(supermind策略)换手率3%-12%、2021年、股票均价站在五日均线之上_

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、上市年份为2021年、股票均价站在五日均线之上的股票。

选股逻辑分析

该选股策略注重选择换手率、上市年份、技术面因素,选择具有一定潜力的股票。

有何风险?

该选股策略可能存在以下风险:1、忽略了股票的基本面因素,如公司的经营状况、财务指标等因素;2、忽略了股票之间的相对强弱,如是否处于板块的龙头地位;3、过度依赖股价技术指标,存在市场风格轮动等风险。

如何优化?

可以将选股逻辑完善,增加一些基本面指标和相对强弱指标(如行业与板块排名等指标),综合考虑股票的价值和趋势状况,避免选股被片面决策所影响。

最终的选股逻辑

选择换手率在3%-12%之间、上市年份为2021年、股票均价站在五日均线之上的股票。

同花顺指标公式代码参考

通达信指标公式:

ZT: (TURN / CAPITAL_TODAY) >= 0.03 AND (TURN / CAPITAL_TODAY) <= 0.12 AND DAY_T-2 > 0.03 AND DAY_T-2 < 0.28 AND MA(CLOSE,5) > MA(CLOSE,10);
SINCE(1);
SORT_LIST:SINCE(1) = 100 AND ZT;
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'], pd.Timestamp(stock['ipo_date']).year, 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','ipo_year','vol'])

stock_list = get_stock_list(api)

# 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:
        if stock_list.loc[i,'ipo_year'] == 2021:
            # 获取K线数据
            price_data = api.get_k_data(stock_code, 'D', (dt.date.today() - dt.timedelta(days=260)).strftime('%Y-%m-%d'), dt.date.today().strftime('%Y-%m-%d'))
            if price_data.empty:
                continue
            # 判断是否均价站在五日均线之上
            if price_data.iloc[-1].close > price_data.tail(5).close.mean():
                # 取前两天的实际换手率
                last_two_turnover = price_data.iloc[-3:-1].turnover.sum() / 2
                # 选取符合条件的股票
                if (stock_list.loc[i,'vol'] / price_data.iloc[-1].capital >= 0.03) and (stock_list.loc[i,'vol'] / price_data.iloc[-1].capital <= 0.12) and (last_two_turnover > 0.03) and (last_two_turnover < 0.28):
                    condition_list.append(stock_code)
    except:
        pass

result = pd.DataFrame({'stock_code':condition_list})
result = pd.merge(result, stock_list, on=['stock_code'])

# 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