(supermind)振幅大于1、流通市值大于100亿元、(昨日换手率_(今日竞价成交量除

用户头像神盾局量子研究部
2023-08-21 发布

问财量化选股策略逻辑

选股逻辑为:振幅大于1,流通市值大于100亿元,(昨日换手率*(今日竞价成交量/昨日成交量))>0.5<2。该选股策略主要考虑选取流动性较好、市值较大、有一定换手率的优质股票。

选股逻辑分析

该选股策略将振幅、流通市值和换手率相结合,是一种综合性的选股策略。振幅大于1反映了一定的活跃度,流通市值大于100亿元反映了公司规模的实力,换手率在0.5-2之间则表明股票有一定的流动性。换手率通过参考昨日换手率和今日竞价成交量与昨日成交量的比值进行筛选,可以更加准确地反映股票的活跃度。

有何风险?

该策略依赖于换手率这一指标,但换手率本身是受市场情绪影响比较大的指标,可能会出现长时间低迷不振的情况。同时,该策略给出的换手率范围和换手率的计算方式可能不适用于所有种类的股票。

如何优化?

可以结合基本面等指标作为补充,比如可以筛选出ROE、负债率、和PE等指标较低的优质股票。可以通过尝试不同的振幅和换手率范围来考察该选股策略的稳定性。

最终的选股逻辑

选股条件为:振幅大于1,流通市值大于100亿元,昨日换手率乘以今日竞价成交量与昨日成交量的比值在0.5-2之间。

同花顺指标公式代码参考

C1: ABS((HIGH/LOW-1)*100) >= 1; //振幅大于1
C2: CIRC_MV > 10000000000; //流通市值大于100亿元
C3: TURN_RATE * (CUR_VOL/LAST_VOL)> 0.5 AND TURN_RATE * (CUR_VOL/LAST_VOL) < 2 AND DAILY; // (昨日换手率*(今日竞价成交量/昨日成交量))>0.5<2
SYMBOL: C1 AND C2 AND C3;

python代码参考

import pandas as pd
import tushare as ts

def select_stocks(length):
    ts.set_token('your_token')
    pro = ts.pro_api()

    # 获取所有股票数据
    data = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,market')

    # 筛选符合条件的股票
    data['sort'] = data['circ_mv'].rank(ascending=False)  # 根据流通市值进行排序
    data = data[data['sort'] <= 200]  # 取前200名

    select_list = []
    for i in range(len(data)):
        code = data.iloc[i]['ts_code']
        market = data.iloc[i]['market']
        if market != 'SH': # 非主板股票
            continue
        # 判断股票振幅、流通市值和换手率是否符合条件
        daily_data = pro.daily_basic(ts_code=code, trade_date='20210901', fields='ts_code,trade_date,turnover_rate,last_turnover_rate,vol,pre_close')
        if len(daily_data) == 0 or daily_data.iloc[-1]['turnover_rate']* daily_data.iloc[-1]['vol']*1.0 / daily_data.iloc[-1]['last_vol'] <= 0.5 or daily_data.iloc[-1]['turnover_rate']* daily_data.iloc[-1]['vol']*1.0 /daily_data.iloc[-1]['last_vol'] >= 2:
            continue
        # 将符合条件的股票添加到结果列表中
        select_list.append({'ts_code': code, 'name': data.iloc[i]['name'], 'circ_mv': data.iloc[i]['circ_mv']})

    # 按照市值排序
    selected_stocks = pd.DataFrame(select_list)
    selected_stocks = selected_stocks.sort_values(by=['circ_mv'], ascending=[False])
    # 随机选择一定数量的股票
    selected_stocks = selected_stocks.sample(n=length)
    return selected_stocks
    ## 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

需要帮助?

试试AI小助手吧