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、大单净

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、根据大单净量排行选股。

选股逻辑分析

该选股策略从交易活跃度、市场需求、大单资金流向等角度出发,选取具有一定上涨潜力的股票。同时注重大单资金流入且换手率在一个合理的区间内,具备一定的交易机会。

有何风险?

此选股策略也比较依赖市场情绪和投机性需求,可能存在短期行情波动和资金大幅流入流出的风险。同时某些公司信息披露不透明,存在潜在的市场风险。

如何优化?

可以加入更多的技术指标以及基本面、财务面等长期因素的考虑,增强选股的可靠性。同时,可以加入定期估值分析,以确定投资策略的优劣性。

最终的选股逻辑

在换手率在3%~12%之间、买一量大于卖一量、根据大单净量排行选择股票。

同花顺指标公式代码参考

SELECT SYMBOL FROM (
    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 MARKET = '主板' AND LIST_STATUS = '上市')
    AND SYMBOL IN (SELECT STOCK_CODE FROM SDB WHERE NAME = '买一' AND CAST(DATA AS NUMBER) > CAST(FDATA AS NUMBER))
) A 
LEFT JOIN (
    SELECT SYMBOL FROM ZJLX WHERE NAME = '大单净量'
) B ON A.SYMBOL = B.SYMBOL 
WHERE B.SYMBOL IS NOT NULL
ORDER BY B.DATA DESC;

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)
    df1 = market_df[(market_df['bid_vol'] > market_df['ask_vol'])]
    
    # 按大单净量排名筛选股票
    capital_df = pro.block_trade(trade_date=date)
    capital_df['net_amount'] = capital_df['buy_amount'] - capital_df['sell_amount']
    capital_rank = capital_df.groupby('ts_code')['net_amount'].sum().sort_values(ascending=False).reset_index()
    df1 = pd.merge(df1, capital_rank, on='ts_code', how='inner')
    df1 = df1[df1['rank'] <= 20]

    # 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)]

    # 按市场筛选股票
    df1 = df1[df1['ts_code'].str.startswith('0')]

    # 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'])]

    # 合并所有指标,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