在分享光伏设备行业的龙头股之前，老余先聊一下这个行业的内在逻辑，只有搞清楚了逻辑，才知道行业和公司正处在什么位置。

第一，光伏装机规模保持快速增长的态势；市场预计2025年光伏设备需求有望达到720-803亿元，未来五年年复合增速14.9%-17.4%。

第二，光伏设备更新换代快；光伏是一个技术发展快，设备迭代快、产品成本快速下降的行业，这类行业对上游设备的更新换代也非常迅速。

市场预计未来光伏设备行业需求将维持高景气，而光伏硅片、电池和组件设备的核心龙头股等将充分受益。

老余特地帮大家梳理出来了光伏设备的潜力龙头公司，值得大家收藏起来研究！

第一，晶盛机电，国内大硅片设备龙头公司。公司在光伏大硅片设备的整体市占率高达60%，单晶炉在国内市场占有率排名第一，占据90%的高端市场。公司在光伏产业链装备取得了行业认可的技术和规模双领先的地位。机构预计2021-2022年公司光伏设备潜在新增订单合计达222亿元。

第二，迈为股份，太阳能电池丝网印刷设备龙头公司。公司打破了丝网印刷设备进口垄断的格局，而丝网印刷设备是太阳能电池片必不可少的设备。公司目前布局HJT全新赛道，在手订单居国内第一，成为HIT整线设备供应商，未来有望充分受益HJT渗透率提升。

迈为股份在最新交流中透露，今年目前为止全市场共有6.3GW HIT设备订单，但是公司一家就占到了5GW，市场份额高达近80%。

第三，捷佳伟创，光伏电池设备的领先企业。公司是国内唯一具备PERC设备整线供应能力的企业，综合市占率超50%，其中核心的单晶制绒设备和刻蚀清洗设备市场占有率达70%以上，扩散设备和PECVD设备市场占有率达50%以上。

目前公司在积极布局HIT全新赛道，具备整线覆盖能力，RPD设备提效优势显著、为国内市场独家。公司是国内少有的具备PERC/TOPCon/HJT三种工艺设备供应能力的企业。

第四，帝尔激光，光伏激光设备龙头公司。公司有望在TOPCon、HJT时代延续行业龙头地位。公司过去六年净利润复合年均增长高达111.3%，TOPCon、HJT推动2023年光伏激光设备市场达37亿元，三年CAGR约43%，而公司的市场占有率有望保持在80%左右。

第五，金辰股份，光伏组件设备龙头企业，光伏HIT电池设备新星。公司具备光伏组件设备整线供应能力，目前已形成HIT薄片化组件制造技术和生产线成套装备的供应能力，在光伏异质结电池行业爆发来临之际，打开公司的成长空间。

受益于下游扩产需求，在手订单饱满，占据规模、技术和客户优势，未来营收规模有望进一步提升，行业领先地位稳固。

第六，京山轻机，光伏智能成套装备龙头公司。公司的主要客户基本覆盖了光伏组件的前十大供应商。公司的光伏业务收入来源主要是子公司晟成光伏，公司的产品包括光伏组件自动化整体解决方案及相关智能装备、光伏电池整线自动化装备以及软件系统等等。如今，晟成光伏已将公司业务与技术延伸至HIT和钙钛矿叠层电池核心设备。

公司光伏业务满产满销，订单供不应求，公司根据市场需求，成立越南技术服务中心，而近两年，越南光伏市场发展迅速，一跃成为全球最大的光伏市场之一。

以上六家潜力光伏设备龙头公司，是老余长期跟踪研究的龙头概念股，希望大家能够收藏好，如果你有不同的看法，可以在评论区里给我留言。



背景

近期在学习数据分析，在课程最后老师讲了一下通过量化分析选择股票的案例，感觉挺有意思的，恰好周围也有人在炒股票，干脆自己做一个软件来实践一下学到的知识。课程上主要用python相关库来处理比特币的数据，数据量也不大，但是理解原理之后我们可以举一反三。

首先来回顾一下主要的知识点，选择股票的时候会用到两个重要的指标RSV、KDJ。他们的定义见下面的课件截图，具体的内容我就不阐述了，因为我是非金融专业的，对这些词汇解释起来有点吃力。我们只要记住这两个指标如何计算，以及后面如何使用即可

KDJ指标的定义

计算K指标

计算D指标

计算J指标

实验原理

老师在课程中讲到K和D都是反映股票变化趋势的，K要比D灵敏，当K值上穿D值时（第一次出现K>D）时代表股票可能出现向上反弹，此时是买入时机，当K下穿D值时（第一次出现K<D）时，代表股票有较大概率出现下跌，此时是卖出时机。

