(supermind量化策略)换手率3%-12%、开盘价在十日线左右、连续5年ROE>15

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,连续5年ROE>15%。

选股逻辑分析

该选股策略考虑了交易活跃度、短期走势和长期基本面因素。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,而连续5年ROE>15%则可以过滤掉基本面不好的企业,筛选出良好的标的资产。该策略则比较全面地考虑了多方面的因素,可以筛选出优质的标的资产。

有何风险?

该选股逻辑无法考虑到公司的财务风险、基本面成长性等因素,可能存在一定的机会成本和系统性风险。另外,该选股策略需要连续5年ROE>15%才能筛选出标的资产数量较少,样本量较小可能存在较大的过度拟合风险。

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。此外,可以通过合理的调整策略参数和指标方案,有效控制过度拟合的风险。

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、连续5年ROE大于15%。

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 EXIST(ROE>=0.15 AND REF(ROE,1)>=0.15 AND REF(ROE,2)>=0.15 AND REF(ROE,3)>=0.15 AND REF(ROE,4)>=0.15, 60)

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']:
    df_finance = api.get_finance_info(code)
    if df_finance is not None and len(df_finance)>4 and df_finance.iloc[0]['roe']>=0.15 \
            and df_finance.iloc[1]['roe']>=0.15 and df_finance.iloc[2]['roe']>=0.15 \
            and df_finance.iloc[3]['roe']>=0.15 and df_finance.iloc[4]['roe']>=0.15:
        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.iloc[-1]['close']>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:
            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