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

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的基础上,选出机构抄底的股票进行选股。

选股逻辑分析

该选股策略通过关注机构的抄底行为,辅以换手率和涨幅的条件,旨在选取落后于市场的、有望反转的股票。

有何风险?

该选股策略存在机构抄底通常是针对长期投资的情况,而短期内可能没有明显的反应,因此选股精度存在一定的不确定性和危险性。

如何优化?

可以考虑引入更多的 策略条件,如量价分析、市净率、市盈率等等,结合基本面分析和技术面分析,以提高选股的精度和有效性。

最终的选股逻辑

在换手率为3%-12%、10日涨幅大于0小于35的基础上,选取机构抄底的股票进行选股。为提高选股精度,可以结合其他条件,如量价分析、市净率和市盈率等等指标,综合考虑股票的基本面和技术面因素。

同花顺指标公式代码参考

该选股策略可能用到的指标包括:换手率、涨幅、机构持股占比、市盈率、市净率等,请根据具体需求自行查询同花顺指标公式,并进行修改与适配。

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')

    # 筛选出机构持股占比大于1%的股票,并检查换手率和涨幅是否符合要求
    for i in range(len(data)):
        ts_code = data.iloc[i]['ts_code']
        daily_info = pro.daily(ts_code=ts_code, start_date='20211021', end_date='20211021')
        if len(daily_info) > 250 and 0 < daily_info.iloc[-1]['pct_chg'] < 0.035 and 0.03 < daily_info['turnover_rate'].iloc[-1] < 0.12:
            inst_info = pro.top10_holders(ts_code=ts_code, start_date='20210930', end_date='20210930')
            inst_share = inst_info[inst_info['holder_name'].str.contains('机构')]['hold_ratio'].sum()
            if inst_share > 1:
                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='20211021', end_date='20211021')
    ma_10 = daily_data['close'][-10:].mean()
    inst_info = pro.top10_holders(ts_code=stock_code, start_date='20210930', end_date='20210930')
    inst_share = inst_info[inst_info['holder_name'].str.contains('机构')]['hold_ratio'].sum()
    pe = daily_data.iloc[-1]['pe']
    pb = daily_data.iloc[-1]['pb']
    result.append([stock_code, daily_data.iloc[-1]['market_cap'], (daily_data.iloc[-1]['close'] / ma_10) - 1, daily_data.iloc[-1]['pct_chg'], inst_share, pe, pb])

# 排序,输出结果
df = pd.DataFrame(result, columns=['stock_code', 'market_cap', 'increase_rate', 'today_increase', 'inst_share', 'pe', 'pb'])
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