(supermind量化策略)task17/a/换手率3%-12%、买一量>卖一量、下午大

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

选股逻辑为:选择换手率在3%~12%之间、买一量大于卖一量、下午大单净流入的股票。

选股逻辑分析

该选股策略综合考虑了股票的市场活跃度、市场参与度以及下午的资金流向,通过选股筛选出较为稳定的、市场反应较好的股票。

有何风险?

该选股策略只考虑了股票的量化指标和资金流向,没有考虑其他基本面和技术面因素的影响,因此其选股结果可能存在一定的盲区。

如何优化?

可以引入其他技术面、基本面指标和板块信息,如市盈率、市净率、MACD、RSI、行业板块等,结合机器学习和大数据等技术优化模型,提高选股效果。

最终的选股逻辑

在换手率在3%~12%之间、买一量大于卖一量、下午大单净流入的股票中,选出前50个股票。

同花顺指标公式代码参考

SELECT STOCKCODE FROM 
    (SELECT STOCKCODE FROM BLOCK_STOCK
        WHERE BLOCKID = 'HS300'
        AND STOCKCODE IN 
            (SELECT STOCKCODE FROM KLINE_DAY WHERE STOCKCODE IN 
                (SELECT STOCKCODE FROM MARKET_FUNDAMENTAL WHERE NETAMOUNT5 >=0 AND AMOUNT5 >0 AND TURNOVER_VOL>=10000
                    AND STOCKCODE IN (SELECT STOCK_CODE FROM STOCK_SECTOR WHERE SECTOR_CODE LIKE '11%' OR SECTOR_CODE LIKE '51%')
                    AND STOCKCODE IN (SELECT STOCK_CODE FROM STOCK_BASIC WHERE MARKET='主板' AND LIST_STATUS='上市' AND IS_ST=0 AND IS_OPEN='1')
                    AND OPEN=LAUNCH_TIME
                    AND SYMBOL not in (SELECT STOCK_CODE FROM LIFT_LIMIT_STOCK_TWODAY where TRADE_DATE = '20220422'))
             AND buy1qty >= sell1qty)
    WHERE ROWNUM <=50;

python代码参考

import pandas as pd
import tushare as ts

def select_stocks():
    pro = ts.pro_api()

    # 查询挂单大量大于卖单的股票
    market_df = pro.market_detail(symbol='', trade_date='20220422')
    df1 = market_df[(market_df['bid_vol'] > market_df['ask_vol'])]

    # 查询下午大单净流入股票
    moneyflow_df = pro.moneyflow(trade_date='20220422', fields='ts_code, pmoney')
    df1 = pd.merge(df1, moneyflow_df, on='ts_code', how='inner')
    df1 = df1[df1['pmoney'] >= 0]

    # 按换手率筛选股票
    daily_basic_df = pro.daily_basic(ts_code='', trade_date='20220421', fields='ts_code,turnover_rate')
    df1 = pd.merge(df1, daily_basic_df, on='ts_code', how='inner')
    df1 = df1[(df1['turnover_rate'] > 3) & (df1['turnover_rate'] < 12)]

    # 按板块和市场筛选股票
    sector_df = pro.stock_basic(exchange='', list_status='L', fields='ts_code, industry')
    df1 = pd.merge(df1, sector_df, on='ts_code', how='inner')
    df1 = df1[(df1['industry'].str.startswith('11')) | (df1['industry'].str.startswith('51'))]
    df1 = df1[df1['ts_code'].str.startswith(('0', '3', '6'))]

    # 合并所有指标,返回选股结果
    return df1.head(50)['ts_code']
    ## 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