(supermind策略)换手率3%-12%、100亿市值以内的无亏损企业、股票均价站在五

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,选择股票均价站在五日均线之上的个股进行投资。

选股逻辑分析

该选股逻辑通过在市值适中、流通性良好、无亏损的股票中,选择当前股价均线表现较好的股票,筛选出近期表现较好的股票,并避免了高频交易的可能性,降低了投资风险。

有何风险?

该选股逻辑没有考虑股票的基本面因素和市场整体因素的影响,只着眼于股票技术面的指标。忽略基本面风险、市场风险等可能因素,造成投资风险。

如何优化?

为了更全面的评估股票价值,应加入公司基本面和市场整体因素的影响,如公司盈利能力、财务状况、行业前景、政策环境等指标作为参考因素,同时应该考虑市场多重因素的影响。通过综合考虑多个维度的关键指标,实现精准择股并降低投资风险。

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,选择股票均价站在五日均线之上的个股进行投资,并综合考虑个股的基本面情况和市场整体因素的影响,以规避选股风险。

同花顺指标公式代码参考

选股公式:(CIRCMV <= 10000000000 AND SHELL = 0 AND TBD = 0 AND (CLOSE > MA5 AND LLV(VOL,1)>=0.0310000 AND LLV(VOL,1)<=0.1210000)) 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
            
        market_data = pro.daily_basic(ts_code=ts_code, start_date='20220222', end_date='20220222', fields='ts_code, circ_mv, turnover_rate')
        if market_data.empty or market_data.iloc[-1]['circ_mv'] > 10000000000 or market_data.iloc[-1]['turnover_rate'] < 0.03 or market_data.iloc[-1]['turnover_rate'] > 0.12:
            continue
        
        k_data = pro.daily(ts_code=ts_code, start_date='2022021', end_date='20220222', fields='close')
        if k_data.empty or k_data['close'].iloc[-1] < pd.Series.rolling(k_data['close'], window=5).mean().iloc[-1]:
            continue
        
        finance_data = pro.fina_indicator(ts_code=ts_code, start_date='20190101', end_date='20211231', fields='eps')
        if finance_data.empty or finance_data.iloc[-1]['eps'] <= 0:
            continue
        
        good_list.append([ts_code, market_data.iloc[-1]['turnover_rate'], market_data.iloc[-1]['circ_mv']])
    
    sorted_data = pd.DataFrame(good_list, columns=['ts_code', 'score', 'circ_mv']).sort_values(by='score', ascending=False).reset_index(drop=True)
    good_list = sorted_data[sorted_data['circ_mv'] <= 10000000000]['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