(supermind策略)换手率3%-12%、k小于20、买一量_卖一量

问财量化选股策略逻辑

选股逻辑为：在换手率3%-12%，K小于20，且买一量大于卖一量的前提下，选股买入。

选股逻辑分析

该选股策略相较于之前的策略，更关注股票的交易情况，选择买一量大于卖一量的股票，可以更有效地筛选出具有潜力的股票。同时，换手率与K值的限制能够对股票进行盘面筛选，避免过高的交易频率和股价过高的风险。

有何风险？

买一量大于卖一量可以反映市场对该股的短期看好程度，但这种热度不一定能够持续，长期实力更加重要。此选股策略也可能会出现大量股票属于低市值小市盈率的小盘股，风险可能较大。

如何优化？

可以加入其他层面的因素，如财务指标、行业情况等因素加以综合考虑。特别是在买一量大于卖一量时，应该考虑当前的成交量是否符合股票的正常交易情况，避免因为非正常因素导致股票筛选出现偏差。

最终的选股逻辑

在换手率3%-12%，K小于20，买一量大于卖一量的前提下，筛选出符合条件的股票作为买入信号。同时，需结合其他层面的因素进行多角度综合分析，制定更加全面且完善的选股策略。

同花顺指标公式代码参考

选股条件：(VOL1 > VOL2) AND (K < 20) AND (VOLUME >= 0.02 * CAPITALA) AND (SWS1 >= 'vs01' AND SWS1 <= 'vs02') AND (TCLOSE >= 5) AND (TCAP >= 2000000000)
选股结果：fml('(VOL1 > VOL2) AND (K < 20) AND (VOLUME >= 0.02 * CAPITALA) AND (SWS1 >= \'vs01\' AND SWS1 <= \'vs02\') AND (TCLOSE >= 5) AND (TCAP >= 2000000000)', TC)

Python代码参考

import tushare as ts
import pandas as pd

# 筛选好股票函数
def select_good_stocks():
    # 换手率3%-12%
    basic_info = ts.get_stock_basics()
    good_stocks = basic_info[(basic_info['turnoverratio'] >= 3) & (basic_info['turnoverratio'] <= 12)]
    
    # 买一量大于卖一量
    today_data = ts.get_today_all()
    today_data['vol_diff'] = today_data['b1_v'] - today_data['a1_v']
    good_stocks = pd.merge(good_stocks, today_data[['code', 'vol_diff']], on='code')
    good_stocks = good_stocks[good_stocks['vol_diff'] > 0]
    
    # K值小于20
    for stock in good_stocks.index.tolist():
        df1 = ts.get_k_data(stock, ktype='D')
        if df1.iloc[-1]['K'] >= 20:
            good_stocks.drop([stock], inplace=True)
            continue
    
    # 行业情况
    sw_industry = ts.get_industry_classified()
    sw_industry.set_index('code', inplace=True)
    good_stocks = pd.merge(good_stocks, sw_industry, on='code')
    good_stocks = good_stocks[good_stocks['c_name'].str.contains('饮料酒进口')]
    
    # 收盘价、总市值
    close_df = ts.get_today_all()[['code', 'trade', 'mktcap']]
    close_df.columns = ['code', 'close', 'mktcap']
    close_df['code'] = close_df['code'].apply(lambda x: x[:-3])
    
    # 筛选出条件符合的股票
    good_stocks = pd.merge(good_stocks, close_df, on='code')
    good_stocks = good_stocks[good_stocks['close'] > 5]
    good_stocks = good_stocks[good_stocks['mktcap'] > 2000000000]
    
    return good_stocks

good_stocks = select_good_stocks()
print(good_stocks.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%、k小于20、买一量_卖一量_