(supermind策略)换手率3%-12%、60开头的股票、底部抬高

问财量化选股策略逻辑

选股逻辑为：在换手率为3%-12%、股票代码以60开头且底部抬高的股票进行选股。

选股逻辑分析

该选股策略主要关注流动性和市场分布，考虑底部抬高的趋势，同时需要结合技术分析进行股票选取。底部抬高情况表示股票价格的下跌趋势正在结束，股价可能会反转上涨，在回升阶段可能更具投资潜力。

有何风险？

该选股策略可能会忽略企业的基本面分析因素，如资产负债率、净利润、营业收入等，过度追求市场分布和底部抬高。同时，如果不关注整体市场因素，如宏观经济政策、股市波动等也容易造成投资风险。

如何优化？

除了关注流动性和市场分布并考虑底部抬高趋势外，也需要加入企业的基本面分析因素从而更好地评估企业的价值和投资潜力。同时也需要结合整体市场因素的情况，如宏观经济政策、股市波动等，进行合理的选股。

最终的选股逻辑

在换手率为3%-12%、股票代码以60开头且底部抬高的情况下，结合技术分析进行选股。

同花顺指标公式代码参考

选股公式：

(CODETYPE="2" AND LEFT(CODE,2)="60"
AND REVERSE(MA(CLOSE,20))<REF(REVERSE(MA(CLOSE,20)),1)
AND REVERSE(MA(CLOSE,20))<REF(REVERSE(MA(CLOSE,20)),2)
AND REF(REVERSE(MA(CLOSE,20)),1)>REF(REVERSE(MA(CLOSE,20)),2)
AND REVERSE((MA(CLOSE,20)-REF(MA(CLOSE,20),2))/REF(MA(CLOSE,20),2))>0)

Python代码参考

import pandas as pd
import tushare as ts

# 获取符合条件的股票列表
def get_good_stocks(pro):
    good_list = []

    # 调用Tushare接口获取所有股票数据
    data = pro.stock_basic(exchange='', list_status='L')

    # 匹配满足条件的股票
    for i in range(len(data)):
        ts_code = data.iloc[i]['ts_code']
        if ts_code[:2] == '60':
            daily_data = pro.daily(ts_code=ts_code, start_date='20211011', end_date='20211018')
            ma20_data = pro.ma(ts_code=ts_code, start_date='20211011', end_date='20211018', period=20)
            if daily_data['turnover_rate'].mean() >= 0.03 and daily_data['turnover_rate'].mean() <= 0.12:
                if ma20_data['ma_v_20'][-1] < ma20_data['ma_v_20'][-2] and ma20_data['ma_v_20'][-1] < ma20_data['ma_v_20'][-3]:
                    if ma20_data['ma_v_20'][-2] > ma20_data['ma_v_20'][-3]:
                        if ((ma20_data['ma_v_20'] - ma20_data['ma_v_20'].shift(2)) / ma20_data['ma_v_20'].shift(2)).iloc[-1] > 0:
                            good_list.append(ts_code)              

    return good_list

# 获取所有符合条件的股票
token = "your token"
pro = ts.pro_api(token)
good_stocks = get_good_stocks(pro)

# 计算符合条件的股票的市值和涨幅
result = []
for stock_code in good_stocks:
    daily_data = pro.daily(ts_code=stock_code, start_date='20211011', end_date='20211018')
    increase_list = daily_data['close'].pct_change()
    result.append([stock_code, daily_data.iloc[-1]['close'] / daily_data.iloc[0]['close']])

# 排序，输出结果
df = pd.DataFrame(result, columns=['stock_code', 'increase_rate'])
df = df.sort_values(by='increase_rate', ascending=False)
print(df.head(10))

    ## 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)

(supermind策略)换手率3%-12%、60开头的股票、底部抬高_