计与大数据如何结合？

一、会计与大数据如何结合？

会计行业正在积极利用大数据进行处理，日常操作会计事务所经常使用审计抽样来检测交易或发票中的问题和趋势，大多数大数据可以在较大趋势中擅长识别异常和异常值，然后可以帮助会计事务所将精力集中在这些例外上，以进行进一步分析。

二、矢量数据和栅格数据结合的好处？

矢量数据和栅格数据的相对优势

栅格数据记录的所有点覆盖的区域，需要比矢量数据更多的存储空间

栅格数据计算上的创建成本比矢量数据更低

栅格数据在叠加多幅图像时容易出现问题

矢量数据易于叠加，例如叠加道路、河流、土地使用比栅格数据更容易

矢量数据更容易缩放、重新投影或注册

矢量数据更适合关系型数据库存储

矢量文件大小比栅格文件小得多

矢量数据更容易更新，如添加河流流量，但栅格图像必须重新创建

三、如何下载股票历史数据？

简介

qstock由“Python金融量化”公众号开发，试图打造成个人量化投研分析开源库，目前包括数据获取（data）、可视化(plot)、选股(stock)和量化回测（backtest）四个模块。其中数据模块（data）数据来源于东方财富网、同花顺、新浪财经等网上公开数据，数据爬虫部分参考了现有金融数据包tushare、akshare和efinance。qstock致力于为用户提供更加简洁和规整化的金融市场数据接口。可视化模块基于plotly.express和pyecharts包，为用户提供基于web的交互图形简单操作接口；选股模块提供了同花顺的技术选股和公众号策略选股，包括RPS、MM趋势、财务指标、资金流模型等，回测模块为大家提供向量化（基于pandas）和基于事件驱动的基本框架和模型。

qstock目前在pypi官网上发布，开源版本为1.1.0，读者直接“pip install qstock ”安装即可使用。GitHub地址：

https://github.com/tkfy920/qstock。

目前部分策略选股和策略回测功能仅供知识星球会员使用，会员可在知识星球置顶帖子上上获取qstock-1.1.1.tar.gz （强化版）安装包，进行离线安装。

下面为大家介绍qstock数据模块（data）中基本面数据的调用方法。

#导入qstock模块
import qstock as qs

01股东持股情况

01股票前十大股东信息

stock_holder_top10(code, n=2)

获取沪深市场指定股票前十大股东信息

code : 股票代码

n :最新 n个季度前10大流通股东公开信息

df=qs.stock_holder_top10('中国平安', n=2)
df

02 沪深个股股东数量

stock_holder_num(date=None)获取沪深A股市场公开的股东数目变化情况

date : 默认最新的报告期,指定某季度如'2022-03-31','2022-06-30','2022-09-30','2022-12-31'

df=qs.stock_holder_num('20220930')
df

03 大股东增减持变动明细

无需输入参数，获取大股东增减持变动明细

#大股东
df=qs.stock_holder_change()
df.head()

04 机构持股

institute_hold(quarter = "20221")

获取新浪财经机构持股一览表

quarter: 如'20221表示2022年一季度，其中的 1 表示一季报; "20193", 其中的 3 表示三季报

#2022年2季度
df=qs.institute_hold('20222')
df

02 主营业务

主营业务收入数据

main_business(code= "000001")

获取公司主营业务构成

code: 股票代码或股票简称

df=qs.main_business('丰元股份')
df.head()

03财务报表

财务报表数据

financial_statement(flag='业绩报表',date=None):

flag:报表类型,默认输出业绩报表;'业绩报表'或'yjbb'：返回年报季报财务指标;'业绩快报'或'yjkb'：返回市场最新业绩快报;'业绩预告'或'yjyg'：返回市场最新业绩预告;'资产负债表'或'zcfz'：返回最新资产负债指标;'利润表'或'lrb'：返回最新利润表指标;'现金流量表'或'xjll'：返回最新现金流量表指标.

date:报表日期，如‘20220630’，‘20220331’，默认当前最新季报（或半年报或年报）

业绩报表

df=qs.financial_statement('业绩报表',date='20220930')
df.head()

业绩预告

df=qs.financial_statement('yjyg')
df.head()

业绩快报

#注意参数设置有个小bug，目前调用会报错，将在新版本中修正！
df=qs.financial_statement('yjkb')
df.head()

资产负债表

df=qs.financial_statement('资产负债表')
#查看前几行
df.head()

