(supermind策略)换手率3%-12%、10日涨幅大于0小于35、macd零轴以上_

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%、10日涨幅大于0小于35且MACD零轴以上的条件下,选股。

选股逻辑分析

该选股策略主要考虑到股票的市场活跃度和趋势性因素,同时加入MACD作为技术指标,筛选出符合10日涨幅和MACD要求的股票,以期实现高投资回报和市场风险控制的平衡。

有何风险?

该选股策略的风险在于,MACD指标所反映的历史股价的变化和趋势性信息,仅作为技术指标,一定程度上反映了股票变化的趋势,但未必能全面反映其他市场和公司新闻、信息等其他因素的影响。同时,MACD指标存在滞后性,对于股价波动较快的股票,容易使选股策略过时。

如何优化?

可以考虑引入其他技术指标,如KDJ、RSI等指标,以增加选股指标的准确性和全面性。同时,加强对于选股策略中所使用指标的深入理解和分析,以更好地控制市场风险。

最终的选股逻辑

在换手率为3%-12%、10日涨幅大于0小于35且MACD零轴以上的条件下进行选股。加强对技术指标MACD的深入分析,增加其他指标进一步提升选股准确性和全面性。在风险管控上,加强市场风险控制,定期优化股票池。

同花顺指标公式代码参考

选股公式:
(TURNOVER>0.03 AND TURNOVER<0.12 AND INCREASE>0 AND INCREASE<0.35 AND MACD()>=0)

其中INCREASE表示10日涨幅,TURNOVER表示换手率,MACD()表示MACD指标的零轴。

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']
        daily_info = pro.daily(ts_code=ts_code, start_date='20210901', end_date='20211022')
        if ts_code[:2] != '60' and 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 = talib.MACD(daily_info['close'], fastperiod=12, slowperiod=26, signalperiod=9)
            if turnover_ratio >= 0.03 and turnover_ratio <= 0.12 and increase_rate >= 0 and increase_rate <= 0.35 and macd[2][-1] >= 0:
                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']])

# 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

需要帮助?

试试AI小助手吧