(supermind策略)换手率3%-12%、10日涨幅大于0小于35、饮料酒进出口_

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、公司主营业务为饮料酒进出口的条件下,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,加入了公司主营业务为饮料酒进出口的条件来判断股票的投资价值,因为该行业具有一定的稳定性和潜力性。

有何风险?

该行业的盈利受到国际市场的竞争和政策因素的影响较大,可能会面临较大的经营风险。此外,公司财务数据的真实性、公司治理结构等因素也可能对选股结果产生影响,选股策略的适用性有待验证。

如何优化?

除了考虑公司主营业务之外,要综合考虑行业前景、公司财务状况、公司治理结构等因素,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、国际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、公司主营业务为饮料酒进出口的条件下进行选股。同时,要综合考虑行业前景、公司财务状况、公司治理结构等因素,建立起符合实际的选股逻辑。要紧密关注行业政策、国际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 MARKET='饮料制造')

其中TURNOVER表示换手率,INCREASE表示10日涨幅,MARKET表示公司主营业务所在行业。

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:
                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

                # 判断主营业务是否为饮料酒进出口
                company_info = pro.stock_company(ts_code=ts_code)
                if company_info.iloc[0]['main_business'] == '饮料酒进出口':
                    if 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