(supermind策略)换手率3%-12%、2021年、归属母公司股东的净利润(同比增长

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%之间、上市时间为2021年、最近一年归属母公司股东的净利润同比增长率在20%至100%之间的股票。

选股逻辑分析

该选股策略主要考虑了股票的交易活跃度、公司成长性和基本面情况。选取在交易活跃度较高的股票中过去一年净利润同比增速表现良好的股票,以期获得较高的投资收益。

有何风险?

该选股策略可能存在以下风险:1、选股过于偏重于过去一年的财务数据,忽略了公司未来的成长性和潜在潜力;2、被市场炒作或者过度期待,从而产生价格偏离;3、忽略了股票的价值投资特征。

如何优化?

可以增加对公司未来发展的预期分析,或者对基本面改善趋势的跟踪,如公司的财务报告等;同时也可以加入一些价值投资的因素,如股息率等。另外,需要注意市场风险和卡位操作风险。

最终的选股逻辑

选股逻辑为:选择换手率在3%-12%之间、上市时间为2021年、最近一年归属母公司股东的净利润同比增长率在20%至100%之间的股票。

同花顺指标公式代码参考

通达信指标代码:

INDATE(YEAR(DATE))=2021;
ZT:(FIELD030/REF(FIELD030,240)-1)*100>20 AND (FIELD030/REF(FIELD030,240)-1)*100<=100;
SORT_LIST:SINCE(50)=1 AND ZT;
SORT_BY_DESC(SORT_LIST); 
SELECTED:=SORT_LIST;

python代码参考

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

api = TdxHq_API()
ip = select_best_ip('tdx')

def get_stock_list(api):
    dataList = []
    for market in [0,1]:
        stock_list = api.get_security_list(market, 0)
        results = [(stock['code'], stock['volunit'] * 100) for stock in stock_list if stock['code'][0] in ['0', '3', '6']]
        dataList += results
    return pd.DataFrame(dataList, columns=['stock_code','vol'])

stock_list = get_stock_list(api)

# 得到2021年数据
data = api.get_security_bars(9, 0, "000001", 0, 10)
startDate = int(data[-1]['datetime'])
startYear = startDate // 10000 # 开始年份
periods = 2021 - startYear # 数据期数

# 逐个股票地进行选股策略
condition_list = []
for i in range(len(stock_list)):
    stock_code = stock_list.loc[i,'stock_code']
    try:
        q_data = api.get_finance_info(0, stock_code)
        if q_data.iloc[0]['ji_gu_zhi_zuo_li_run_tong_bi_zeng_zhang_lv'] > 0.2 and \
            q_data.iloc[0]['ji_gu_zhi_zuo_li_run_tong_bi_zeng_zhang_lv'] <= 1 and \
            q_data.iloc[0]['ji_gu_zhi_zuo_li_run_tong_bi_zeng_zhang_lv'] != 'nan':
            k_data = api.get_security_bars(9, 0, stock_code, startDate-240, 241)
            close_list = [x['close'] for x in k_data]
            if (close_list[-1] < close_list[0]) and ('9:25' in k_data[-1]['time']):
                condition_list.append(stock_code)
    except:
        pass

# 根据成交量选取符合条件的股票
result = pd.DataFrame(condition_list, columns=['stock_code'])
result = pd.merge(result, stock_list, on=['stock_code'])
result = result[result.vol >= 20000]
result = result[result.vol <= 1000000]

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