(supermind量化策略)换手率3%-12%、反包、上市大于

问财量化选股策略逻辑

选股逻辑为：在换手率3%-12%、反包、上市时间大于 X 年的股票中进行筛选。

选股逻辑分析

该选股策略进一步考虑了上市时间这一因素，筛选出具备一定历史面貌的股票。

有何风险？

该选股策略可能会忽略一些新上市的优质公司或是忽略了行业的实际状况或趋势等因素，需要进一步整合其它因素进行综合筛选。

如何优化？

可以结合技术指标和基本面指标，比如股息率、盈利增长率、PEG等进一步筛选，构建更加全面的选股模型。

最终的选股逻辑

选股条件为：在换手率3%-12%、反包、上市时间大于 X 年的股票中进行筛选。

同花顺指标公式代码参考

选股条件：turnover_rate>=3 AND turnover_rate<=12
            AND (STICKORYC("fgs", ["1t", "2t", "3t", "4t"], "t_1", "lg",
            "sm", "b") + STICKORYC("fjj", ["1t", "2t", "3t", "4t"], "t_1",
            "lg", "sm", "b")) > 0
            AND SGX exchange_date_diff(issue_date) > X*365
选股结果：fml('turnover_rate>=3 AND turnover_rate<=12
              AND (STICKORYC("fgs", ["1t", "2t", "3t", "4t"], "t_1", "lg",
              "sm", "b") + STICKORYC("fjj", ["1t", "2t", "3t", "4t"], "t_1",
              "lg", "sm", "b")) > 0
              AND SGX exchange_date_diff(issue_date) > X*365', 80)

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(years):
    # 换手率3%-12%
    df1 = pro.daily_basic(ts_code='', trade_date='20220110',
                           fields='ts_code,trade_date,turnover_rate')
    df1 = df1[(df1['turnover_rate'] >= 3) & (df1['turnover_rate'] <= 12)]

    # 反包策略
    df2 = pro.daily(ts_code='', trade_date='20220110',
                     fields='ts_code,trade_date,low,high,pre_close')
    df2['AT'] = df2['high'] - df2['low']
    df2['ST'] = abs(df2['pre_close'] - df2['low'])
    df2['BT'] = abs(df2['pre_close'] - df2['high'])
    df2['RCT1'] = df2['ST'] / df2['AT']
    df2['RCT2'] = df2['BT'] / df2['AT']
    df2['RC'] = df2[['RCT1', 'RCT2']].min(axis=1)
    df3 = df2[df2['trade_date'] == '20220110']
    good_stocks = df3[df3['RC'] <= 0.2]['ts_code']

    # 加入其它指标
    good_stocks = pd.merge(good_stocks.to_frame(),
                           pro.daily_basic(ts_code=good_stocks.to_string(index=False),
                                            trade_date='20220110',
                                            fields='ts_code,close,pe,pb,total_mv,
                                                    float_mv,turnover_rate,
                                                    roe_diluted, list_date'),
                           on='ts_code', how='inner')

    # 上市时间大于X年
    good_stocks = good_stocks[(pd.to_datetime('20220110') -
                               pd.to_datetime(good_stocks['list_date'])) /
                              pd.Timedelta(days=1) > years*365]

    return good_stocks.reset_index(drop=True)

good_stocks = select_good_stocks(3)
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、上市大于_