(supermind策略)换手率3%-12%、2021年、今日最低价小于昨日最低价_

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%、上市年份为2021年、今日最低价小于昨日最低价的股票。

选股逻辑分析

该选股策略同样采用了技术面选股法,筛选出今日最低价小于昨日最低价的股票。其次,该策略还考虑了市场的流动性,选取了换手率在3%~12%之间,以及时间的限制,即上市年份为2021年的股票。综合考虑了市场的流动性和近期股票表现等技术面因素。

有何风险?

该选股策略存在以下风险:1、过分强调近期股票表现,忽视公司的基本面因素;2、与其他选股策略相同,可能会漏掉一些近期股价表现不佳但潜力较大的股票。

如何优化?

可以加入其他指标,如市净率、市盈率等,来更好地综合考虑企业的估值水平和发展潜力,从而寻找到更优质的股票。同时,可以结合市场情况动态地更改选股策略。

最终的选股逻辑

选择换手率在3%-12%、上市年份为2021年、今日最低价小于昨日最低价的股票。

同花顺指标公式代码参考

选择换手率在3%-12%、上市年份为2021年、今日最低价小于昨日最低价的股票:

CXBZ == '' and SUBSTR(CODE, 1, 1) not in ('I', '7') and HSL >= 3 and HSL <= 12 and SUBSTR(CODE, 1, 3) not in ('300', '688')
and LOW < REF(LOW,1);

Python代码参考

import pandas as pd
import datetime
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'], stock['cxbz'], stock['lhb'], stock['jlr'], stock['pe']) for stock in stock_list if
                   stock['code'][0] in ['0', '3'] and stock['market'] != 43]
        dataList += results
    return pd.DataFrame(dataList, columns=['stock_code', 'ipo_date', 'ipo_year', 'ipo_price', 'ipo_amount', 'ltgb', 'zy', 'zql', 'cxbz', 'lhb', 'jlr', 'pe'])

def get_matched_stocks(api, stock_list):
    # 筛选出符合条件的股票
    yesterday = (datetime.datetime.today() - datetime.timedelta(days=1)).strftime('%Y%m%d')
    data = api.get_security_bars(9, 0, stock_list['stock_code'].tolist(), len(stock_list), 47)
    data = pd.DataFrame(data, columns=['trade_date', 'open', 'close', 'high', 'low', 'vol', 'amount', 'ltgb',
                                       'marketvalue', 'zy', 'ssf'])
    data = data[data['low'] < data['low'].shift(1)]
    matched_stocks = data['stock_code'].tolist()
    return matched_stocks

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

#筛选出符合条件的股票
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