(supermind量化策略)换手率3%-12%、前25天有涨停、买一量_卖一量_

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,买一量>卖一量。

选股逻辑分析

该选股策略综合考虑了股票的流动性和市场情绪等因素,同时增加了交易数据的参考,以找到有潜在投资价值的优质股票。其中,换手率为中等水平,具有一定的流动性;而涨停板的出现显示了市场情绪的改善;买一量大于卖一量的情况说明了市场上有较大的买盘,券商对此认可。

有何风险?

该选股逻辑仅考虑了市场操作的数据,忽略了股票的基本面数据和财务状况等重要因素,存在一定的风险。

如何优化?

优化方法可以考虑引入基本面和财务状况等多重因素进行筛选,提高选股精度。同时,行业选择也可以适当扩大范围,避免过度专注。

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,买一量>卖一量,并综合考虑多重因素进行筛选。

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 BUY_VOL>SELL_VOL ORDER BY CAPITALFLOW_HSGT DESC

其中,BUY_VOL>SELL_VOL用于选择买一量大于卖一量的股票,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', 'industry'])

# 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_transaction_data(code, '2021-01-01', '2021-06-30')['b1_v'].sum() > api.get_transaction_data(code, '2021-01-01', '2021-06-30')['s1_v'].sum() 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