(supermind量化策略)换手率3%-12%、前25天有涨停、收盘价大于昨日的最低价_

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,收盘价大于昨日的最低价。

选股逻辑分析

该选股策略主要考虑了股票的换手率、市场情绪以及当前价格情况等因素,能够从这些方面筛选出一些值得关注的股票,并为后续交易提供方向和参考。

有何风险?

在选股过程中,仅仅关注了数量、情绪和价格等临时因素,忽视了公司的基本面分析,假以时日可能会令交易承担较大的风险。同时,该选股策略对于市场异常的情况会表现得比较被动,没有较好的风险控制机制。

如何优化?

可结合市场行情进行适时调整,如加入更多基本面数据因素,例如发布日期、净利润增长率等指标进行筛选,同时对选股因素进行权重分配,适度降低灵敏度,增强策略的稳定性和可控性。可以在止盈、止损等方面增加风控机制,规避不良风险。

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,收盘价大于昨日的最低价,并结合基本面数据等因素综合筛选和交易。

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 CLOSE > REF(LOW,1) AND MARKET!=2 AND STATUS=0 ORDER BY PE DESC

其中,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:
        finance_data = api.get_finance_info(code, 0)
        quotes = api.get_security_quotes([(df_stocks[df_stocks['code'] == code]['exchange_type'].values[0], code)])
        k_data = api.get_security_bars(9 if quotes['last_prices'][0] < 10 else 0, 0, code, 5, 350)
        if len(k_data) > 0 and \
                k_data['turnover'].quantile(0.7) >= 0.03 and \
                k_data['turnover'].quantile(0.7) <= 0.12:
            zt_index = k_data[k_data['high'] == k_data['close']].index
            if len(zt_index) > 0 and any(zt_index[-25:]):
                if k_data['close'].iloc[-1] > k_data['low'].iloc[-2]:
                    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],
                                            'pe': finance_data['pe'][0]})

df_selected_stocks = pd.DataFrame(selected_stocks)
df_selected_stocks = df_selected_stocks.sort_values('pe', 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