通过利用这个方法，我们可以在4000多支股票中筛选出若干可能出现反弹的股票，然后再用人的经验和其他方面的信息选出心仪的股票了。

我们的实验思路是：

先从网络上获取过去半年 4000支股票的交易信息，包括日期（date）、最高价（high）、最低价（low）、开盘价（open）、收盘价（close），将这些信息存储到stockbars表中

用python程序读取stockbars表中的每条记录，计算出rsv指标存储到stockrsvs表中

最后用python程序读取stockrsvs表，计算出k、d、j三个指标

最后我们用SQL语句查询数据库，每个人可以基于RSV、k、d、j这四个值自由定义查询方式

这里我们用到了kdj金融知识、python编程知识、SQL语言以及数据库相关的内容，也算是一次综合性的演练了。还可以利用Sugar来在线绘制大屏，https://juejin.cn/post/6976562433695416327

实验过程

实验环境准备

我们用到了python开发环境，这里我们用docker直接获取一个镜像使用，省的安装一堆乱七八糟的依赖，当然你也可以按照自己的喜好来自行安装

docker pull docker.io/python

数据库我们使用了一个免费的云数据库MemFireDB https://memfiredb.com ，他提供了公网IP以及可视化的SQL编辑器方便我们后续查询数据

实验步骤和代码

获取原始数据

计算RSV指标

for bar in bars: rsv = session.query(StockRSV).filter( StockRSV.id == bar.stock_id + "_" + str(bar.date) ).first() if rsv is not None: print("rsv: id:%s stock_id:%s, date:%s,rsv value:%s cal next bar" % ( rsv.id, rsv.stock_id, rsv.date, rsv.rsv )) continue prevbars = session.query(StockBar).filter( StockBar.stock_id == stock.id, StockBar.date <= bar.date ).order_by(StockBar.date.desc()).limit(window).all() if len(prevbars) < window: print("stock %s date %s perv less than window %s cal next date" % (stock.id, bar.date, window)) continue for prevbar in prevbars: print("prevbar: id %s , stock_id:%s, date:%s, open:%s, high:%s, low:%s, close:%s" % (prevbar.id, prevbar.stock_id, prevbar.date, prevbar.open, prevbar.high, prevbar.low, prevbar.close)) low = prevbars[0].low high = prevbars[0].high lastopen = prevbars[0].open lastclose = prevbars[0].close for prevbar in prevbars: if prevbar.high >= high: high = prevbar.high if prevbar.low <= low: low = prevbar.low print("rsv: stock_id %s, date:%s lastopen:%s, lastclose:%s, high:%s, low:%s" % ( bar.stock_id, bar.date, lastopen, lastclose, high, low)) stockrsv = StockRSV(id = bar.stock_id + "_" + str(bar.date), stock_id = bar.stock_id, date = bar.date, rsv = 100 * (lastclose - low) / (high - low)) session.add(stockrsv) session.commit()

计算结果

计算KDJ指标

for stock in stocks: i += 1 rsvs = session.query(StockRSV).filter( StockRSV.stock_id == stock.id ).order_by(StockRSV.date.asc()).all() if len(rsvs) < 1: print("stock %s rsv less than window %s real %s cal next stock" % (stock.id, 1, len(rsvs))) continue for stockrsv in rsvs: curkdj = session.query(StockKDJ).filter( StockKDJ.id == stockrsv.stock_id + "_" + str(stockrsv.date) ).first() if curkdj is not None: print("kdj id:%s, stock_id:%s,date:%s,k:%s, d:%s,j:%s exist cal next" % ( curkdj.id, curkdj.stock_id, curkdj.date, curkdj.k, curkdj.d, curkdj.j )) continue lastkdj = session.query(StockKDJ).filter( StockKDJ.stock_id == stockrsv.stock_id, StockKDJ.date < stockrsv.date ).order_by(StockKDJ.date.desc()).limit(1).first() lastkvalue = 0 lastdvalue = 0 if lastkdj is not None: lastkvalue = lastkdj.k lastdvalue = lastkdj.d stockkdj = StockKDJ(id = stockrsv.stock_id + "_" + str(stockrsv.date), stock_id = stockrsv.stock_id, date = stockrsv.date, k = curkvalue, d = curdvalue, j = 0) session.add(stockkdj) session.commit()

计算结果

使用SQL选股

我们选择最近RSV值较低，且K>D 的十只股票

到股票软件上查看这几只股票的趋势图

实验总结

通过这次实验，我们探索了一种方法，使用python获取股票数据，因为记录数较多且计算过程无法递归，只能通过循环的方式结合数据库循环计算指标。最后将计算的结果存储在数据库中，利用SQL语言的丰富语义，可以灵活验证各种选股的模型。

上一篇：怎么去炒股开户(要炒股如何开户)

下一篇：大家对炒股的人什么看法(新手炒股入门基础知识)