(supermind策略)换手率3%-12%、60开头的股票、20日均线大于120日均线_

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:在换手率为3%-12%、股票代码以60开头、20日均线大于120日均线的股票中进行选股。

选股逻辑分析

该选股策略综合考虑了换手率、股票代码和均线因素,根据均线的趋势变化判断股票的多空状态,有利于选出具有一定趋势性的标的,提高投资收益。

有何风险?

该选股逻辑缺乏对行业和宏观经济环境的考虑,只是通过单纯的技术指标进行选股,存在因行情、宏观环境、政策等因素影响而引发的投资风险。

如何优化?

结合行业、宏观经济和政策环境等因素,综合运用量化指标和基本面分析,构建多维度、多因素的选股模型,从而提高选股策略的有效性。

最终的选股逻辑

在换手率为3%-12%、股票代码以60开头、20日均线大于120日均线的股票中进行选股。

同花顺指标公式代码参考

选股公式:选择换手率在3%-12%、股票代码以60开头,同时20日均线大于120日均线的股票。

Python代码参考

import pandas as pd
import tushare as ts

def get_stock_list(pro):
    # 获取股票列表
    stock_info = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,area,industry,market,fullname,enname')
    stock_info = stock_info[stock_info['ts_code'].str.startswith('60')] # 筛选出股票代码以60开头的股票
    return stock_info

def get_good_stocks(stock_list, api):
    # 获取符合选股规则的标的
    good_list = []

    # 获取交易日历和当前交易日
    trade_cal = api.trade_cal(exchange='', start_date='20220101', end_date='20220301', is_open='1')
    trade_cal = trade_cal.loc[trade_cal['cal_date'] >= '2020-01-01', 'cal_date'].tolist()
    current_trade_date = trade_cal[-1]

    # 遍历股票列表
    for idx, stock in enumerate(stock_list.ts_code.tolist()):
        print("正在处理第 {} 只股票,代码为 {}".format(idx+1, stock))

        # 获取股票的日线行情数据
        df = api.daily(ts_code=stock, start_date='20200101', end_date=current_trade_date)

        if df.empty:
            continue

        # 判断20日均线是否大于120日均线
        ma20 = df['close'].rolling(20).mean()
        ma120 = df['close'].rolling(120).mean()
        if ma20.iloc[-1] > ma120.iloc[-1]:
            # 判断换手率是否在3%-12%之间
            daily_basic = api.daily_basic(ts_code=stock, trade_date=current_trade_date)
            if daily_basic.empty:
                continue

            volume_ratio = daily_basic.iloc[0]['turnover_rate']
            if volume_ratio >= 3 and volume_ratio <= 12:
                good_list.append([stock, daily_basic.iloc[0]['total_mv'], df.iloc[-1]['close']])

    return good_list

# 获取股票列表
token = 'your token'
pro = ts.pro_api(token)
stock_list = get_stock_list(pro)

# 获取符合选股规则的标的
good_stocks = get_good_stocks(stock_list, pro)

# 输出结果
df_good_stocks = pd.DataFrame(good_stocks, columns=['stock', 'total_mv', 'price'])
print('选股结果:')
print(df_good_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