(supermind量化策略)换手率3%-12%、反包、规模2亿以上

问财量化选股策略逻辑

选股逻辑为：在换手率3%-12%、反包、规模2亿以上的股票中进行筛选。

选股逻辑分析

该选股策略主要关注的是股票的流动性和市值规模，选取相对于整个市场来说具有较高流动性和规模的股票，以提高交易效率和风险控制能力。

有何风险？

该选股策略可能会忽略一些小市值的成长型公司，同时由于该策略并没有对其他的基本面指标进行筛选，所以选取的股票可能会表现一般。

如何优化？

可以增加更多的基本面因素进行筛选，例如增加股息率、负债率等指标进行筛选，同时可以增加一些技术分析指标，在选股时同时考虑股票的技术面和基本面。

最终的选股逻辑

选股条件为：在换手率3%-12%、反包、规模2亿以上的股票中进行筛选。

同花顺指标公式代码参考

选股条件：(market_cap > 2亿) AND (LOW < 12) AND (turnover_rate>=3 AND turnover_rate<=12) AND (RC <= 0.2) AND (exchange == 'SZSE') AND (list_status == 'L')
选股结果：fml('(market_cap > 2亿) AND (LOW < 12) AND (turnover_rate>=3 AND turnover_rate<=12) AND (RC <= 0.2) AND (exchange == 'SZSE') AND (list_status == 'L')', 'desc', 'hot', 100)

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():
    # 选取规模2亿以上的股票
    df1 = ts.get_stock_basics()
    good_stocks = df1[df1['total_mv'] > 200000000]

    # 换手率3%-12%
    df2 = pro.daily_basic(ts_code='', trade_date='20220110',
                           fields='ts_code,trade_date,turnover_rate')
    good_stocks = pd.merge(good_stocks.reset_index(), df2,
                           on='ts_code', how='inner')
    good_stocks = good_stocks[(good_stocks['turnover_rate'] >= 3) &
                              (good_stocks['turnover_rate'] <= 12)]

    # 反包策略
    df3 = pro.daily(ts_code='', trade_date='20220110',
                     fields='ts_code,trade_date,low,high,pre_close')
    df3['AT'] = df3['high'] - df3['low']
    df3['ST'] = abs(df3['pre_close'] - df3['low'])
    df3['BT'] = abs(df3['pre_close'] - df3['high'])
    df3['RCT1'] = df3['ST'] / df3['AT']
    df3['RCT2'] = df3['BT'] / df3['AT']
    df3['RC'] = df3[['RCT1', 'RCT2']].min(axis=1)
    df4 = df3[df3['trade_date'] == '20220110']
    good_stocks = pd.merge(good_stocks, df4[['ts_code', 'RC']],
                           on='ts_code', how='inner')
    good_stocks = good_stocks[good_stocks['RC'] <= 0.2]

    # 深证主板中选股
    good_stocks = good_stocks[good_stocks['exchange'] == 'SZSE']
    good_stocks = good_stocks[good_stocks['list_status'] == 'L']

    # 返回股票代码
    good_stocks = good_stocks['ts_code'].reset_index(drop=True)

    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、规模2亿以上_