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

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:在换手率在3%~12%之间、买一量大于卖一量、收益大于0选取股票。

选股逻辑分析

该选股策略主要考虑了股票的流动性以及买卖盘的情况,同时设置了收益大于0的条件,可以让选股更加倾向于短期内表现优异的股票。通过挑选换手率和买卖盘大的股票,有更高的交易概率;通过设置收益大于0,跟踪短期的盈利概率,有较大的概率获取收益。

有何风险?

该策略可能会过度关注短期表现,对于有中长期价值但短期交易表现不佳的股票可能会错失交易机会。同时,选股结果比较依赖交易时点的正确把握,过度依赖历史数据可能会导致错误的交易决策。

如何优化?

可以加入PE、PB等基本面指标考虑股票的长期确定性。同时,可以考虑选取长期稳定的标的,降低无谓的换手率导致的交易费用。可以进一步加强指标,例如引入连续3日收益率大于0等条件进行筛选,提高选股的可靠性。

最终的选股逻辑

在换手率在3%~12%之间、买一量大于卖一量、收益大于0选取股票。

同花顺指标公式代码参考

SELECT SYMBOL FROM GDH WHERE NAME = '换手率' 
AND (CAST(DATA AS NUMBER) > 3) AND (CAST(DATA AS NUMBER) < 12)
AND SYMBOL IN (SELECT STOCK_CODE FROM STOCK_BASIC WHERE LIST_STATUS = '上市' AND MARKET_TYPE = '1' AND LIQUIDITY > 1)
AND SYMBOL IN (SELECT STOCK_CODE FROM SDB WHERE NAME = '买一' AND CAST(DATA AS NUMBER) > CAST(FDATA AS NUMBER))
AND SYMBOL IN (SELECT SYMBOL FROM GDH WHERE NAME = '收益' AND CAST(DATA AS NUMBER) > 0);

python代码参考

import pandas as pd
import tushare as ts

def select_stocks(date):
    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=date, fields='ts_code,bid_vol,ask_vol')
    df1 = market_df[(market_df['bid_vol'] > market_df['ask_vol'])]

    # 按流通市值和市场筛选股票
    lc_df = pro.daily_basic(ts_code='', trade_date=date, fields='ts_code,circ_mv')
    df1 = pd.merge(df1, lc_df, on='ts_code', how='inner')
    df1 = df1[(df1['circ_mv'] > 10000000000)]

    basic_df = pro.stock_basic(exchange='', list_status='L', fields='ts_code,market')
    df1 = pd.merge(df1, basic_df, on='ts_code', how='inner')
    df1 = df1[df1['market'] == '主板']

    # 按买卖盘挂单量筛选股票
    sdb_df = pro.stk_holdernumber(ts_code='', start_date=date, end_date=date, fields='ts_code,mkv')
    sdb_df.rename(columns={'ts_code': 'symbol'}, inplace=True)
    df1 = pd.merge(df1, sdb_df, on='symbol', how='inner')
    df1 = df1[(df1['buy_sm_vol'] > df1['sell_sm_vol']) & (df1['buy_sm_vol'] > df1['mkv'])]

    # 按收益率筛选股票
    gdh_df = pro.daily_basic(ts_code='', trade_date=date, fields='ts_code,pct_chg')
    df1 = pd.merge(df1, gdh_df, on='ts_code', how='inner')
    df1 = df1[df1['pct_chg'] > 0]

    # 返回选股结果
    return df1['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