(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,同时根据资金流入情况从大到小依次选择股票。综合考虑股票价格、成交量、资金流入等因素,选取具有较高投资回报的股票。

选股逻辑分析

本选股策略综合考虑了股票价格、成交量和资金流入情况等因素,选取振幅较大、成交量变化较大,且资金流入情况较好的股票作为投资目标。这些因素一般被认为是反映股票市场热度的指标,能够提供一定的投资价值参考。

有何风险?

本选股策略依赖于股票市场的热度和资金流入情况等因素,同时忽略了公司基本面和市场行情等因素的影响,因此在股票市场情况波动较大的时期可能会存在一定的风险。同时,过于依赖于市场热度和资金流入情况可能会导致过度交易和投资决策失误,存在一定的投资风险。

如何优化?

本选股策略可以加入其他技术指标如RSI、BOLL等进行分析,同时引入公司基本面和市场行情等因素进行判断。同时,建议与其他短期、中期选股策略进行配合,综合判断股票的投资价值和安全性。

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,同时根据资金流入情况从大到小依次选择股票。结合其他技术指标和基本面因素进行分析,以综合判断股票的投资价值和安全性,以此选取投资回报高且风险可控的股票。

同花顺指标公式代码参考

Python代码参考

import tushare as ts
import time

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,industry,market,area,pe,pb,circ_mv')['ts_code']:
        if 'ST' in code:
            continue
        if '科创板' in pro.fina_mainbz(ts_code=code, year=2020, quarter=1)['bz_item']:
            continue
        df = pro.bar(ts_code=code, freq='15min', start_date='', end_date='')
        if (df.iloc[-1]['open'] - df.iloc[-1]['low']) / df.iloc[-1]['high'] > 0.01:
            vol_rate = pro.moneyflow(ts_code=code, start_date='', end_date='', fields='ts_code,trade_date,turnover_rate,vol,amount')
            vol_rate = vol_rate.set_index('trade_date')
            vol_rate['turnover_rate'] = (vol_rate['turnover_rate']*(df.iloc[-1]['amount']/vol_rate['vol'])).rolling(5).mean() # 5日平均换手率
            if vol_rate.iloc[-2]['vol'] > 0 and (vol_rate.iloc[-2]['turnover_rate']) > 0.5 and (vol_rate.iloc[-2]['turnover_rate']) < 2:
                price_now = pro.realtime_quotes(code).iloc[0]['price']
                money_flow = pro.moneyflow(ts_code=code, start_date='', end_date='', fields='buy_sm_amount,sell_sm_amount,buy_md_amount,sell_md_amount,buy_lg_amount,sell_lg_amount')
                money_flow_total = money_flow.sum().sum()
                if money_flow_total > 0:
                    selected_stocks.append([code, price_now, money_flow_total])
    selected_stocks = sorted(selected_stocks, key=lambda x: x[2], reverse=True)
    return [x[0] for x in selected_stocks][:n]
    ## 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