(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,且昨日主力控盘的股票进行选股。该策略依赖市场流动性、市场人气和市场活力等因素,并结合技术面和基本面分析选股,关注股票的波动性和主力资金的流向。

选股逻辑分析

本选股策略依赖市场流动性、市场人气和市场活力等因素,关注的是股票的短期强势和市场影响力,同时加入昨日主力控盘的条件筛选。振幅大于1的股票波动较大,有机会出现高买低卖的机会,与此同时,主力控盘的股票具有较高的投资价值。该选股策略综合考虑市场流动性、活跃度、资金流动情况等因素,能够筛选出市场活跃且价格波动较大、有主力资金关注的股票。

有何风险?

本选股策略依赖市场流动性和活跃度等因素,可能选出一些反弹或者高波动性的股票,存在一定风险。同时,昨日主力控盘的情况可能被市场短期利好或利空情绪所影响,存在短期波动较大的风险。此外,振幅指标可能不适合所有行业,需要针对不同行业进行优化。

如何优化?

为了优化选股策略,可以加入更多的技术面指标,如成交量、强势指标、KDJ等,以全面反映股票的市场表现。同时,考虑各行业或板块的特征,以区分不同的市场环境和投资策略,避免单一的波动性指标对选股结果的影响。此外,可以加入基本面指标,如市盈率、市净率、净利润、股息率等,以全面反映公司财务情况和成长性。对于主力控盘的条件筛选也可以考虑加入其他指标,如资金流向、持股变化等,以全面反映主力资金的关注情况。

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,且昨日主力控盘的股票进行选股。同时,加入基本面指标、成长性指标和技术面指标,全面反映公司财务、成长性、市场表现和股票价格波动等信息,筛选出具有潜力和可持续性的股票。

同花顺指标公式代码参考

该选股策略不涉及指标公式。

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')["ts_code"]:
        if len(selected_stocks) >= n:
            break
            
        db = pro.daily(ts_code=code, fields='open,high,low,close,vol,trade_date')
        if db.empty or len(db) < 500:
            continue
            
        db_amplitude = (db['high'] - db['low']) / db['close']
        
        df_volume = pro.moneyflow(ts_code=code, start_date=db['trade_date'].iloc[0],
                                  end_date=db['trade_date'].iloc[-1], fields='date,main_buyer')
        db_mainmoney = pd.Series(df_volume['main_buyer'].values, index=df_volume['date'])
        
        db_turnover_rate = db['vol'] / pro.query('stock_basic', ts_code=code,
                                                 fields='outstanding_share')['outstanding_share'].iloc[0] * 100
        db_controlboard_yesterday = pro.query('stk_holdertrade', ts_code=code,
                                              start_date=db['trade_date'].iloc[-2], end_date=db['trade_date'].iloc[-2],
                                              fields='trade_date,net_qty_mainboard').iloc[0]['net_qty_mainboard']
        if db_amplitude.iloc[-1] > 1 and 0.5 < db_turnover_rate.iloc[-1] * (db['vol'].iloc[-1] / db['vol'].iloc[-2]) < 2 \
        and db_controlboard_yesterday > 0 and db_mainmoney.iloc[-1] > 0:
            selected_stocks.append(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