(supermind量化策略)换手率3%-12%、前25天有涨停、昨日股价大于250日均线

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,昨日股价大于250日均线。

选股逻辑分析

该选股策略综合考虑了换手率、情绪及市场因素等多方面因素,选出了处于上升趋势中的企业,且有较强的市场支撑。该选股策略实用性较高,能够较好地挖掘出市场上涨潜力较大的股票。

有何风险?

该选股策略几乎忽略了企业的基本面因素,例如该企业在其行业中的市场地位,所处的行业的发展情况等,可能使收益略低。同时,宏观经济政策和市场因素可能会使得相关的股票市场表现不佳。

如何优化?

可以结合基本面数据和技术分析进行综合筛选,以提高选股的精准度,同时,在筛选股票的同时设置风险控制机制,例如设置止损和止盈等,对持仓的股票进行及时的资产调整,以减少投资风险。

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,昨日收盘价大于250日均线,结合其他技术分析和基本面数据进行筛选。

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 CLOSE_1>AVERAGE(CLOSE_1, 250) AND MARKET!=2 AND STATUS=0 ORDER BY PE DESC

其中,其他条件同上一例子。

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 and \
                any(k_data['high'].rolling(window=25).apply(lambda x: (x == x.max()).any())) and \
                quotes['last_prices'][0] > k_data['close'].rolling(window=250).mean().iloc[-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],
                                    '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