需要帮助?

试试AI小助手吧

(supermind量化策略)task17/a/换手率3%-12%、涨跌幅×超大单净量、未

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:选择换手率在3%到12%之间,涨跌幅乘以超大单净量大于0的股票,且该股票的未清偿可转债简称不为空。

选股逻辑分析

该选股策略在之前的逻辑基础上增加了可转债信息,进一步筛选股票。可转债独立市场,对于股票市场的参考具有一定的价值。同时也尽可能地避免了未来数据的影响,更加可靠。

有何风险?

该选股策略仍然忽略了估值等基本面因素的影响,PT下抑制趋势。同时,可转债信息虽然独立但是信息更新不及时,会对选股结果造成一定的滞后,同时还需要考虑市场情况等因素。

如何优化?

可以通过引入其它技术指标,例如RSI指标、KDJ指标等,进行综合评估股票的买卖情绪。同时也可以对策略参数进行反复验证和参数调整等方法进行进一步优化,从而减小策略过拟合的风险。另外针对可转债信息不及时这一问题,还可以采用数据源更新更及时的方法进行进一步优化。

最终的选股逻辑

选择换手率在3%到12%之间,涨跌幅乘以超大单净量大于0的股票,且该股票的未清偿可转债简称不为空。

同花顺指标公式代码参考

以下是同花顺指标所需公式:

选股公式:
-- 计算涨跌幅乘以超大单净量
SuperVolume: (C*Big)/10000;

-- 计算条件选股
SELECT TOPN N * FROM (
    SELECT s.STOCK_CODE, RO_Rank() OVER (ORDER BY SWeight DESC) Rank FROM (
        SELECT CODE AS STOCK_CODE, UnClearedVolumeShortName FROM M_STAR_CONVERTABLEBOND_ISSUE_INFO WHERE UnClearedVolumeShortName IS NOT NULL
    ) c LEFT JOIN (
        SELECT SECURITYCODE, SWeight FROM (
            SELECT SECURITYCODE, SWeight, ROW_NUMBER() OVER (PARTITION BY SECURITYCODE ORDER BY InnerCode ASC) as rownum 
            FROM StockWeight_AIndexWeight
        ) a WHERE rownum = 1
    ) s
    ON c.STOCK_CODE = s.SECURITYCODE
    WHERE 
    2.5<ChangeRatioToRef(1) and ChangeRatioToRef(1)<11.5 and // 涨跌幅在2.5%到11.5%之间
    SuperVolume > 0 and // 当日超大单净量大于0
    VOLUME > 10000 and // 当日成交量大于1万手
    TurnoverRate[1] > 3 and TurnoverRate[1] < 12 // 昨日换手率在3%到12%之间
) WHERE Rank <= N

Python代码参考

以下是Python代码实现该选股逻辑:

import pandas as pd
from typing import List
from datetime import datetime, timedelta
import talib

def select_stock(data: pd.DataFrame, n=10) -> List[str]:
    selected_stocks = []
    for code, df in data.groupby(level=0):
        df = df.sort_values('trade_time', ascending=True)
        if (df['turnover_rate'].iloc[-2] > 3) and (df['turnover_rate'].iloc[-2] < 12) and \
            (df['pct_chg'].iloc[-1] * (df['net_amount'].iloc[-1] / 10000 / df['volume'].iloc[-1]) > 0) and \
            (df['volume'].iloc[-1] > 10000) and (df['uncleared_volume_short_name'].iloc[-1] is not None):
            s_weight = df['turnover_rate'].mean() * df['volume'].mean() / (df['close'].iloc[-1] * 10000)
            selected_stocks.append((code, s_weight))
    selected_stocks.sort(key=lambda x: x[1], reverse=True)
    selected_stocks = selected_stocks[:n]
    return [x[0] for x in selected_stocks]
    ## 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