(supermind策略)换手率3%-12%、100亿市值以内的无亏损企业、底部抬高_

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,挑选底部逐渐抬高的股票。

选股逻辑分析

该选股策略主要侧重于挑选股票的技术面,通过挑选底部抬高的股票,寻找市场趋势的良好转折点。但是,该选股策略较为依赖技术面指标,对于其他因素可能会忽略,需要注意综合来考虑。

有何风险?

忽略了公司的基本面和长期前景,可能会选出某些假象。此外,在用技术指标挖掘底部逐渐抬高的股票时,假如市场出现持续下跌的走向,股价下跌从而可能造成持仓成本较高。

如何优化?

可以结合多种因素进行选股,综合考虑这些因素,包括但不限于基本面、技术面、市场情绪等指标。比如在选择底部逐渐抬高的股票时,可以考虑相对强度指标、一些成交量的指标、KDJ指标等多角度指标。

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,综合技术面和基本面,挑选出底部逐渐抬高,以及市场情绪稳定的股票,以实现相对比较良好的市场表现。

同花顺指标公式代码参考

选股公式:(HSL >= 0.03 AND HSL <= 0.12 AND CIRC_MV <= 100000000 AND N_INCOME > 0 AND REF(MIN(CLOSE,6),0) < REF(MIN(CLOSE,6),3) AND REF(MIN(CLOSE,6),3) < REF(MIN(CLOSE,6),6) ORDER BY WIN_RATIO DESC LIMIT 20)

Python代码参考

import pandas as pd
import tushare as ts

def get_good_stocks():
    good_list = []

    ts.set_token('your_token')
    pro = ts.pro_api()

    # 获取股票列表
    stock_list = pro.stock_basic(exchange='', list_status='L', fields='ts_code, name, industry, market, list_date')

    for ts_code in stock_list['ts_code']:

        # 判断该股票是否亏损
        income_data = pro.income(ts_code=ts_code, start_date='20200101', end_date='20211231')
        if income_data[income_data.report_type == '1'].iloc[-1]['n_income'] < 0:
            continue

        # 判断底部是否逐渐抬高
        quote_data = pro.query('daily', ts_code=ts_code, start_date='20210101', end_date='20220228', fields='ts_code, trade_date, close')

        if quote_data[quote_data.ts_code == ts_code]['close'].rolling(6, min_periods=6).min().iloc[-1] > quote_data[quote_data.ts_code == ts_code]['close'].rolling(6, min_periods=6).min().shift(3).iloc[-1] and quote_data[quote_data.ts_code == ts_code]['close'].rolling(6, min_periods=6).min().shift(3).iloc[-1] > quote_data[quote_data.ts_code == ts_code]['close'].rolling(6, min_periods=6).min().shift(6).iloc[-1]:
            good_list.append({
                'ts_code': ts_code,
                'name': stock_list[stock_list.ts_code == ts_code].iloc[0]['name'],
                'industry': stock_list[stock_list.ts_code == ts_code].iloc[0]['industry'],
                'market': stock_list[stock_list.ts_code == ts_code].iloc[0]['market'],
            })

    good_stocks = pd.DataFrame(good_list)
    return good_stocks

good_stocks = get_good_stocks()
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