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

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、涨跌幅×超大单净量的主板股票中进行投资。

选股逻辑分析

本选股逻辑在基本面选股的基础上,加入了股票价格走势和资金流向的因素,即选择涨跌幅×超大单净量比较大的股票。这样可以较好地反应主力资金的意愿以及市场对股票价格的预期,对于短期的高收益投资有一定的参考价值。

有何风险?

本选股策略加入了涨跌幅×超大单净量的因素,但依然忽略了一些重要的基本面和财务因素,选择出的股票可能并不具有投资价值。同时,涨跌幅×超大单净量比值也有可能被人为操纵,风险仍然较高。

如何优化?

本选股策略应该进一步加入基本面和财务因素进一步筛选出更具有投资价值的个股,同时,可以加强对市场热点的分析和判断能力,减少因投机因素选择错误。此外,需要对涨跌幅×超大单净量比值进行细致的研究和分析,尽可能减少因人为操纵而选择错误的概率。

最终的选股逻辑

在选股条件为换手率3%-12%、选择机器人概念且流通市值小于100亿、涨跌幅×超大单净量比值大的主板股票中进行投资。

同花顺指标公式代码参考

选股条件:(换手率>=3 and 概念(机器人)==1 and 流通市值<=100000 and 自选股中 and 涨跌幅1>0 and 超大单净量>0 and 涨跌幅1*超大单净量>=【涨跌幅×超大单净量比值】) or (板块股票 in ('主板') and 自选股中 and 涨跌幅1>0 and 超大单净量>0 and 涨跌幅1*超大单净量>=【涨跌幅×超大单净量比值】) order by 按出现次数排序";
选股结果:fml('(换手率>=3 and 概念(机器人)==1 and 流通市值<=100000 and 自选股中 and 涨跌幅1>0 and 超大单净量>0 and 涨跌幅1*超大单净量>=【涨跌幅×超大单净量比值】) or (板块股票 in ('主板') and 自选股中 and 涨跌幅1>0 and 超大单净量>0 and 涨跌幅1*超大单净量>=【涨跌幅×超大单净量比值】) order by 按出现次数排序', 100)

python代码参考

import tushare as ts
import pandas as pd
import numpy as np

ts.set_token('your_token')
pro = ts.pro_api()

def select_good_stocks():
    # 换手率3%-12%
    df1 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,pe,pb,turnover_rate,amount,total_mv,float_mv')
    df1 = df1[(df1['turnover_rate'] >= 3) & (df1['turnover_rate'] <= 12)]
    df1 = df1[(df1['concept'].str.contains('机器人'))]
    df1 = df1[(df1['float_mv'] <= 100000)]
    
    # 涨跌幅×超大单净量比值
    today = pro.trade_cal(exchange='', start_date='20210225', end_date='20210225')
    if today.iloc[0]['is_open'] == 1:
        df2 = pro.daily(trade_date='20210225')
        df2['big_ratio'] = df2['buy_big'] / df2['sell_big']
        df2 = df2[(df2['pct_chg'] > 0) & (df2['big_ratio'] > 0)]
        df2 = df2[df2['pct_chg'] * df2['big_ratio'] >= 【涨跌幅×超大单净量比值】]
        df2 = df2[df2['ts_code'].str.contains('SH')]
    else:
        df2 = pd.DataFrame(columns=['ts_code', 'pct_chg', 'buy_big', 'sell_big'])
        
    # 合并数据
    df = pd.merge(df1,df2,on='ts_code')
    df = df.sort_values(by='pct_chg', ascending=False)
    
    return df

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

需要帮助?

试试AI小助手吧