(supermind策略)换手率3%-12%、2021年、10天内涨停天数大于2_

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

该选股策略选股逻辑为:选择换手率在3%-12%的股票中,上市年份为2021年且10天内涨停天数大于2的股票。

选股逻辑分析

该选股策略选取了换手率适中、10日内涨停天数较多的股票,有助于挖掘市场强劲的优质股票。此外,选择2021年上市的股票,可从一定程度上确保筛选出能够反映市场最新情况的股票。

有何风险?

该选股策略存在以下风险:1、仅仅着重于股价上涨并忽略公司的基本面和价值属性;2、若10日内涨停次数过多,可能有一定的炒作风险,有可能存在追高套路的情况;3、选股逻辑过于短期,显得过于片面,需要结合其他指标一起分析。

如何优化?

为了更加全面地考虑公司的内外部情况,可以加入一些更加全面的指标,如定量指标和定性指标等,以有利于更全面的筛选符合要求的企业。同时,应该配合股票的基本面和价值属性,结合多个角度对选股逻辑进行分析。

最终的选股逻辑

选择换手率在3%-12%的股票中,上市年份为2021年且10天内涨停天数大于2的股票。

同花顺指标公式代码参考

没有明确的指标可以参考。

Python代码参考

import pandas as pd
from pytdx.hq import TdxHq_API
from pytdx.util.best_ip import select_best_ip

#初始化TdxHq_API()并获取最优IP
api = TdxHq_API()
ip = select_best_ip('tdx')

def get_stock_list(api):
    #遍历股票市场获取所有股票
    dataList = []
    for market in [0, 1]:
        stock_list = api.get_security_list(market, 0)
        results = [(stock['code'], pd.Timestamp(stock['ipo_date']).year, stock['ipo_year'], stock['ipo_price'],
                    stock['ipo_amount'], stock['ltgb'], stock['zy'], stock['zql']) for stock in stock_list if stock['code'][0] in ['0', '3'] and
                   stock['market'] == 0 and stock['ipo_year'] == 2021]
        dataList += results
    return pd.DataFrame(dataList, columns=['stock_code', 'ipo_date', 'ipo_year', 'ipo_price', 'ipo_amount', 'ltgb', 'zy', 'zql'])

def get_matched_stocks(api, stock_list):
    #筛选出符合条件的股票
    condition1 = (stock_list['ltgb'] >= 200000000)
    condition2 = (stock_list['zql'] >= 3) & (stock_list['zql'] <= 12)
    stock_codes = stock_list[condition1 & condition2]['stock_code'].tolist()
    data = api.get_markets_info(47, 0)[1:] # 获取所有股票的涨幅信息
    data = [[i] + data[i][1:] for i in range(len(data))]
    df = pd.DataFrame(data, columns=["code", "ztb", "xsb", "xgzs", "dtszcjlr", "qtszcjlr", "cjl", "cjje"])
    df = df[df['code'].apply(lambda x: str(x).isdigit())]
    df['zt'] = df['dtszcjlr']>=1000000 #单笔强势资金流入100万元以上视为涨停
    df['zt'] = df.groupby(['code'])['zt'].apply(lambda x: x.rolling(10).sum())
    condition3 = (df['zt'] > 2) & (df['code'].isin(stock_codes))
    return df[condition3]['code'].tolist()

#获取股票列表
stock_list = get_stock_list(api)

#筛选符合条件的股票
matched_stocks = get_matched_stocks(api, stock_list)

#输出结果
print('下列股票符合选股策略:')
print(matched_stocks)
    ## 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