利润表

df=qs.financial_statement('利润表')
#查看前几行
df.head()

现金流量表

df=qs.financial_statement('现金流量表')
#查看前几行
df.head()

04财务指标

个股基本财务指标

stock_basics(code_list)

code_list:代码或简称，可以输入单只或多只个股的list 如：单只个股：code_list='中国平安'； 多只个股code_list=['晓程科技','中国平安','西部建设'] 返回：代码、名称、净利润、总市值、流通市值、所处行业、市盈率、市净率、ROE、毛利率和净利率指标

code_list=['300139','中国平安','西部建设','贵州茅台','丰元股份','002432']
df=qs.stock_basics(code_list)
df

个股详细财务指标

stock_indicator(code)

code: 股票代码或简称

获取个股历史报告期所有财务分析指标

df=qs.stock_indicator('中国平安')
df.head()

每股收益预测

获取全市场A股最新机构研报数、买卖评级和每股收益预测

df=qs.eps_forecast()
df.head()

后续推文将进一步分享qstock数据模块中关于宏观数据和财经新闻数据等的调用方法。

四、建筑应当如何与大数据结合？

谢邀，这问题好。让我们先从大处着眼。

1 其实大数据古来已有。

广义的建筑行业，包括国土、城市、乡村、风景区、建筑、结构水暖电，各国家和很多行业早就在搞大数据，只不过很多人不觉得这是大数据的地基部分而已，并且这不是商业互联网的大数据。

如果目前www网站、社交网络、可穿戴的那些数据算大数据的话，那么支撑现代人类社会运行的真正巨大的系统，那就是 巨数据 了

互联网是近几十年发明、近年来走入日常生活的东西，物联网还是未来计划中的东西，但这些东西背后的数据和对数据的利用，并不是在商业互联网热潮之后的才产生的。

打个比方，IT是信息技术的简称，Information Technology，互联网为载体的it行业是新行业，但人类从岩画开始、通过石刻、竹简、活字印刷、打字机为手段的IT信息技术已经有几千年了，其规模和深度绝对不是冰山一角所能代表的。

很多大数据领域其实存在已久，比如亚历山大图书馆、各种神秘的档案馆乃至

这种存在，都是非电子化的大数据常识。到了现代，其实电子化的传统大数据也不少，只不过普通人不会知道而已。

我们一般说建筑学会包括 规划、建筑和景观，而说普通建筑的时候会专门说“单体建筑”。因为建筑行业天然是相互联系、观照全局的，因而无法局限于目前这一小部分大数据的，涉及到国计民生的大基础建设，必然要涉及更大的那部分大数据。

题主说的大数据，应该是以民用互联网为主、商业公司可以涉足的部分大数据。

2 我所知道的，目前最大的数据是GIS

人家GIS行业这样介绍自己的起源：

15,000年前，在拉斯考克（Lascaux）附近的洞穴墙壁上，法国的Cro Magnon猎人画下了他们所捕猎动物的图案。与这些动物图画相关的是一些描述迁移路线和轨迹线条和符号。这些早期记录符合了现代地理资讯系统的二元素结构：一个图形文件对应一个属性数据库。

怒，掀桌。。。但也说明，人类自古对全局性的数据有强烈的需求，当然首先包括（天文+地理+人类活动）x历史=宇宙中一切的信息的数据，然后加以分析和利用。

但这一切，确实到了互联网大发展的今天，才算是具备全盘电子化可能性了。

有科学家认为：我们所身处的宇宙其实是一幅全息影像

超好看的文奇的科幻小说《天渊》也把高层次生命放在数据库里。这样的话，其实宇宙本身就是最大的数据，我们只是要找到数据库的接口而已。。。。呵呵

简单的说，GIS的目标是要把整个地球的空间信息都放进去，包括土地的状况、地形、植被、水文、气候，然后就是城市、道路、建筑、设施、人口等等。理论上一切地球上的物体包括它们的信息，都应该被记录在GIS里，并且可以进行相应的统计分析和数据挖掘利用。所以谷歌是一家值得尊敬的公司，因为他们的路数就是把地球整个数字化、存储起来，这是非常大的格局，而且他们也弄到了大量的活人本身的信息，这是传统GIS不包括的细致内容。甚至火星和月球他们都插手，顺便卖卖数据可广告挣点钱那都是小意思。

