(supermind策略)换手率3%-12%、60开头的股票、企业性质_

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开头的股票中选择特定企业性质的公司进行选股。

选股逻辑分析

该选股策略主要侧重于剖析公司的基本面,考虑行业中较为优势的企业类型,同时也考虑了股票换手率的因素。

有何风险?

由于重点考虑的是企业性质,在当前的经济环境下,某些企业性质并不符合实际市场需要,投资风险会随之提高。同时,由于企业性质的考虑,策略中的可行性会变得比较复杂。

如何优化?

可以综合加入其他更加全面的财务指标,如净利润增长率、总资产营收等指标,从而对比企业的竞争优势和基本面。同时,可以加入的非财务性指标,如行业趋势、政策环境等影响。

最终的选股逻辑

在换手率为3%-12%、股票代码以60开头的股票中选股,同时加入特定企业性质的筛选条件。

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、符合选定企业性质的股票。

Python代码参考

import pandas as pd
import tushare as ts

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

ENTERPRISE_PROPERTY = ['xx', 'yy']   # 选定企业性质

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)

        if daily_basic.empty or daily_basic.iloc[0]['pe'] <= 0:
            continue
        
        # 进一步筛选符合企业性质的标的
        stock_detail = api.stock_basic(ts_code=stock)
        if stock_detail.iloc[0]['xxxx'] not in ENTERPRISE_PROPERTY:
            continue

        price = daily_basic.iloc[0]['close']
        turnover_rate = daily_basic.iloc[0]['turnover_rate']
        if price < 12 and turnover_rate >= 3 and turnover_rate <= 12:
            good_list.append([stock, daily_basic.iloc[0]['pe'], price])

    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', 'PE', '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