需要帮助?

试试AI小助手吧

(supermind量化策略)task17/a/换手率3%-12%、三连阴、100亿市值以

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:在市值未超过100亿的企业中,选择换手率在3%-12%之间,连续三天收阴线且没有亏损记录的企业。

选股逻辑分析

该选股逻辑在市值和换手率的基础上,进一步筛选了企业连续三天收阴线且没有亏损记录的股票,相对于只考虑市值和换手率等因素的选股逻辑更加综合。

有何风险?

该选股逻辑同样忽略了公司的基本面因素和行业特点等因素,可能导致选股不准确。另外,如果一些有价值但未来预期不是很好的公司出现了拖累,可能导致选股失误。

如何优化?

可以考虑增加基本面的筛选条件,比如净利润增长率、市盈率等,进一步提高选股的准确性和风险控制能力。同时,增加筛选条件,比如一些行业特征,能够更好地把握各行业的就业情况和市场走向。

最终的选股逻辑

在市值未超过100亿的企业中,选择换手率在3%-12%之间,连续三天收阴线且累计净利润为正数的企业。

同花顺指标公式代码参考

以通达信公式为例:

SET_SYMBOL_POINT("SZ");
SET_BARS_PER_LINE(10);

SELECT_TIME_RANGE("20210101", TODAY());

/* 选取市值未超过100亿的企业 */
CONDITION0 = BVI<=1000000;

/* 选取换手率在3%-12%之间的股票 */
CONDITION1 = (HSL>=3 AND HSL<=12) AND EXISTS(FILTER_BOOL(MA(C,5) < MA(C,10),3));

/* 选取连续三天收阴线的股票 */
CONDITION2 = MA(C,3)<REF(MA(C,3),1) AND REF(MA(C,3),1)<REF(MA(C,3),2);

/* 选取累计净利润为正数的企业 */
CONDITION3 = TCZB(">=", "net_profit", "sum", 4)>0;

LAST_CONDITION = CONDITION0 AND CONDITION1 AND CONDITION2 AND CONDITION3;

CODE_LIST = SORT_BY_HOT(CODE_LIST, 0, 10, LAST_CONDITION);

python代码参考

import baostock as bs
import pandas as pd
import datetime

#### 登陆系统 ####
lg = bs.login()

#### 获取满足条件的股票 ####
rs = bs.query_stock_basic(market="sz", stock_type="1")
stock_list = []

while (rs.error_code == '0') & rs.next():
    stock_code = rs.get_row_data()[0]
    rs_growth = bs.query_growth_data(stock_code, year="2020")
    if rs_growth.error_code == '0' and float(rs_growth.get_row_data()[3])<=1000000:
        k_data = bs.query_history_k_data(stock_code, "date,open,high,low,close,volume,amount", 
                                       start_date="2021-01-01", end_date=datetime.date.today().strftime("%Y-%m-%d"),
                                       frequency="d", adjustflag="2")
        if k_data.error_code == '0' and len(k_data.data)>9:
            ## 满足换手率、连续三天阴线的股票
            check_point1 = (k_data.data[-1][4]/k_data.data[-10][4]-1)*100
            check_point2 = all([k_data.data[i][4]<k_data.data[i-1][4] for i in range(-3,0)])
            if float(rs_growth.get_row_data()[7])>0 and check_point1>=3 and check_point1<=12 and check_point2:
                stock_list.append(stock_code)

df = pd.DataFrame(stock_list)
df_rank = df.sort_values(by="capital", ascending=False)
print(df_rank)

#### 登出系统 ####
bs.logout()
    ## 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