(supermind量化策略)换手率3%-12%、开盘价在十日线左右、竞价时涨跌幅买入大单

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

该策略选股逻辑包括以下条件:换手率3%-12%,开盘价在十日线左右,竞价时涨跌幅买入大单.特大单共计买入量大于0.7千万。

选股逻辑分析

该选股策略更加注重股票的市场热度和资金流入情况,其中,换手率3%-12%和开盘价在十日线左右可以过滤掉不活跃、短期走势不佳的标的资产,而竞价时涨跌幅买入大单、特大单共计买入量大于0.7千万则意味着股票有一定的市场活跃性和资金流入情况。该策略注重市场热度和资金流入情况,可以更好地捕捉当前市场的机会。

有何风险?

该选股逻辑仍然存在一定的市场风险,因为股票的市场热度和资金流动情况会受到市场环境等影响变化。同时,选择竞价时涨跌幅买入大单、特大单共计买入量大于0.7千万的股票,容易受到资金密集操纵和操作的影响,存在一定的风险。

如何优化?

可在选股条件中加入一些基本面、财务指标等价值因素,以更加完善维度筛选优秀的标的资产。另外,可以通过合理的调整策略参数和指标方案,有效控制风险,避免轻易追涨套牢等风险。

最终的选股逻辑

该选股逻辑为:换手率大于等于3%且小于等于12%、开盘价在十日线左右、竞价时涨跌幅买入大单(竞价时买一价大于开盘价)、特大单共计买入量大于0.7千万。

同花顺指标公式代码参考

通达信公式代码:

(TURNOVER>=0.03 AND TURNOVER<=0.12) 
AND (OPEN>MA(CLOSE,10)*0.95 AND OPEN<MA(CLOSE,10)*1.05)
AND (BID1>OPEN AND VOL([BID1_VOL,LARGE_ORDER_VOL])>70000000)

python代码参考

import pandas as pd
from datetime import datetime
from pytdx.hq import TdxHq_API

# 创建连接
api = TdxHq_API()
api.connect('119.147.212.81', 7709)

# 所有A股列表
all_stocks = api.get_security_list(1, 0)
df_stocks = pd.DataFrame(all_stocks, columns=['code', 'name', 'market_type', 'exchange_type'])

# 获取A股财报数据
selected_stocks = []
for code in df_stocks['code']:
    stock_k_data = api.get_k_data(code, 'D')
    if stock_k_data is not None and len(stock_k_data)>0 \
            and stock_k_data['turnover_ratio'].quantile(0.7)>=0.03 \
            and stock_k_data['turnover_ratio'].quantile(0.7)<=0.12 \
            and stock_k_data['open'].median()>=stock_k_data['close'].rolling(10).mean()*0.95 \
            and stock_k_data['open'].median()<=stock_k_data['close'].rolling(10).mean()*1.05:
        stock_bid1, stock_bid1_vol, stock_large_order_vol = api.get_security_quotes([(1, code)])
        if stock_bid1 is not None and len(stock_bid1)>0 \
                and stock_bid1[0]['price']>stock_k_data['open'].median() \
                and stock_bid1_vol[0][0]+stock_large_order_vol[0][0]>70000000:
            selected_stocks.append({'code':code, 'name':df_stocks[df_stocks['code']==code]['name'].values[0], 'market_type':df_stocks[df_stocks['code']==code]['market_type'].values[0], 'circulation_mv':stock_k_data['circulation_mv'].quantile(0.7)})
df_selected = pd.DataFrame(selected_stocks)

# 断开连接
api.disconnect()
    ## 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