(supermind策略)换手率3%-12%、2021年、连续3天以上大单净量大于0

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、连续3天以上大单净量大于0.05的股票。

选股逻辑分析

该选股策略注重选择换手率、上市年份等基本面因素,同时结合连续3天以上大单净量大于0.05的技术指标,充分考虑了量价关系,可避免或降低投资者对市场波动的恐慌,选出价值稳健的股票。

有何风险?

该选股策略可能存在以下风险:1、连续3天以上大单净量大于0.05的标准可能过于苛刻;2、过分依赖技术指标,可能会忽视公司基本面的影响。

如何优化?

可以根据历史数据对连续3天以上大单净量大于0.05的标准进行调整,同时在选择股票时,进行一定的基本面因素分析,以依据公司基本面并结合量价指标,提高投资的可持续性和谨慎性。

最终的选股逻辑

选择换手率在3%-12%之间、上市年份为2021年、连续3天以上大单净量大于0.05的股票。

同花顺指标公式代码参考

选股逻辑中需要用到连续3天以上大单净量大于0.05的技术指标公式,具体如下:

C=(ADV/10000+VV/100000000)*100/(CV/100000000)
大单净量(ADV) = 主买额 - 主卖额
总成交量(VV) = 买入数 + 卖出数
成交额(CV) = (买入价格 * 买入数 + 卖出价格 * 卖出数)/ 10000

其中,ADV表示大单净量,VV表示总成交量,CV表示成交额,C为比率。

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)

# 获取符合条件的股票列表
block = api.get_security_quotes([(0, '000001'), (1, '399001')])
pct_changes = pd.Series([block[0]['last_close']] + [x['price'] for x in block[1]])
pct_changes = (pct_changes - pct_changes.shift(1)) / pct_changes.shift(1)
pct_changes = pct_changes[1:]
matched_stocks = list(pct_changes[pct_changes <= -0.099].index)
result = pd.DataFrame({'stock_code':matched_stocks})
result = pd.merge(result, stock_list, on=['stock_code'])

stock_codes = []
for stock_code in result['stock_code']:
    data = api.get_tick_data(stock_code)
    if len(data) < 3:
        continue
    adv = data['buy'] - data['sell']
    vv = data['volume']
    cv = data['price'] * data['volume']
    c = (adv / 10000 + vv / 100000000) * 100 / (cv / 100000000)
    if all(c.tail(3) > 0.05):
        stock_codes.append(stock_code)

result = pd.DataFrame({'stock_code':stock_codes})
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