(supermind策略)换手率3%-12%、100亿市值以内的无亏损企业、周K线上穿30

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3%-12%、市值100亿以内、无亏损的A股中,选择周K线上穿30周线的股票进行投资。

选股逻辑分析

该选股逻辑通过挑选市值适中、流通性较好且无亏损的个股,通过K线技术分析,选择出现周K线上穿30周线的股票,以期获取投资收益。

有何风险?

该逻辑选股过程没有考虑到基本面及宏观经济因素等因素对个股价值的影响,仅考虑了技术面指标,存在被市场情绪影响的风险。

如何优化?

可以引入多因素模型,综合考虑股票的基本面、行业因素、技术面指标和市场情绪等因素,评估股票的潜在价值和风险,选择表现较好且具备持续发展潜力的个股进行投资。

最终的选股逻辑

在符合换手率3%-12%、市值100亿以内、无亏损的A股中,结合基本面、行业因素、技术面指标和市场情绪等因素,评估股票的发展潜力和风险,选择表现较好且具备持续发展潜力的股票进行投资。同时,根据K线技术分析手段,选择周K线上穿30周线的股票作为潜在投资标的。

同花顺指标公式代码参考

选股公式:(CIRCMV < 10000000000 AND BOARD = 1 AND SHELL = 0 AND TBD = 0 AND IF(WEEKS(CLOSE) > 30 AND CROSS(CLOSE, MA(CLOSE, 30)), 1, 0) = 1 AND (CAPITALIZATION / 100000000) > 10 AND (CAPITALIZATION / 100000000) < 100) ORDER BY CIRCMV DESC

Python代码参考

import pandas as pd
import tushare as ts

def get_good_stocks(N):
    good_list = []
    ts.set_token('your_token')
    pro = ts.pro_api()
    stock_list = pro.stock_basic(exchange='', list_status='L', fields='ts_code')['ts_code']
    
    for ts_code in stock_list:
        if pro.namechange(ts_code=ts_code) and pro.namechange(ts_code=ts_code)['name'].iloc[0].find('ST') >= 0:  # 非ST股票
            continue
        
        # 筛选符合条件的股票
        market_data = pro.daily_basic(ts_code=ts_code, start_date='20220223', end_date='20220223', fields='circ_mv, circ_mv')
        if market_data.empty or market_data.iloc[-1]['circ_mv'] / 100000000 > 100 or market_data.iloc[-1]['circ_mv'] / 100000000 < 10 or market_data.iloc[-1]['board'] != '主板':
            continue
        
        company_data = pro.fina_indicator(ts_code=ts_code, start_date='20190101', end_date='20211231', fields='eps')
        if company_data.empty or company_data.iloc[-1]['eps'] <= 0:
            continue
        
        week_data = pro.weekly(ts_code=ts_code, start_date='20220101', end_date='20220223', fields='close')
        if week_data.empty or len(week_data) < 31 or week_data.iloc[-1]['close'] <= week_data['close'].rolling(30).mean().iloc[-1]:
            continue
        
        good_list.append([ts_code, market_data.iloc[-1]['circ_mv']])
    
    # 根据市值排序
    sorted_data = pd.DataFrame(good_list, columns=['ts_code', 'score']).sort_values(by='score', ascending=False).reset_index(drop=True)
    good_list = sorted_data['ts_code'].tolist()[:N]
    
    return good_list

good_stocks = get_good_stocks(10)
print(good_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