(supermind量化)买一量_卖一量_、至少5根均线重合的股票、振幅大于1

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

该选股策略包括三个条件:

  • 振幅大于1
  • 至少5根均线重合的股票
  • 买一量大于卖一量

选股逻辑分析

该策略选股逻辑主要关注趋势比较稳定而且具备一定活跃程度的股票,进一步利用买卖数量比例来判断股票中的买家是否更主动,投资者可将此作为参考。

有何风险?

买卖数量不一定代表其市场成交情况,选择将其设为判断依据,会将市场空间进一步限制,同时忽略掉部分表现良好但买卖量不高的股票。

如何优化?

前两个指标已经对股票的区间变化以及趋势稳定进行了考虑,因此可以考虑取消买卖数量的约束,并选取其他更加稳健的股票表现因素作为选股的首要依据。

最终的选股逻辑

综合以上因素修改后的选股逻辑为:

  • 振幅大于1,市场对于波动剧烈的股票更感兴趣;
  • 5日均线、10日均线、20日均线、30日均线、60日均线重合,表示股票处于相对稳定状态;
  • 其他财务指标表现优秀,绩效稳健。

同花顺指标公式代码参考

  • 买卖数量比:使用通达信的VOL函数来计算股票的交易量,使用以下代码计算买卖数量比:
bid_vol_1 = REF(VOL, 1) * (C >= O) + VOL * (C < O)
ask_vol_1 = REF(VOL, 1) * (C <= O) + VOL * (C > O)
buy_sell_ratio = SUM(bid_vol_1, 5) / SUM(ask_vol_1, 5)

Python代码参考

import pandas as pd
import tushare as ts
import talib

df = ts.get_stock_basics()
codes = df.index.tolist()

result = pd.DataFrame()

for code in codes:
    is_amplitude_large = False
    is_ma_converge = False
    is_good_fundamentals = False

    bars = ts.get_k_data(code, ktype='D')
    
    if bars is not None:
        is_amplitude_large = (bars['high'].iloc[-1] - bars['low'].iloc[-1])/bars['low'].iloc[-1] > 0.01
        
        # 至少5根均线重合的股票
        close = bars['close'].values
        ma_5 = talib.MA(close, timeperiod=5)
        ma_10 = talib.MA(close, timeperiod=10)
        ma_20 = talib.MA(close, timeperiod=20)
        ma_30 = talib.MA(close, timeperiod=30)
        ma_60 = talib.MA(close, timeperiod=60)
        ma_count = len(set([ma[-1] for ma in [ma_5, ma_10, ma_20, ma_30, ma_60]]))
        is_ma_converge = ma_count >= 5
        
        # 买卖数量比例
        bid_vol_1 = bars['volume'].rolling(2).apply(lambda x: x[0] if x[1]>=x[0] else 0)
        bid_vol_1.iloc[0] = bars['volume'].iloc[0]
        ask_vol_1 = bars['volume'].rolling(2).apply(lambda x: x[0] if x[1]<x[0] else 0)
        ask_vol_1.iloc[0] = 0
        buy_sell_ratio = bid_vol_1.rolling(5).sum() / ask_vol_1.rolling(5).sum()
        is_buy_larger_than_sell = buy_sell_ratio.iloc[-1] > 1
        
        # 其他财务指标表现良好
        is_good_fundamentals = True # 根据其他财务指标进行判断

        if is_amplitude_large and is_ma_converge and is_buy_larger_than_sell and is_good_fundamentals:
            result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': bars['close'].iloc[-1], 'industry': df.loc[code]['industry']}, ignore_index=True)

result = result.sort_values(by=['industry'], ascending=False)
    ## 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