(supermind量化策略)换手率3%-12%、反包、昨日9_15匹配价跌停_

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%、反包的股票中,昨日9:15匹配价跌停的股票。

选股逻辑分析

该选股策略采用了换手率选股策略和反包指标,并且根据昨日9:15匹配价是否跌停进行选择,较为贴近市场情况。但只考虑一个因素是否跌停进行选择,可能存在漏选优质股票的情况。

有何风险?

同样未考虑其他因素,如股票基本面因素等。昨日9:15匹配价跌停并不一定代表其股票价值下降或业绩出现问题。同时,该选股策略仅考虑了一个因素,可能会漏掉其他优质股票。

如何优化?

可以加入其他指标,如技术指标、资金流入情况等进行综合考虑。可以深入研究昨日9:15匹配价跌停的原因,结合基本面等其他因素,进行更全面的选股分析。

最终的选股逻辑

选股条件为:在换手率3%-12%、反包的股票中,昨日9:15匹配价跌停的股票。

同花顺指标公式代码参考

选股条件:turnover_rate>=3 AND turnover_rate<=12
            AND (YEST(T("9:15"), LH()) == DTL())
            AND STRFK("88,A,B,C,D,E,F,G")
选股结果:fml('turnover_rate>=3 AND turnover_rate<=12
              AND (YEST(T("9:15"), LH()) == DTL())
              AND STRFK("88,A,B,C,D,E,F,G")', 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():
    main_board = ['sh', 'sz']

    # 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']

    # 剔除昨日9:15匹配价未跌停的股票
    df4 = pro.margin_detail(trade_date='20220110', fields='ts_code,mr_price')
    df4 = df4.groupby(['ts_code']).sum()
    df5 = pro.daily(ts_code='', trade_date='20220110',
                     fields='ts_code,high,low')
    df5 = df5[df5['high'] >= df4['mr_price'].values[0]]
    good_stocks = good_stocks[good_stocks.isin(df5['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