(supermind量化策略)换手率3%-12%、反包、前日实际换手率_3~28_

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

选股逻辑为:在换手率3%-12%、反包、前日实际换手率大于3%小于等于28%的股票中选取。

选股逻辑分析

该选股策略同样采用换手率选股策略和反包指标,增加了一个新的条件:前日实际换手率大于3%小于等于28%。该条件可以减少股票短期内的极端波动,控制风险,同时仍保持一定程度的市场活跃性。

有何风险?

该选股条件同样未考虑其他因素,如股票基本面因素等。选出的股票质量不一定高,存在一定风险。同时,该条件仍难以完全控制极端风险和波动。

如何优化?

该选股条件可以进一步加入其他技术面因素,如均线、成交量等指标。同时,考虑加入基本面因素,如市盈率、市净率、ROE等指标,以更全面地考虑选股的质量和可靠性。

最终的选股逻辑

选股条件为:在换手率3%-12%、反包、前日实际换手率大于3%小于等于28%的股票中选取。

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 
              REF(turnover_rate, 1)>3 AND REF(turnover_rate, 1)<=28
        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 
              REF(turnover_rate, 1)>3 AND REF(turnover_rate, 1)<=28
           ORDER BY TOF("市值") DESC', 80)

其中,turnover_rate为股票换手率,REF(turnover_rate,1)为前日实际换手率。

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():
    main_board = ['sh', 'sz']

    # 换手率3%-12%,前日实际换手率大于3%小于等于28%
    df1 = pro.daily_basic(ts_code='', trade_date='20220110',
                           fields='ts_code,trade_date,turnover_rate')
    df1['yesterday_turnover_rate'] = df1.groupby('ts_code')['turnover_rate'].shift(1)
    df1 = df1[(df1['yesterday_turnover_rate'] > 3) & (df1['yesterday_turnover_rate'] <= 28) & \
              (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']

    # 主板股票
    good_stocks = good_stocks[good_stocks.str[:2].isin(main_board)]

    # 加入其他指标
    good_stocks = pd.merge(good_stocks.to_frame(), pro.daily_basic(ts_code='', trade_date='20220110',
                                                                    fields='ts_code,close,pe,pb,total_mv,float_mv'),
                           on='ts_code', how='inner')
    return good_stocks

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)
收益&风险
源码

评论