我最喜爱的程序：谷歌地球

注意看，人家的背景是银河系哦。。。谷歌地球可以看气候、星空、月球、火星、还有历史图像！还有开放式的地图信息库！

最喜爱的将古代史空间化的工作不但可以在这里做，还可以发布呢！只不过因为某些脑子被夹的人，你得科学上网才能看到，草。

一般的大数据往往只是单纯的文字或者二维的图像，但是GIS所代表的的是建筑学所关注的空间的信息，当数据被放置在三维空间+时间的格式里，其效果是非常不同的。

我认为既然人类生活在三维空间里，那一切大数据都应跟空间结合。

3 GIS在城市规划特别是国土规划，是非常重要的，因为国家非常巨大，宏观规划工作必然依赖宏观的技术手段，一般居住区规划跑跑现场，丈量土地这种方式是没办法用的。

因此，对GIS形成支撑的，首先就有GPS和RS。地理信息系统（GIS）与

(GPS)、

(RS)合称

系统。

题主肯定不是做规划的，不然不会问怎么用，规划行业天天都在谈大数据。

实际上现在每天大家看的天气预报，那也是来自于一个大数据系统，气象卫星系统，而且是全球联网信息共享的，我也是有一次做气象台的项目，才知道原来人家的大数据真是走在前面。气象系统是可以整合进GIS的，如果他们愿意。

对于政府层面，土地执法、农业林业灾害遥感、规划建设控制、房屋产权管理、宏观经济数据统计监测，这些都是很常规的应用了。

对于单体建筑这边，肯定是可以有所作为的，比如GIS衍生出来的定位服务(LBS)很热火，包括导航和地图服务这些，这些都是跟建筑行业关系很密切的。起码室内导航那是需要建筑弱电专业布置相应设备的，以后建筑电气肯定要大幅强化智能化、移动互联网这些内容，所谓智能家居只不过是非常小的一部分应用，因为只是数据而非大数据。

4 至于物联网，未来应该是大数据的一个大块，其实以前也有类似的工作，就是铺设传感器和控制器体系嘛，各种摄像头监控、各行业的自动控制，比如铁路调度系统就是非常成熟的物联网的一种。更重要的其实是股市和期货系统，也是全球联网的重要经济大数据，恐怕很多人不认为是物联网，但实际上企业通过审计进入股市信息，大宗商品通过期货信息进入交易系统，这都是大规模经济物品和数据库的映射，只不过中间经过了人工的录入和整理。以后或许可以直接通过电子条码自动生成相关数据呢，审计人员不用去盘点，股市自动告知库存、销量，多牛x。

物联网信息也很巨大，与Gis的区别主要是侧重运动和生产消耗的类的物体。这些数据已经在发挥作用，但是要把普通人和普通物品联网这还比较远。

5 应该说当前的大数据真正革命性的、过去没有的，应该是移动互联网，也就是手机啦，以及各种可穿戴，所有人员的运动、状态、身体参数这些全都容纳进数据库，这是手机普及前所不能想象的部分。目前我们说大数据，特别是商业互联网说的大数据，主要是指这一部分个人信息吧。

现在大量的移动数据掌握在三家公司手里，然后互联网上的数据也在这三家以及几家互联网巨头手里，另外一些大行业比如银行、社保、医疗、教育、航空铁路也有比较完善的人的数据。这些大数据要怎么用，蛮难的，因为历史上都是纸质档案。这几年光数字化就累死人了，海量数据要使用还得慢慢探索。

但建筑主要操作的还是实体建筑物，所以其实更热衷于前面说的那些GIS、物联网这些大数据，而人的大数据还很新鲜，不知道怎么挖掘利用。

6 基本上，以上这些都是早已开始、正在火热建设、前景巨大的大数据系统，并且都是国家机器和国际联合组织层面的工作，跟行业息息相关。但是对于普通民众和商业公司以及从业人员个人，才算是刚刚开始敞开应用。具体能做什么，其实要看老大哥愿意开放什么给你。

--------------------------回到个人臆测--------------------------

题主问建筑应当如何用大数据，我想，大数据能做什么，关键看你想做什么，然后看你能拿到什么数据。

一、这里说的是大数据，不是小数据，那首先是宏观的利用。

1 对于规划行业，利用GIs和人口、交通、产业供求、这些大数据做规划，已经是不言而喻的，特别是产业规划。这里不多说。

2 对于单体建筑行业，首先是房地产，比较迫切的是拿到市场需求、户型类型这些核心数据，目前行业里依靠专业咨询公司去搞数据、搞调查、搞分析，以后应该也需要通过大数据来解决，比如城市的各种人口构成、位置流动、收入支出、家庭需求等等，可以保证楼盘的选点、户型切合市场需求。只不过目前搞数据很贵很难。

