(supermind量化策略)换手率3%-12%、机器人概念且流通市值小于100亿、日线m

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%、机器人概念且流通市值小于100亿、日线MACD>0的股票中选择。

选股逻辑分析

在之前的基础上,增加了日线MACD指标,更加强调股票的短期走势和价格动能,有利于获取短期的涨跌机会。同时,机器人概念和流通市值的限制,保证了选出的股票质量较高。

有何风险?

过于强调了短期MACD指标,可能会漏掉长期趋势良好但短期价格表现不佳的股票,同时也可能会引入一些长期不好但短期MACD达标的股票,存在较大的风险。

如何优化?

应该在MACD指标的基础上,加入更多的财务指标和行业分析,避免仅仅凭借MACD指标来选股。同时,应该注重风险控制,避免错杀长期趋势良好但短期价格表现不佳的优质股。

最终的选股逻辑

选股条件为:在换手率3%-12%、机器人概念且流通市值小于100亿、日线MACD>0的股票中选择。

同花顺指标公式代码参考

选股条件:(fml('机器人', 100) == 1) AND (流通市值 < 100) AND (MACD() > 0) AND (LEFT(ts_code, 2) != '11') AND (今日换手率 > 3) AND (今日换手率 < 12) ORDER BY 今日收盘价 ASC
选股结果:fml('(fml('机器人', 100) == 1) AND (流通市值 < 100) AND (MACD() > 0) AND (LEFT(ts_code, 2) != '11') AND (今日换手率 > 3) AND (今日换手率 < 12) ORDER BY 今日收盘价 ASC', 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():
    # 换手率3%-12%
    df1 = pro.daily_basic(ts_code='', trade_date='20220110', fields='ts_code,trade_date,turnover_rate,low,pre_close')
    df1 = df1.rename(columns={'turnover_rate': '今日换手率', 'pre_close': '昨日收盘价', 'low': '今日最低价'})
    df1['昨日最低价'] = pro.daily(ts_code='', start_date='20220107', end_date='20220107', fields='low').iloc[0]['low']

    # 机器人概念
    df2 = pro.concept(src='ts', fields='id,concept_name,src')
    df2 = df2[df2['concept_name'].str.contains('机器人')]
    df3 = pro.concept_detail(id=df2.iloc[0]['id'], fields='ts_code')

    # 流通市值小于100亿
    df4 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,pe,pb,turnover_rate,amount,total_mv,float_mv')
    df4 = df4[df4['float_mv'] < 100000]

    df5 = pd.merge(df4, df3[['ts_code']], on='ts_code', how='inner')
    df5 = pd.merge(df5, df1[['ts_code', '今日换手率', '今日最低价', '昨日最低价']], on='ts_code', how='inner')

    # 日线MACD>0
    df5[['DIF', 'DEA', 'MACD']] = talib.MACD(df5['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)

    df6 = df5[df5['MACD'] > 0]
    df7 = df6[(df6['今日换手率'] > 3) & (df6['今日换手率'] < 12)]
    df7 = df7.round({'今日换手率': 2, 'float_mv': 2, '今日最低价': 2, '昨日最低价': 2})
    df7 = df7.sort_values(by='今日收盘价', ascending=True)
    return df7

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