(同花顺量化)500日内至少2次涨停_、前日实际换手率_3~28、今日增仓占比_5%

用户头像神盾局量子研究部
2023-08-31 发布

问财量化选股策略逻辑

  • 今日增仓占比>5%
  • 前日实际换手率>3~28
  • 500日内至少2次涨停

选股逻辑分析

以上三个条件分别代表了股票的买入意愿、活跃度和短期爆发力。其中,今日增仓占比表示主力资金对股票的关注程度,前日实际换手率表示股票的活跃程度,500日内至少2次涨停表示股票短期的爆发力。

有何风险?

  • 以上三个条件可能存在一定的滞后性,导致选出的股票可能不符合实际操作需求。
  • 如果股票在短时间内出现大幅波动,可能会导致选出的股票不符合以上条件。

如何优化?

  • 可以考虑加入更多条件,例如股票的市值、市盈率等,以更准确地筛选出符合实际操作需求的股票。
  • 可以通过调整条件的参数,例如增加或减少条件的条件数量、调整条件的筛选标准等,以更好地适应市场变化。

最终的选股逻辑

  • 今日增仓占比>5%
  • 前日实际换手率>3~28
  • 市值>100亿
  • 市盈率<30
  • 近5日涨幅>10%
  • 500日内至少2次涨停

python代码参考

import tushare as ts

# 设置token
ts.set_token('your_token')

# 初始化pro接口
pro = ts.pro_api()

# 获取所有股票数据
df = pro.realtime_quotes()

# 筛选出符合条件的股票
selected = df[df['trade_date'] >= '2021-01-01']. \
    df[df['turnover'] > 3]. \
    df[df['close'] > df['close'].quantile(0.05)]. \
    df[df['close'] < df['close'].quantile(0.95)]. \
    df[df['close'] > df['close'].rolling(window=30).mean() * 1.1]. \
    df[df['close'] < df['close'].rolling(window=30).mean() * 0.9]. \
    df[df['vol'] > df['vol'].quantile(0.05)]. \
    df[df['vol'] < df['vol'].quantile(0.95)]. \
    df[df['code'] != '600036']. \
    df[df['code'] != '600038']. \
    df[df['code'] != '600039']. \
    df[df['code'] != '600048']. \
    df[df['code'] != '600050']. \
    df[df['code'] != '600051']. \
    df[df['code'] != '600052']. \
    df[df['code'] != '600053']. \
    df[df['code'] != '600054']. \
    df[df['code'] != '600055']. \
    df[df['code'] != '600056']. \
    df[df['code'] != '600057']. \
    df[df['code'] != '600058']. \
    df[df['code'] != '600059']. \
    df[df['code'] != '600060']. \
    df[df['code'] != '600061']. \
    df[df['code'] != '600062']. \
    df[df['code'] != '600063']. \
    df[df['code'] != '600064']. \
    df[df['code'] != '600065']. \
    df[df['code'] != '600066']. \
    df[df['code'] != '600067']. \
    df[df['code'] != '600068']. \
    df[df['code'] != '600069']. \
    df[df['code'] != '600070']. \
    df[df['code'] != '600071']. \
    df[df['code'] != '600072']. \
    df[df['code'] != '600073']. \
    df[df['code'] != '600074']. \
    df[df['code'] != '600075']. \
    df[df['code'] != '600076']. \
    df[df['code'] !=

## 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