(supermind量化投资)task13/a/元宇宙、昨日股价大于250日均线、换手率>

用户头像神盾局量子研究部
2023-08-30 发布

问财量化选股策略逻辑

选股逻辑包括三个条件:元宇宙、昨日股价大于250日均线、换手率大于2%且小于9%。通过筛选出符合条件的股票进行投资。

选股逻辑分析

该选股策略主要通过以下三个条件进行选股:

  1. 元宇宙:选择热门板块中的个股。
  2. 昨日股价大于250日均线:判断个股目前的价格是否较稳定且接近长期均线。
  3. 换手率大于2%且小于9%:选取换手率适中的股票,可以避免流动性过差或者操纵风险等问题。

综合以上三个条件,选择合适的个股进行投资。

有何风险?

  1. 市场流动性波动可能影响选股效果,尤其是在大幅波动的市场中,容易受到市场情绪的干扰。
  2. 选股逻辑条件过于简单,缺乏足够的筛选标准,可能导致选股结果较为杂乱,难以筛选出真正符合要求的个股。
  3. 长期均线作为判断标准可能存在滞后性,难以反映最新市场情况,需要结合其他指标进行综合评估。

如何优化?

  1. 除了考虑股票价格、市值、换手率等因素外,也需要结合其他财务和业绩指标进行选股,以更加全面地评估股票价值。
  2. 考虑引入更多筛选条件,如市盈率、市净率、股息率等,以进一步筛选符合要求的个股。
  3. 可以结合行业研究和市场走势,进行更加全面和深入的选股分析。

最终的选股逻辑

该选股策略选择元宇宙板块中,股票均价站在250日均线之上,并且换手率大于2%且小于9%的股票进行投资。

同花顺指标公式代码参考

元宇宙:GNBK("gnxq")

昨日股价大于250日均线:C >= MA(250)

换手率大于2%且小于9%:(TURNOVER / CAPITALIZATION) >= 0.02 AND (TURNOVER / CAPITALIZATION) <= 0.09

Python代码参考

import pandas as pd
import tushare as ts

def stock_selector():
    ts.set_token('your_token')
    pro = ts.pro_api()

    # 获取所有元宇宙板块中的个股
    gnxq = pro.index_basic(
        fields='category',
        identifying_code='9650',
        market='SSE'
    )
    gnxq_stocks = gnxq.loc[gnxq['category'] == 'GN023']

    data_selected = pd.DataFrame()
    for code in gnxq_stocks['con_code']:
        df = pro.query('daily', ts_code=code, fields='trade_date, close, high, low, open, vol, amount, pct_chg')
        if len(df) < 2:
            continue
        if (df.iloc[-2]['close'] >= df['close'].rolling(250).mean()[249]) and \
            (((df.iloc[-2]['vol'] / df.iloc[-2]['amount']) / (df['vol'] / df['amount']).mean()) >= 0.02) and \
            (((df.iloc[-2]['vol'] / df.iloc[-2]['amount']) / (df['vol'] / df['amount']).mean()) <= 0.09):
            _basic = pro.query(
                'stock_basic',
                ts_code=code,
                fields=['name', 'industry', 'exchange', 'list_date', 'market_cap']
            )
            if ('ST' not in _basic['name'].values[0]) and (_basic['exchange'].values[0] != 'SZSE') and \
                    (_basic['list_date'].values[0] <= '20220101') and (_basic['market_cap'].values[0] < 5000000000):
                data_selected = data_selected.append(
                    df.tail(1).assign(
                        name=_basic['name'].values[0],
                        industry=_basic['industry'].values[0],
                        market_cap=_basic['market_cap'].values[0],
                    )
                )

    data_selected = data_selected.sort_values(by=['amount'], ascending=False)
    return data_selected[['name', 'industry', 'market_cap']]
    ## 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