(supermind策略)换手率3%-12%、2021年、酷特智能早晨之星_

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,且符合酷特智能早晨之星形态的股票。

选股逻辑分析

该选股策略选股逻辑结合了换手率和形态分析等因素,能够综合考虑股票的基本面和技术面,同时具有寻找反转走势的功能。酷特智能早晨之星形态是一种反转形态,出现在下跌趋势中,可以预示股票的反转走势。

有何风险?

该选股策略存在以下风险:1、形态分析具有一定的主观性,需要结合其他技术指标进行判断;2、选股仍然存在一定的盲目性,需要结合其他因素进行综合判断。

如何优化?

可加入其他基本面指标和技术指标,以辅助判断股票的买卖情况,并且应结合不同市场和周期进行多方面的回测,以判断该选股策略的稳定性和实际效果。

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,且符合酷特智能早晨之星形态的股票。

同花顺指标公式代码参考

C1:=REF(CLOSE,1);
C2:=REF(CLOSE,2);
C3:=REF(CLOSE,3);
O1:=REF(OPEN,1);
O2:=REF(OPEN,2);
O3:=REF(OPEN,3);
COND1:=O2C1 AND MIN(O1,C1)<C2 AND (O1-C1)/C1>0.009 AND (C2-O2)/O2>0.007 AND (O2-C3)/C3>0.015;
COND2:=O<REF(O,1) AND REF(O,1)<REF(O,2) AND MIN(O,CLOSE)>REF(LOW,1) AND O<LOW;
STICKLINE(COND1 AND COND2,0,LOW,1,0),COLORGREEN;

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)
    matched_stocks = []
    for code in stock_list[condition1 & condition2]['stock_code'].tolist():
        data = api.get_k_data(code, 'D', '20210101', '20211231')
        if len(data) >= 4:
            c1 = data['close'].shift(1)
            c2 = data['close'].shift(2)
            c3 = data['close'].shift(3)
            o1 = data['open'].shift(1)
            o2 = data['open'].shift(2)
            o3 = data['open'].shift(3)
            cond1 = ((o2 < c2) & (o1 > c1) & (min(o1, c1) < c2) & ((o1-c1)/c1 > 0.009) & ((c2-o2)/o2 > 0.007) & ((o2-c3)/c3 > 0.015))
            cond2 = ((data['open'] < c1) & (c1 < c2) & (min(data['open'], data['close']) > data['low'].shift(1)) & (data['open'] < data['low']))
            if cond1.iloc[-1] & cond2.iloc[-1]:
                matched_stocks.append(code)
    return matched_stocks

#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