像住宅区的停车位配比，绝对是适宜大数据决策的。要知道现在开发商跟规划局战停车率，真是死去活来啊。。。动则上亿的投资呢。。

3 至于公共类建筑，也可以通过大数据获取决策信息，比如机场车站、酒店商业、文化博览建筑，到底有多少需求，放在哪里合适，都可以参照人们流动规律、消费规律觉得。但根据我的经验，其实不是老大哥不给你用，是大家都不知道怎么用。比如铁路算是比较数据化的，车站建设基本上就是估算xx万客流，大概定个等级，然后放大xx倍直接干，面积精度是万平方米，地方政府还会要求尽量大！尽量大！好吧。。。于是有的车站空荡荡，有的挤得要死。学校建设也是类似。至于商业区、酒店区规划，那基本是按有多少地卖，尽量多卖。而工业地产的瓶颈则在于你能不能招来企业，而不是你怎么配置建筑。

过去我们的建筑设计，其实是有数据控制的，这就是规范指标，主要包括建筑行业规范，和发改委的经济指标规定。这些指标来自于过去的数据统计，可以说也是一种大数据，而且是典型的统计上的大数据。这就是我前面为什么要追述历史上的大数据的原因。

现在有新的数据，但数据如何控制设计，其实是一直以来有稳定逻辑的。这个层面只是需要更新数据来源和准确性，利用方式不变。

目前的建筑物设计，对数据利用还比较粗糙，各方面也还没有想好怎么发掘和利用数据，但未来的话，起码医疗、交通、教育这些大项目行业是可以用大数据决策选点、容量控制、服务类型控制的，但需要有关方面数据开放，并且寻找比较成熟可靠的算法。

二、然后说说更不靠谱的微观建筑设计。

大数据和过去的统计数据的区别，在于其全样本、动态更新，而不是过去只有总数和平均数。这样使得所谓的私人订制成为可能。

1 首先是外观，如果我们能够拿到每个人对不同建筑的互动信息，也许我们有可能判断什么样的建筑风格更受欢迎，更吸引买房者或者逛街购物者，建筑风格选型就从拍脑袋到了有依据。我想zara这样的服装企业应该已经做到了，传统数据无法确定的审美问题，可以通过大数据来判定，提高受欢迎程度。风景区、旅游度假产品也会依赖这种数据，利用旅游社交舆情、交通、收入、放假信息，决定做何种外观的景点。

2 建筑性能。如果有大量的传感器追踪数据，外墙的保温、通风、节能这些设计能够有很好的改善。目前节能计算方法还是比较粗糙的，如果能掌握大量已有建筑的能耗和物理量信息，再做好新建筑的感应控制，起码在暖通空调设计上会有很大改善。现在按城市的气候指标可以精细到按微环境控制设计，并且可以改善运营。这在商业建筑里能节省很大一块能耗。

类似的，雨水污水的排水设计，也可以利用大数据进行改善。目前城市防雨指标明显偏低，按几年一遇几年一遇这样的指标算法也是在是比较落后，当然会造成各种水漫金山，立交桥下面还淹死人。应当用雨水检测系统配合城市管网信息，准确控制各建筑、道路、区域的排水设施。

还有就是音乐厅的设计，如果做个可控墙顶面，就可以像播放器调整音效一样，根据观众口味和音乐特点，调整音乐厅的声学效果，那还是很有趣的。

3 建筑功能和运营。 应该说运营上可依靠大数据的地方也很多，除了水电暖这些自动化调控，公共商业建筑对人流的监控和预测也很重要。购物、电影、餐饮、旅馆这些行业都可以大数据提出对建筑的要求，建筑师相应的提出解决方案。要知道人流对走道宽度、消防疏散、厕所配置影响很大，进而极大影响成本。过去按死规范，有时候不够有时候偏多，特别是商场的女厕所排队问题。。。

4 总之，建筑里大量涉及尺寸、大小、高度、面积，这些都可以利用大数据决策，比如厕所蹲位、休息室大小，座椅数量、开窗大小、灯光强弱、吸音降噪、电梯运行、几乎所有这些，我们过去用规范指标，现在可以用大数据了，欧耶。

