(supermind策略)换手率3%-12%、60开头的股票、今日均线向上发散_

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开头且今日均线向上发散的股票中选股。

选股逻辑分析

该选股策略在基本面要素中增加了今日均线向上发散的技术指标,以进一步筛选出有一定上涨潜力的标的股票。同时,基本面要素如换手率和股票代码以60开头也是在考虑股票的稳健性和市场地位。

有何风险?

该选股策略可能会忽略标的的整体基本面和中长期趋势,而过分关注短期技术指标,有可能导致选到一些短期表现好但长期未必具有投资价值的股票。

如何优化?

可以增加基本面和其他技术指标的筛选标准,如市盈率、市净率等指标,以综合考虑标的的整体价值和长期趋势。此外,可以结合其他技术分析指标和自定义技术指标进行选股,进一步提高选股的精度。

最终的选股逻辑

在换手率为3%-12%、股票代码以60开头且今日均线向上发散的股票中选股。

同花顺指标公式代码参考

选股公式:选取股票代码以60开头、换手率为3%-12%、今日均线向上发散的标的。可以使用通达信的技术指标进行选股,如均线等。

Python代码参考

import pandas as pd
import tushare as ts

token = 'your token'
pro = ts.pro_api(token)

# 获取均线指标
def get_ma(df, n):
    ma = df.close.rolling(n).mean()
    return ma

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))
        daily_basic = api.daily_basic(ts_code=stock, trade_date=current_trade_date)
        # 获取今日均线值
        daily = api.daily(ts_code=stock, trade_date=current_trade_date)
        daily = daily[['ts_code', 'trade_date', 'close']]
        ma = get_ma(daily, 5)
        if daily_basic.empty or ma[-1] <= ma[-3] or daily.iloc[-1]['close'] <= ma.iloc[-1]:
            continue

        turnover_rate = daily_basic.iloc[0]['turnover_rate']  # 换手率
        if turnover_rate >= 3 and turnover_rate <= 12:
            good_list.append([stock, turnover_rate, ma[-3], ma[-2], ma[-1]])

    return good_list

# 获取股票列表
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', 'turnover_rate', 'MA3', 'MA2', 'MA1'])
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