需要帮助?

试试AI小助手吧

(supermind量化策略)task17/a/换手率3%-12%、饮料酒进出口、归属母公

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%、饮料酒进出口、归属母公司股东的净利润(同比增长率)大于20%小于等于100%的股票。

选股逻辑分析

该选股策略在行业面指标的基础上,增加了公司财务指标,通过考虑公司的盈利能力、成长性选股。但该选股策略仍然有盲点,没有考虑其他方面的因素可能对公司股票表现的影响,存在一定风险。

有何风险?

该选股方式仅考虑了行业面和财务指标,没有全面考虑其他因素的影响,如宏观经济、政策、市场竞争等,可能存在一定的风险。

如何优化?

可考虑增加其他指标,如市场竞争力、行业前景等,综合考虑公司的综合性能、提高选股的准确性和风险控制。

最终的选股逻辑

选择换手率在3%-12%、饮料酒进出口、归属母公司股东的净利润(同比增长率)大于20%小于等于100%的股票。

同花顺指标公式代码参考

换手率在3%-12%:SELECT(TURN<N>=AVG(TURN, N) AND TURN<N+1>AVG(TURN, N+1) AND TURN<N>3 AND TURN<N<12)

饮料酒进出口:SELECT(SECTORCODE('K40')=1)

归属母公司股东的净利润同比增长率大于20%小于等于100%:SELECT(PROFIT_PARENT_COMPANY<N>/REF(PROFIT_PARENT_COMPANY, 4)-1>0.2 AND PROFIT_PARENT_COMPANY<N>/REF(PROFIT_PARENT_COMPANY, 4)-1<=1)

选股:SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND 归属母公司股东的净利润同比增长率大于20%小于等于100%, NOT ST)

python代码参考

import pandas as pd
import tushare as ts

def select_stocks():
    pro = ts.pro_api()
    df1 = pro.daily(ts_code='', start_date='20200101', end_date='20220123', fields='ts_code,trade_date,close')
    df1 = df1.groupby('ts_code').apply(lambda x: x.set_index('trade_date')['close'].rolling(window=26).mean())
    df2 = pro.level2_market_data(trade_date='20220126', fields='ts_code,buy_sm_vol,sell_sm_vol')
    df3 = pro.daily_basic(ts_code='', start_date='20200101', end_date='20220123', fields='ts_code,trade_date,roe')
    df4 = pro.daily_basic(ts_code='', start_date='20200101', end_date='20220123', fields='ts_code,trade_date,net_profits')
    df4['net_profits_yoy'] = df4.groupby('ts_code')['net_profits'].pct_change(4).values
    df = pd.merge(df1, df2, on='ts_code')
    df = pd.merge(df, df3, on='ts_code')
    df = pd.merge(df, df4[['ts_code', 'trade_date', 'net_profits_yoy']], on='ts_code')
    df = pd.merge(df, pro.daily_basic(ts_code='', trade_date='20220126', fields='ts_code,turnover_rate,industry'), on='ts_code')
    df = df[(df['industry'].str.contains('饮料') & df['industry'].str.contains('酒'))]
    df = df[df['turnover_rate'].between(3, 12)]
    df = df[df['buy_sm_vol']>df['sell_sm_vol']]
    df = df[df['net_profits_yoy'].between(0.2, 1)]
    code_list = pd.DataFrame({'code': df['ts_code'].str.split(".", expand=True)[0]})
    return code_list
    ## 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