三 不可预测和适应性。

最后，建筑物一经建成，其实是很难改变的，城市格局也是一旦定型，改变很难，你看北京的城市规划特别是交通结构。。。正是数据决策失败的一个典型反例。新规划没几年，人口早就突破了规划预计，整个规划又得重新修改，但城市建设根本改不过来，又不能推到重来，纠结啊。。。

大数据是动态的，建筑是静态的，即使是根据目前的大数据及其取势正确决策了，几年以后情况变化，又不适应了。这跟普通商品供给可以调整产能是不一样的。

这不但要求数据决策能够实用动态发展、有预见性，不能盲目依赖现有数据，

否则不就回到计划经济的老路了么。人的命运是不可预测的！

这也要求建筑和各种基础设施建设本身有宽容度，或者干脆是可变的，这是另一个话题，以后再说。

五、如何制作数据地图？（数据与地图结合使用）？

具体操作步骤如下：

1）首先打开地图，点击工具；

2）在工具中找到测距，点击，出现你当时所在的地图，同时你也可以进行缩放选择点击你想查找的起始地点；

3）再点击另外一个你想去的地点，点击后就出现路程。测距就已经结束了。

六、股票大数据是什么？

股票大数据一般指的就是大盘的指数，但是更详细的划分的话，就是分类到每一个类目下，每一个行业下进行总结，也就是用于分析每个行业未来的发展趋势会是怎样的走势，这就是所谓的股票大数据，一般的人只是说股票大数据就是指的大盘的指数，可以通过大盘的指数来预测，以后大盘的走势，大盘一般走的好了，那么对于每个细分的领域，也一般走的很好

七、股票灰色数据代表什么？

股票软件中的灰色数抵是指该分笔数据中实际上包含多少笔成交,如果是主动性买入成交就显示成红色和一个向上的箭头,如果是主动性卖出成交就显示成绿色和一个向下的箭头。

比如,灰色数字为100,则说明这次成交一共有100笔;红色数字为100,则说明此时主动性买入成交100单;绿色数字为100,则说明此时主动性卖出成交100单。

八、股票这些数据代表什么？

从左到右：

1.成交时间；

2.成交价格；

3.红色=外盘（主动买入），绿色=内盘（主动卖出）；

4.成交笔数（以最上面一行为例=320手，分10次成交）。 该股的成交价之所以都是红色的，是因为它的价格都高于前一交易日的收盘价；如成交价格低于、等于前一交易日的收盘价，那成交价将出现绿色、白色。

九、如何看股票的数据？

要看懂股票各种指标数据可以从以下几个方面入手：

1、开盘时看是高开还是低开，就是和昨天的收盘价相比价格是高了还是低了。高开和低开都显示了当天市场的意愿，而成交量的大小则表示参与买卖的人的多少，成交量越大表示股市越活跃。

2、关注半小时内股价变动的方向，一般来说，如果股价开得太高，在半小时内就可能会回落，如果股价开得太低，在半小时内就可能会回升。这时要看成交量的大小，如果高开又不回落，而且成交量放大，那么这个股票就可能要上涨。

3、看股价时，不仅看现在的价格，而且要看昨天的收盘价、当日开盘价、当前最高价和最低价、涨跌的幅度等，这样才能看出现在的股价是处在一个什么位置，是否有买入的价值。看它是在上升还是在下降之中。

一般来说下降之中的股票不要急于买，而要等它止跌以后再买。

十、股票怎么看数据？

看盘的几个小技巧：

第一：看盘的首要重点是看板块和热点个股的轮动规律，进而推测出行情的大小和持续性时间变化。比如每天应该注意是否有涨停个股开盘，如果有，那么说明主力资金还在努力选择突破口，如果两市都有10只以上的涨停个股开盘，则说明市场处于多头气氛，人气比较旺，少于这个标准则说明市场人气不佳，投资者应该当心大盘继续下跌风险。如果每天盘面都有跌停板，并且是以板块方式出现，那么，应该警惕新一轮的中级调整开始。在热点上，如果前一交易日涨停的个股或是上涨比较好的板块难以维持两天以上的行情，那么，就说明主力资金属于短炒性质，此个股或板块不能成为一波行情的领头羊，同时也意味着这一轮上涨属于单日短线反弹。反过来讲，如果热点板块每天都有2-3个以上，平均涨幅都在2%以上，并相互进行有效轮番上涨，则中期向好行情就值得期待。2010年7月初、中期，有色资源、煤炭资源、稀土资源以及新能源、智能电网等板块交替上涨，从而产生中级行情。

