(supermind策略)换手率3%-12%、10日涨幅大于0小于35、买一量_卖一量_

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、买一量大于卖一量的条件下,选择股票进行选股。

选股逻辑分析

加入买一量大于卖一量的条件可以较好的判断当前股票市场的交易气氛,选出市场热点股票。

有何风险?

该选股逻辑只考虑了当前交易气氛的热度,并未考虑公司基本面,存在可能因公司基本面变化导致投资风险。

如何优化?

要综合考虑公司基本面、行业前景等因素,建立起全面而符合实际的选股逻辑。同时,要紧密关注行业政策、市场情况等重要信息,及时调整选股策略,降低投资风险。

最终的选股逻辑

在换手率为3%-12%、10日涨幅大于0小于35、买一量大于卖一量的条件下进行选股。同时,要综合考虑公司基本面、行业前景等因素,建立起全面而符合实际的选股逻辑。要紧密关注行业政策、市场情况等重要信息,及时调整选股策略,降低投资风险。

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 BUY_ACOUNT>Sell_ACOUNT)

其中TURNOVER表示换手率,INCREASE表示10日涨幅,BUY_ACOUNT和SELL_ACOUNT表示买一量和卖一量。

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')

    # 匹配符合条件的股票
    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:
                buy_count = daily_info.iloc[-1]['buy_count']
                sell_count = daily_info.iloc[-1]['sell_count']
                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

                if buy_count > sell_count and turnover_ratio > 0.03 and turnover_ratio < 0.12 and increase_rate > 0 and increase_rate < 0.35:
                  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