(iwencai选股策略)近25个交易日有单日涨幅大于等于百分之10_、深证主板中市盈率0

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

选股逻辑:振幅大于1,深证主板中市盈率0-29.01,市净率0-3.11的股票,并且近25个交易日有单日涨幅大于等于百分之10。选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑 的段落中。

选股逻辑分析

该选股逻辑在振幅、市盈率、市净率和单日涨幅方面进行了筛选。其中,近25个交易日单日涨幅大于等于百分之10的条件可以进一步筛选出正处于上涨趋势的股票,其他条件则可以控制风险和筛选范围。

有何风险?

该选股逻辑的风险主要包括:

  1. 单日涨幅大于等于百分之10的股票可能处于超买状态,未来可能出现回调或者调整;
  2. 市盈率和市净率无法全面考虑股票的基本面资料,可能会排除部分优秀股票;
  3. 只考虑过去25天内的涨幅,可能忽略了长期趋势的变化。

如何优化?

为了优化该选股策略,我们可以考虑以下方面:

  1. 引入其它技术指标如K线形态、量价指标等,提高选股的准确性;
  2. 加入流动性等其它指标来过滤风险,在确保盈利的前提下筛选出优秀股票;
  3. 考虑选股策略的长期稳定性,可以对选股条件进行优化,从而将时间段延长至一年或更长时间范围内。

最终的选股逻辑

经过考虑和优化之后,我们提出如下的选股逻辑:

  • 振幅大于1的深证主板股票;
  • 市盈率在0-50,市净率在0-5;
  • 过去250个交易日有过单日涨幅大于等于百分之10的情况;
  • J值大于K值、J值大于20;
  • 量比大于1且换手率大于3%。

同花顺指标公式代码参考

  • 振幅:ZHENFU();
  • J值和K值:KDJ:=SMA((CLOSE-LLV(LOW,9))/(HHV(HIGH,9)-LLV(LOW,9))100,3,1);
    K:EMA(KDJ,2); D:EMA(K,2); J:3
    K-2*D;
  • 量比:VOL/CAPITAL>1;
  • 换手率:TURNRATE>3%。

Python代码参考

利用 Tushare 库和 pandas 数据框架计算选股结果的 Python 代码如下:

import pandas as pd
import tushare as ts
import talib

def is_selected(code):
    '''
    判断股票是否符合选股逻辑
    '''
    # 先判断基本面因素,股票代码为索引
    stock_basics = ts.get_stock_basics()
    base = stock_basics[stock_basics.index==code]
    if base.empty or base['pe'].values[0] < 0 or base['pe'].values[0] > 50 or\
        base['pb'].values[0] < 0 or base['pb'].values[0] > 5:
        return False
    # 考虑技术因素,是否符合25天内单日涨幅大于10%、J值大于K值、量比大于1、换手率大于3%条件
    hist_data = ts.get_hist_data(base.index[0])
    if hist_data is None or len(hist_data) < 250:
        return False
    _, _, fastk, fastd = talib.STOCHF(hist_data['high'].values, hist_data['low'].values, hist_data['close'].values,
                                       fastk_period=9, fastd_period=3)
    if fastk[-1] <= fastd[-1] or fastk[-1] <= 20:
        return False
    if hist_data['volume'].iloc[-1]/(base['totals'].values[0]*base['price'].values[0]) < 1 or\
        hist_data['turnover_rate'].iloc[-1] < 3:
        return False
    if (hist_data['close'].pct_change() > 0.1).tail(25).sum() == 0:
        return False
    return True

# 获取符合选股逻辑要求的股票列表
selected_stocks = ts.get_stock_basics().index[ts.get_stock_basics().apply(is_selected, axis=1)].tolist()

# 根据选股结果进行后续交易操作
for code in selected_stocks:
    pass # 参考其他交易策略

该代码以股票代码为索引,进行选股和技术指标处理,并返回符合条件的股票列表。

    ## 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