(supermind量化策略)换手率3%-12%、反包、剔除昨日涨停

问财量化选股策略逻辑

选股逻辑为：在换手率3%-12%、反包的前提下，剔除昨日涨停的股票。

选股逻辑分析

该选股策略在保留过去投资者关注的热点股票的同时，通过剔除昨日涨停的标的股票，避免了股票过热或者突然出现的交易异常的影响。同时，换手率3%-12%的要求也能够筛选出基本面比较稳定的标的股票。

有何风险？

该选股策略存在忽略市场风险和趋势的可能性，使用的指标单一，未能综合考量市场的整体表现和性质的变化，过度追求换手率和反包，可能会出现选出的股票盲目追涨，最终造成亏损。

如何优化？

可以综合考虑市场整体表现、板块走势、行业前景等因素，减少单一指标的影响，从而更好地识别市场趋势和股票表现，可以加入技术指标如布林线、动量指标等，以更精确地判断股票价格趋势和波动。同时，可以根据不同板块、类型、行业、市值等因素制定相应的策略选股。

最终的选股逻辑

在换手率3%-12%、反包的前提下，剔除昨日涨停的股票。

同花顺指标公式代码参考

选股条件：SETPRICETYPE(1);((HIGH-LOW+0.001)/LOW)>0.09 AND REF(LIMITUP, 1) > 0 AND REF(LIMITUP, 2) = 0 AND VOLUME > 5000 AND AMOUNT > 20000000 AND (HIGH == REF(HIGH, 1))
选股结果：fml('SETPRICETYPE(1);((HIGH-LOW+0.001)/LOW)>0.09 AND REF(LIMITUP, 1) > 0 AND REF(LIMITUP, 2) = 0 AND VOLUME > 5000 AND AMOUNT > 20000000 AND (HIGH == REF(HIGH, 1))', 'desc', 'market_cap', 100)

Python代码参考

import tushare as ts

# 筛选好股票函数
def select_good_stocks():
    # 反包策略
    df1 = ts.pro_bar(ts_code='', start_date='20210101', end_date='20220131',
                      freq='1min', ma=[5, 10, 30], adj='qfq')

    # 计算涨跌幅
    df1['pct_change'] = (df1['close'] - df1['open']) / df1['open']

    # 剔除昨日涨停的股票
    df2 = df1[(df1['high'] != df1['limit_up']) | (df1['low'] != df1['limit_down'])]

    # 判断是否符合条件
    good_stocks = df2[(df2['low'].rolling(window=5).min() == df2['low']) &
                      (df2['amount'] > 20000000) & (df2['volume'] > 5000)]

    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)

(supermind量化策略)换手率3%-12%、反包、剔除昨日涨停_