(supermind策略)换手率3%-12%、100亿市值以内的无亏损企业、收盘价大于昨日

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,选择收盘价大于昨日最低价的股票进行投资。

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,结合股票价格走势,选取收盘价大于昨日最低价的股票进行投资,以期获取投资收益。

有何风险?

该选股逻辑没有考虑个股未来的发展潜力和估值因素,仅单独考虑了股票价格走势、流通性等因素,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。
同时,可以将股票价格的波动率或者涨跌幅等技术指标加入到选股逻辑中,更细化地筛选出具备优质估值、稳定运营和稳健价格走势的标的。

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,根据股票价格走势和技术面指标的变化,细化筛选出具备优质估值、稳定运营和稳健价格走势的标的。

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 CLOSE > DELIST_PRICE(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
        
        # 股票价格走势筛选
        daily_data = pro.daily(ts_code=ts_code, start_date='20220222', end_date='20220223', fields='close, low')
        if daily_data.empty or daily_data.iloc[-1]['close'] <= daily_data.iloc[-1]['low'].shift(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