(同花顺量化)500日内至少2次涨停_、竞价涨幅>-2<5、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

  1. 今日增仓占比>5%
  2. 竞价涨幅>-2<5
  3. 500日内至少2次涨停

选股逻辑分析

  1. 今日增仓占比>5%:表示该股票在最近一个交易日中,其买入量相对于卖出量的比例超过了50%,说明市场资金对该股票比较看好,可能具有上涨潜力。
  2. 竞价涨幅>-2<5:表示该股票在集合竞价阶段的涨幅超过了-2%,并且在5%以内,说明该股票在开盘后有一定的上涨动力。
  3. 500日内至少2次涨停:表示该股票在过去500个交易日内至少出现过两次涨停,说明该股票具有较强的市场关注度和活跃度,可能具有较大的上涨空间。

有何风险?

  1. 今日增仓占比>5%:虽然说明市场资金对该股票比较看好,但是也可能是因为该股票被主力资金操纵,投资者需要谨慎判断。
  2. 竞价涨幅>-2<5:虽然说明该股票在开盘后有一定的上涨动力,但是也可能是因为市场情绪过于乐观,导致股票出现高开低走的情况。
  3. 500日内至少2次涨停:虽然说明该股票具有较强的市场关注度和活跃度,但是也可能是因为该股票被主力资金操纵,导致股票出现高开低走的情况。

如何优化?

  1. 可以加入更多筛选条件,例如加入该股票的市值、市盈率等指标,以更加全面地评估该股票的投资价值。
  2. 可以加入该股票的成交量指标,以更加准确地判断市场资金对该股票的关注程度。
  3. 可以加入该股票的行业属性等指标,以更加准确地判断该股票的市场前景。

最终的选股逻辑

  1. 今日增仓占比>5%
  2. 竞价涨幅>-2<5
  3. 500日内至少2次涨停
  4. 市值大于100亿
  5. 市盈率小于50
  6. 成交量大于100万手

python代码参考

import tushare as ts

# 初始化pro接口
pro = ts.pro_api()

# 设置token
pro.set_token('your_token')

# 初始化策略
class MyStrategy:
    def __init__(self):
        self.code_list = []
        self.data = []
        
    def on_start(self):
        # 获取所有股票的代码列表
        codes = pro.index_client().get_codes('all')
        self.code_list = codes['code']
        
    def on_quotes(self, data):
        # 获取所有股票的实时行情数据
        for code in self.code_list:
            df = data.loc[code]
            if df['trade_date'] == '2021-01-01':
                self.data.append(df)
                
    def on_trade(self, data):
        # 获取所有股票的交易数据
        for code in self.code_list:
            df = data.loc[code]
            if df['trade_date'] == '2021-01-01':
                self.data.append(df)
                
    def on_preprocess(self, data):
        # 对数据进行预处理
        for code in self.code_list:
            df = data.loc[code]
            df['price'] = df['close']
            df['volume'] = df['volume']
            df['amount'] = df['amount']
            df['pb'] = df['pb']
            df['pe'] = df['pe']
            df['turnover'] = df['turnover']
            df['return'] = df['return']
            df['beta'] = df['beta']
            df['rank'] = df['rank']
            df['net_worth'] = df['net_worth']
            df['market_cap'] = df['market_cap']
            df['pb_ratio'] = df['pb_ratio']
            df['pe_ratio'] = df['pe_ratio']
            df['return_on_assets'] = df['return_on_assets']
            df['return_on_equity'] = df['return_on_equity']
            df['debt_to_equity_ratio'] = df['debt_to_equity_ratio']
            df['current_ratio'] = df['current_ratio']
            df['quick_ratio'] = df['quick_ratio']
            df['operating_income'] = df['operating_income']
            df['net_income'] = df['net_income']
            df['ebitda'] = df['ebitda']
            df['cash_flow_from_operatingactivities'] = df['cash_flow_from_operatingactivities']
            df['cash_flow_from_investingactivities'] = df['cash_flow_from_investingactivities']
            df['cash

## 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