需要帮助?

试试AI小助手吧

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

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%、买一量大于卖一量,并且DEA指标上涨的股票。

选股逻辑分析

该选股逻辑主要考虑了股票的流动性和技术指标的表现,以换手率和买卖量作为流动性指标,能够筛选出市场流动性好的股票;同时,DEA指标上涨则意味着股票的短期趋势向好,有潜在买入机会。

有何风险?

该选股逻辑过于侧重于技术指标的表现,并没有考虑公司基本面和行业情况等因素,可能会选出不稳定的股票,风险较高。

如何优化?

可以结合其它指标如RSI、MACD等进行进一步的判断,同时加入对公司基本面和行业情况的筛选条件。

最终的选股逻辑

选择换手率在3%~12%、买一量大于卖一量,并且DEA指标上涨的股票。

同花顺指标公式代码参考

买一量大于卖一量:SELECT(BIDV1>ASKV1)
换手率在3%~12%:SELECT(TURN<N>AVG(TURN,N) AND TURN<N>3 AND TURN<N<12)
DEA上涨:SELECT(MACDEXPDIF[0]>MACDEXPDIF[1] AND REF(MACDEXPDIF,1)<REF(MACDEXPDIF,2))
非科创板:SELECT(CODE AND INDUSTRY NOT LIKE '科创板%')
选股:SELECT(CODE AND 买一量大于卖一量 AND 换手率在3%~12% AND DEA上涨 AND 非科创板)

python代码参考

import pandas as pd
import tushare as ts
from pyalgotrade import talibext

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

    # 查询挂买一量大于卖一量的股票
    market_df = pro.market_detail(symbol='', trade_date='20220422')
    df1 = market_df[(market_df['bid_vol'] > market_df['ask_vol'])]

    # 查询换手率在3%-12%的股票
    daily_df = pro.daily(ts_code='', start_date='20220421', end_date='20220422', fields='ts_code,turnover_rate')
    df2 = daily_df[(daily_df['turnover_rate'] >= 3) & (daily_df['turnover_rate'] <= 12)]
    df1 = pd.merge(df1, df2[['ts_code']], on='ts_code')

    # 查询DEA指标上涨的股票
    hist_df = pro.daily(ts_code='', start_date='20220101', end_date='20220422', fields='ts_code,trade_date,close')
    hist_df = hist_df.pivot(index='trade_date', columns='ts_code', values='close')
    # 用pyalgotrade库计算MACD
    hist_df_MACD, _, hist_df_DEA = talibext.MACDEXT(hist_df.values, timeperiod=9, fastperiod=12, slowperiod=26)
    hist_df_MACD = pd.DataFrame(hist_df_MACD, index=hist_df.index, columns=hist_df.columns)
    hist_df_DEA = pd.DataFrame(hist_df_DEA, index=hist_df.index, columns=hist_df.columns)
    df2 = hist_df_MACD[(hist_df_DEA.iloc[-1] > hist_df_DEA.iloc[-2]) & (hist_df_DEA.iloc[-2] < hist_df_DEA.iloc[-3])]
    df1 = pd.merge(df1, df2.stack().reset_index()[['ts_code']], on='ts_code')

    # 过滤科创板股票
    df2 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,industry')
    df2 = df2[(df2['industry'].str.contains('科创板') == False)]
    df1 = pd.merge(df1, df2[['ts_code']], on='ts_code')

    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