(supermind量化策略)换手率3%-12%、反包、机构抄底

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，机构抄底的股票。

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，同时加入了机构抄底因素，有一定参考价值。但是只考虑一个因素可能漏掉其他优质股票。

有何风险？

机构抄底因素可能存在预测错误的风险，同时选股策略过于简单，只考虑一个因素可能漏选其他优质股票。

如何优化？

可以结合其他指标，如市盈率、价格/收入比等基本面指标，同时深入研究机构抄底的背景和原因，充分考虑市场情况。

最终的选股逻辑

选股条件为：在换手率3%-12%、反包的股票中，机构抄底的股票。

同花顺指标公式代码参考

选股条件：turnover_rate>=3 AND turnover_rate<=12
            AND (STICKORYC("fgs", ["1t", "2t", "3t", "4t"], "t_1", "lg",
            "sm", "b") + STICKORYC("fjj", ["1t", "2t", "3t", "4t"], "t_1",
            "lg", "sm", "b")) > 0
            AND STRFK("88,A,B,C,D,E,F,G")
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 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']

    # 机构抄底
    df4 = pro.fund_owners(ts_code='', end_date='20211231',
                          fields='ts_code,fund_name,quarter,fund_hold_amt')
    df4 = df4.pivot(index='ts_code', columns='fund_name', values='fund_hold_amt')
    df4.fillna(0, inplace=True)
    df4['total_amt'] = df4.sum(axis=1)
    df4['hold_ratio'] = df4['total_amt'] / df4['total_amt'].sum()
    df4 = df4[df4['hold_ratio'] > 0.05]
    good_stocks = good_stocks[good_stocks.isin(df4.index)]

    # 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)

(supermind量化策略)换手率3%-12%、反包、机构抄底_