(supermind策略)换手率3%-12%、10日涨幅大于0小于35、dea上涨_

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:在换手率为3%-12%、10日涨幅大于0小于35、DEA上涨的条件下,选择股票进行选股。

选股逻辑分析

在考虑股票的基本面和趋势性的基础上,加入了技术分析的指标DEA上涨的条件,以判断股票的投资价值。

有何风险?

股票的基本面受到市场影响较大,市场情绪的变化对于股票的影响比较大。此外,技术分析的指标DEA上涨是根据过往数据计算出来的,因此其未来值的不确定性也会导致策略选出的股票的投资价值大幅下降。

如何优化?

要综合考虑各种因素,如股票的品牌价值、财务状况、市场前景等,来判断一个股票的投资价值。货币政策、经济形势、市场环境等方面的重大事件也要及时关注并加以分析。同时,为减少投资风险,应该规避权重过高或风格单一的投资。

最终的选股逻辑

在换手率为3%-12%、10日涨幅大于0小于35、DEA上涨的条件下进行选股。同时,要综合考虑各种因素,如股票的品牌价值、财务状况、市场前景等,来判断一个股票的投资价值。货币政策、经济形势、市场环境等方面的重大事件也要及时关注并加以分析。为减少投资风险,应该规避权重过高或风格单一的投资。

同花顺指标公式代码参考

用通达信实现这个策略,用到的条件如下:
(TURNOVER>0.03 AND TURNOVER<0.12 AND INCREASE>0 AND INCREASE<0.35 AND REF(MACD_DEA(),1)<MACD_DEA())

其中TURNOVER表示换手率,INCREASE表示10日涨幅,MACD_DEA表示MACD的DEA线值。

Python代码参考

import pandas as pd
import tushare as ts

# 获取符合条件的股票列表
def get_good_stocks(pro):
    good_list = []

    # 调用Tushare接口获取所有股票数据
    data = pro.stock_basic(exchange='', list_status='L')

    # 匹配满足条件的股票
    for i in range(len(data)):
        ts_code = data.iloc[i]['ts_code']
        if ts_code[:2] != '60' and ts_code[:3] != '688':
            daily_info = pro.daily(ts_code=ts_code, start_date='20210901', end_date='20211022')
            if daily_info[daily_info['pct_chg'] == 10].shape[0] == 0:
                turnover_ratio = daily_info[daily_info['turnover_rate'] > 0]['turnover_rate'].mean()
                increase_rate = (daily_info.iloc[-1]['close'] / daily_info.iloc[0]['close']) - 1
                macd = (daily_info['close']*2 + daily_info['open'] + daily_info['high'] + daily_info['low'])/6
                dea = macd.ewm(span=9).mean()

                if turnover_ratio > 0.03 and turnover_ratio < 0.12 and increase_rate > 0 and increase_rate < 0.35 and dea[-1] > dea[-2]:
                    good_list.append(ts_code)

    return good_list

# 获取所有符合条件的股票
token = "your token"
pro = ts.pro_api(token)
good_stocks = get_good_stocks(pro)

# 计算符合条件的股票的市值和涨幅
result = []
for stock_code in good_stocks:
    daily_data = pro.daily(ts_code=stock_code, start_date='20211022', end_date='20211022')
    result.append([stock_code, daily_data.iloc[-1]['market_cap'], (daily_data.iloc[-1]['close'] / daily_data.iloc[0]['close']) - 1])

# 排序,输出结果
df = pd.DataFrame(result, columns=['stock_code', 'market_cap', 'increase_rate'])
df = df.sort_values(by='increase_rate', ascending=False)
print(df.head(10))
    ## 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