(supermind量化策略)换手率3%-12%、反包、dea上涨

问财量化选股策略逻辑

选股逻辑为：在换手率3%-12%、反包、DEA上涨的股票中选择。

选股逻辑分析

该选股策略基于技术指标DEA的上涨趋势，结合了反包和换手率条件，选取具有上涨趋势的股票。但该策略仅仅以技术指标为主，并未对股票基本面进行考虑。

有何风险？

该选股策略忽略了股票基本面的影响，如公司财务情况、股价合理性等，容易选出泡沫股或遗漏优质股票。另外，DEA指标的上涨只是一个指标，不能完全反映股票走势。

如何优化？

在选股条件的制定方面，除了技术指标DEA的上涨外，还需要结合多个技术指标和基本面指标共同辅助判断股票的价值，如RSI指标、市盈率、净利润、行业趋势等指标，进行筛选，减少误判。

最终的选股逻辑

选股条件为：在换手率3%-12%、反包、DEA指标上涨的股票中选择。

同花顺指标公式代码参考

选股条件：turnover_rate>=3 AND turnover_rate<=12 AND STRFK("88,A,B,C,D,E,F,G") AND DEA() > REF(DEA(), 1) ORDER BY TOF("市值") DESC
选股结果：fml('turnover_rate>=3 AND turnover_rate<=12 AND STRFK("88,A,B,C,D,E,F,G") AND DEA() > REF(DEA(), 1) ORDER BY TOF("市值") DESC', 80)

其中，turnover_rate表示股票换手率，STRFK表示反包指标，DEA表示MACD技术指标中的平滑移动平均线，REF表示对一段时间的特定指标进行移动，TOF表示股票市值。

Python代码参考

import tushare as ts
import pandas as pd
ts.set_token('your_token')
pro = ts.pro_api()

# 筛选好股票函数
def select_good_stocks():
    # 换手率3%-12%
    df1 = pro.daily_basic(ts_code='', trade_date='20220110', fields='ts_code,trade_date,turnover_rate')

    # 反包
    df2 = pro.futures_sett_detail(trade_date='20220110', fields='ts_code,trade_date,settle_price,position_chg')
    df2['pos_chg_ratio'] = df2['position_chg'] / df2['position']
    df2['date'] = pd.to_datetime(df2['trade_date'])
    df2 = df2[df2['date'] == '2022-01-10']
    df3 = pd.merge(df1, df2[['ts_code', 'pos_chg_ratio']], on='ts_code', how='inner')

    # DEA上涨
    df4 = pro.daily(ts_code='', start_date='20180101', end_date='20220110', fields='ts_code,trade_date,close,macd,dea')
    df5 = df4.groupby(by='ts_code', as_index=False).apply(lambda x: x[x['trade_date'] == x['trade_date'].max()]).reset_index(drop=True)
    df5['dea_shift1'] = df5['dea'].shift(1)
    df6 = df5[df5['dea'] > df5['dea_shift1']]
    df7 = pd.merge(df3, df6[['ts_code', 'dea']], on='ts_code', how='inner')
    df8 = pd.merge(df7, pro.daily_basic(ts_code='', trade_date='20220110', fields='ts_code,close'), on='ts_code', how='inner')
    df9 = pd.merge(df8, pro.stock_basic(exchange='', list_status='L',
                                         fields='ts_code,name,industry,pe,pb,total_mv,float_mv'), on='ts_code',
                   how='inner')
    df9 = df9.round({'turnover_rate': 2, 'float_mv': 2})
    return df9.sort_values(by='total_mv', ascending=False)

good_stocks = select_good_stocks()
print(good_stocks)

    ## 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量化策略)换手率3%-12%、反包、dea上涨_