第二：看盘应该注重关注成交量。根据两市目前市值情况看，上海大盘成交量小于1000亿应做震荡整理理解，700亿以下为缩量，小于500亿可以理解为地量，超过1100亿应该理解为放量。地量背后往往意味着反转，例如，2010年6月底和7月初之间，先后多个交易日上海股市成交量低于500亿，这个时候空仓资金应为自己的重新进场做好准备。当大盘摆脱下降趋势，走出一个缓慢的底部构筑的形态下，成交量温和状态下，投资者可以以不超过半仓的水平买股持股。如果，当股票持续上涨，成交量放大，换手率超过15%（中小板、创业板个股特定条件下可以放宽到20%左右，另外新股、次新股、限售股、转赠股、配股上市日不在此列），5-20日线开始死叉转向，那么此类短线题材股和概念股应该考虑逐步抛售。

第三：努力培养盘感，运用技术手段捕捉市场机会。不管是什么品种的股票，如经过短期暴跌，跌幅超过50%，下跌垂直度越大，那么关注价值就越高，当某一天突然缩量，短线买进的机会来了。因为急跌暴跌后，成交量突然萎缩就杀跌盘已经枯竭，肯定会出现反弹，这个时候可以坚决地战胜自己恐慌情绪积极进去抢一把反弹就走人。同样，如果股票价格在接连涨了很多时间，而且高位开始频繁放量，可是价格始终盘旋在某个小区域，连续用小单在尾盘直线拉高制造高位串阳K线，筹码峰密集严重扩散，则说明这个完全是主力在出货！必须坚决清仓。

第四：别小看低位的三连阳，别漠视高位的三连阴。一般讲股票价格在接连下跌一段时间后，突然在某天不那么狂跌，而且，K线上接连出现红三兵，价格波动幅度又不是那样大，通常价格一串上去又被单子砸下来了，请你注意了，这个时候往往就是有主力潜伏着开始收货中；反过来，如果在涨势继续了一段时间，股票价格已经很大幅度地脱离了主力原始成本，这个时候出现了高位几连阴，股票价格重心开始下移，尤其是在一些时候，主力利用快要收盘的时候，突然用几笔单把股票价格迅速买回日均线，在随后的几天里同样的手法经常出现，K线图上收出长下影，那说明主力出货的概率已经达到80%以上，它的这些做法都是为了麻痹经验不足的资金。假如某天连10日、20日、30日线都跌破，不管是赚还是赔，坚决离场。

第五：大涨买龙头，如何发觉龙头，其实在市场大跌气氛里很容易判断龙头股，应密切注意涨幅榜中始终跃居前几位的逆市红盘股，特别是价格处于“三低”范畴，或是股价在15-20元之间，离新多主力拉升底部区域不足50%空间，在大盘大跌的当日或随后几天时间里，果断用长阳反击K线收复前期长阴失地的，则有望成为反弹的龙头。市场的法则永远是“强者恒强，弱者恒弱”。当中级以上行情出现的时候，投资者要善于提早发现谁是龙头，并果断追进，抓稳抓牢，别因一时盘面震荡轻易下马。通常洗得越凶，后期飚涨概率越大。炒股抢占先机概念很重要。有的股票难当龙头最好在行情启动初期果断放弃，不要跟自己过不去。

第六：在涨势中不要轻视冷门股、问题股。 你只要它涨得好，涨得牛就是，“涨时重势，跌时重质”就是这个道理。任何时候，主力和庄家比我们聪明，他们不是傻瓜，当股票一个敢于在大势不好的情况下缩量封出涨停板，肯定有其不被市场大众知道的东西隐藏在后面。熊市里，很多2-5元中小盘个股就是这样无量快速涨停，通常这个时候非常考验的看盘功力，因为这样的股票往往留给人的思考、判断、下单时间不会超过一分钟，一般此类股很容易出现连续涨停，甚至是，像2010年7月27日，很多ST股大跌的时候，ST黑化却震荡走高，上方买盘都被逐步吃掉，并在临近收盘的最后10分钟封上涨停，这说明市场已有嗅觉灵敏的资金闻到了变盘气息在重组前夜下手。