(supermind量化-)振幅大于1、(昨日换手率_(今日竞价成交量除昨日成交量))_0

用户头像神盾局量子研究部
2023-08-21 发布

问财量化选股策略逻辑

本选股策略选取振幅大于1,(昨日换手率*(今日竞价成交量/昨日成交量))在0.5到2之间的股票,并且当日收益大于0。这些条件可以帮助投资者筛选出市场热点股票,以及股票成交活跃度较高、有一定交易价值且具有一定的股票交易能力的股票。

选股逻辑分析

本选股逻辑主要针对的是市场热点股票,同时也筛选出了具有一定的股票交易能力的股票。同时选取了当日收益大于0这个条件进行排除,使得选出的股票更具备交易价值。本选股策略综合考虑了振幅、成交活跃度及收益,是一种综合考虑多种股票交易特点的选股策略。

有何风险?

选取单一的收益指标作为条件容易引发跟风行为,使得投资者盲目追涨会带来一定的风险。此外,振幅和成交活跃度的评估也有一定的局限性,因此选股逻辑的结果并不一定能够带来相对较好的投资回报。

如何优化?

应该综合考虑多种股票交易特点来确定选股条件,同时选择恰当的评估指标。在选取股票特点的同时,也要注重股票基本面和估值的分析,确保投资价值与盈利能力的综合考虑。此外,应该在保证综合考虑股票交易特点的基础上,避免过于追求高收益带来的风险。

最终的选股逻辑

本选股策略选取振幅大于1,(昨日换手率*(今日竞价成交量/昨日成交量))在0.5到2之间的股票,并且当日收益大于0。在此基础上,综合考虑股票基本面和估值,此项评估可以选择PEG或PE-TTM等。同时,应该注重评估股票的盈利预期、业务模式等因子,从而确保综合考虑多种因子的选股策略。

同花顺指标公式代码参考

通达信指标公式:(HHV(HIGH, 20)-LLV(LOW, 20))/REF(CLOSE,1)> 0.01 AND (VOL/MA(VOL, 5)-REF(VOL/MA(VOL, 5), 1))*100> 5 AND (VOL/REF(VOL, 1))> 0.08 AND C/C[1]>1

Python代码参考

import tushare as ts
import pandas as pd

pro = ts.pro_api()

def select_stocks(n):
    selected_stocks = []

    for code in pro.query('stock_basic', exchange='', list_status='L', fields='ts_code,name,list_date,list_status,total_mv,circ_mv')["ts_code"]:
        if len(selected_stocks) >= n:
            break

        db = pro.daily(ts_code=code, start_date=(datetime.now() - timedelta(days=365)).strftime("%Y%m%d"),
                           end_date=datetime.now().strftime("%Y%m%d"), fields='open,high,low,close,vol')

        if db.empty or len(db) < 250:
            continue

        # 筛选条件
        db['amplitude'] = (db['high'] - db['low']) / db['close']
        db['turnover_ratio'] = db['vol'] / (db['vol'].sum() / len(db))
        db['daily_return'] = (db['close'] - db['close'].shift(1)) / db['close'].shift(1)
        db_selected = db[(db['amplitude'] > 1) & (db['turnover_ratio'] * (db['vol'].shift() / db['vol'].shift(2)) > 0.5) & (db['turnover_ratio'] * (db['vol'].shift() / db['vol'].shift(2)) < 2) & (db['daily_return'] > 0)]

        if not db_selected.empty:
            selected_stocks.append({'code':code, 'last_close': db.iloc[-1]['close']})

    # 根据收盘价排序选择前n个股票
    df = pd.DataFrame(selected_stocks)
    df_selected = df.sort_values('last_close', ascending=False)[:n]
    selected_stocks = list(df_selected['code'])

    return selected_stocks
    ## 如何进行量化策略实盘?
    请把您优化好的选股语句放入文章最下面模板的选股语句中即可。

    select_sentence = '市值小于100亿' #选股语句。

    模板如何使用?

    点击图标右上方的复制按钮,复制到自己的账户即可使用模板进行回测。


    ## 如果有任何问题请添加 下方的二维码进群提问。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论

需要帮助?

试试AI小助手吧