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

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、流通市值大于100亿元。

选股逻辑分析

该选股策略侧重于股票的流动性与市值,能够较好地体现股票的整体实力。同时限制买一大于卖一以及流通市值在100亿以上的门槛,提高选股的成功率。并根据当前市场的情况合理调整换手率的范围,适应市场环境。

有何风险?

该策略的选股标准较为严格,有可能错失一些在换手率、买卖盘大量与流通市值方面表现良好的个股。同时,流通市值大的个股也可能面临调整或利空等风险因素。

如何优化?

可以在该策略的基础上加入一些基本面分析因素,例如EPS、ROE、ROA等指标的考虑,以增强股票的长期确定性,同时可以考虑加强对潜在规模增长性的研究与分析。

最终的选股逻辑

在换手率在3%~12%之间、买一量大于卖一量、流通市值大于100亿元。

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 STOCK_CODE FROM LCAP WHERE CAST(DATA AS NUMBER) > 100);

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'])]

    # 按换手率筛选股票
    daily_basic_df = pro.daily_basic(ts_code='', trade_date=date, 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)]

    # 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