(i问财选股策略)换手率_2%且_9%_、100亿市值以内的无亏损企业、至少5根均线重合的

用户头像神盾局量子研究部
2023-09-01 发布

问财量化选股策略逻辑

  • 至少5根均线重合的股票
  • 100亿市值以内的无亏损企业
  • 换手率>2%且<9%

选股逻辑分析

  • 这个策略要求至少5根均线重合,意味着股票价格在短期内的波动比较小,可能是由于市场对该股票的共识比较一致。
  • 100亿市值以内的无亏损企业,说明该企业的财务状况比较稳定,没有太大的经营风险。
  • 换手率>2%且<9%,说明该股票的交易活跃度适中,不太冷门也不太热门。

有何风险?

  • 这个策略要求至少5根均线重合,可能会导致选出的股票过于稳定,缺乏交易活跃度,不利于投资者获取收益。
  • 100亿市值以内的无亏损企业,可能会排除一些有潜力的成长型企业,而这些企业可能具有更高的投资回报率。
  • 换手率>2%且<9%,可能会排除一些流动性较差的股票,导致投资者难以买卖。

如何优化?

  • 可以考虑加入更多的筛选条件,例如市值、盈利能力、成长性等,以更好地筛选出有潜力的股票。
  • 可以考虑加入技术指标,例如MACD、KDJ等,以更好地判断股票的走势和买卖时机。
  • 可以考虑加入市场情绪指标,例如恐慌指数、贪婪指数等,以更好地判断市场情绪和股票价格的波动。

最终的选股逻辑

  • 选取市值在100亿以内,且最近12个月无亏损的企业。
  • 筛选出日均换手率在2%以上、9%以下的股票。
  • 计算股票的5日、10日、20日、60日、120日均线,要求至少5根均线重合。
  • 根据以上条件筛选出符合条件的股票,并按照换手率从高到低排序。

python代码参考

import talib

def get_top_stocks():
    # 获取所有A股股票的代码和名称
    codes = []
    names = []
    for index, row in talib.get_historical_data().df.iterrows():
        codes.append(row['ts_code'])
        names.append(row['name'])
    codes = list(set(codes))
    names = list(set(names))

    # 获取市值在100亿以内,且最近12个月无亏损的企业
    codes = codes[:1000]
    names = names[:1000]
    for index, row in talib.get_historical_data().df.iterrows():
        if row['amount'] > 0 and row['close'] > row['close'].rolling(window=12).mean() and row['close'] > row['close'].rolling(window=24).mean():
            codes.append(row['ts_code'])
            names.append(row['name'])

    # 筛选出日均换手率在2%以上、9%以下的股票
    codes = codes[:1000]
    names = names[:1000]
    for index, row in talib.get_historical_data().df.iterrows():
        if row['turnover'] > 2 and row['turnover'] < 9:
            codes.append(row['ts_code'])
            names.append(row['name'])

    # 计算股票的5日、10日、20日、60日、120日均线
    codes = codes[:1000]
    names = names[:1000]
    for index, row in talib.get_historical_data().df.iterrows():
        close_prices = row['close'].values
        ma5 = talib.MA(close_prices, timeperiod=5)
        ma10 = talib.MA(close_prices, timeperiod=10)
        ma20 = talib.MA(close_prices, timeperiod=20)
        ma60 = talib.MA(close_prices, timeperiod=60)
        ma120 = talib.MA(close_prices, timeperiod=120)
        codes.append(row['ts_code'])
        names.append(row['name'])

    # 筛选出至少5根均线重合的股票
    codes = codes[:1000]
    names = names[:1000]
    for index, row in talib.get_historical_data().df.iterrows():
        if len(set(ma5)) == 5 and len(set(ma10)) == 5 and len(set(ma20)) == 5 and len(set(ma60)) == 5 and len(set(ma

## 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