(supermind量化策略)换手率3%-12%、前25天有涨停、2021年营收除2018

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:换手率3%-12%,前25天有涨停,2021年营收/2018年营收大于1.1。

选股逻辑分析

该选股策略将中等换手率的股票与涨停板结合,同时引入营收数据,筛选具有一定基本面的股票。该逻辑比较符合价值投资理念,通过增加基本面的考虑来降低风险,同时可以挖掘出潜在的成长股票。

有何风险?

选股逻辑仍然存在一定的盲区,可能会忽略掉业绩和财务状况等其它重要因素。同时,营收数据存在一定滞后性,需要注意验证其实际情况。

如何优化?

优化方法可以考虑引入更多基本面数据,如利润、净资产等指标进行综合判断,同时可以结合技术指标进行选股,增加多重筛选条件,以提高精度。

最终的选股逻辑

该选股策略选股逻辑为:换手率3%-12%,前25天有涨停,综合考虑多重基本面数据和技术指标进行综合判断,将营收增长率作为重要筛选条件。

同花顺指标公式代码参考

通达信指标代码:

TURNOVER_RATIO>=0.03 AND TURNOVER_RATIO<=0.12 AND COUNT(WINDBREAKSIGN>0 and WINDBREAKSIGN<100, 25)>=1 AND (STREVTT_25_2021/STREVTT_25_2018) > 1.1 ORDER BY CAPITALFLOW_HSGT DESC

其中,STREVTT_25_2021表示最近25个交易日的营收数据,STREVTT_25_2018表示2018年度的营收数据。将两者做比较,若大于1.1,则满足筛选条件。此外,其它条件同上一例子。

python代码参考

import pandas as pd
from pytdx.hq import TdxHq_API

# 创建连接
api = TdxHq_API()
api.connect('119.147.212.81', 7709)

# 所有A股列表
all_stocks = api.get_security_list(0, 0)
df_stocks = pd.DataFrame(all_stocks, columns=['code', 'name', 'market_type', 'exchange_type'])

# 获取A股数据
selected_stocks = []
for code in df_stocks['code']:
    if code.startswith(('00', '60', '30')) and df_stocks[df_stocks['code'] == code]['market_type'].values[0] != 5:
        stock_k_data = api.get_k_data(code, 'D')
        if stock_k_data is not None and len(stock_k_data) >= 2 * 240 and \
                stock_k_data['turnover_ratio'].quantile(0.7) >= 0.03 and \
                stock_k_data['turnover_ratio'].quantile(0.7) <= 0.12 and \
                stock_k_data[stock_k_data['high'] == stock_k_data['high'].rolling(2).max()][['high']].shift(1).expanding(min_periods=20).max().iloc[-1, 0] == stock_k_data['high'].rolling(20).max().iloc[-1] and \
                api.get_finance_info(code, 0)['mbrg'][0] > 1.1:
            selected_stocks.append({'code': code,
                                    'name': df_stocks[df_stocks['code'] == code]['name'].values[0],
                                    'market_type': df_stocks[df_stocks['code'] == code]['market_type'].values[0],
                                    'capitalflow_hsgt': api.get_capital_distribution(code, 4, 1)['hgtjme'][-1]})

df_selected_stocks = pd.DataFrame(selected_stocks)
df_selected_stocks = df_selected_stocks[df_selected_stocks['capitalflow_hsgt']>=0].sort_values('capitalflow_hsgt', ascending=False).reset_index(drop=True)

# 断开连接
api.disconnect()
    ## 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