(supermind策略)换手率3%-12%、2021年、非ST(10点之前选股票)五部涨

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、排除ST股,并采用非ST五部涨停战法选股。

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,并排除ST股,将重心放在技术指标上,采用五部涨停战法进行选股。这种方法建立在涨停板集中出现的市场环境下,该策略一定程度能够挖掘出短期内表现优异的股票。但是,该策略并不保证持续性,需要及时平仓,避免遭受逆势变盘的风险。

有何风险?

该选股策略存在以下风险:1、过分依赖短期涨幅,可能会忽视公司基本面的影响;2、涨停板出现不确定性,可能导致损失。

如何优化?

应该加入一定的基本面因素分析,将技术指标与基本面相结合,提高投资的可持续性和谨慎性。同时,应严格控制仓位,加入风控策略,避免遭受亏损。

最终的选股逻辑

选择换手率在3%-12%之间、上市年份为2021年、排除ST股,并采用非ST五部涨停战法选股。

同花顺指标公式代码参考

该选股策略中涉及到非ST五部涨停战法,具体指标公式如下:

五部涨停战法 = (当日上涨股票数/当日交易股票数)*100%

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 <= -0.10].index)
result = pd.DataFrame({'stock_code':matched_stocks})
result = pd.merge(result, stock_list, on=['stock_code'])

# 判断是否ST股
st_stock_codes = []
for stock_code in result['stock_code']:
    info_df = api.get_security_info(stock_code)
    if 'ST' not in info_df['stock_name']:
        st_stock_codes.append(stock_code)
result = pd.DataFrame({'stock_code':st_stock_codes})
result = pd.merge(result, stock_list, on=['stock_code'])

# 非ST五部涨停战法
non_st_codes = []
for stock_code in result['stock_code']:
    kline = api.get_k_data(stock_code, '2021-05-01', '2021-06-01')
    if len(kline) < 5:
        continue
    sub_set = kline.tail(5)
    up_days = sub_set[sub_set['close'] > sub_set['open']]['close']
    if len(up_days) < 2:
        continue
    up_part = len(up_days)/len(sub_set)
    if up_part >= 0.6:
        non_st_codes.append(stock_code)

result = pd.DataFrame({'stock_code':non_st_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