(supermind量化-)振幅大于1、上市大于、圆弧形_

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

本选股策略选取振幅大于1、上市时间大于一年、圆弧形的股票。

选股逻辑分析

圆弧形是指近期股价走势呈现出一定的圆弧形状,进而预示后期股价会继续上涨。而振幅大于1可以筛选出市场活跃性较强的股票,上市时间大于一年可以筛选出稳定的股票。综合圆弧形与振幅、上市时间等指标,可以筛选出相对具备明显上涨趋势的股票。

有何风险?

同样面临对股票基本面等因素的忽略的风险。同时,圆弧形的判断条件较为主观,并且可能无法准确反映后续股价走势,需要注意。

如何优化?

可以在股票基本面和技术面上加入其他筛选条件。比如,可以加入市盈率、市净率等基本面指标来筛选股票;加入RSI、MACD等技术指标来筛选股票。同时,可以考虑选择其他具有明显上涨趋势的股票,而不仅仅以圆弧形为唯一标准。

最终的选股逻辑

本选股策略选取振幅大于1、上市时间大于一年、圆弧形的股票。

同花顺指标公式代码参考

振幅:
VAR1:=(ABS(HIGH-LOW)/REF(CLOSE,1))*100;
VAR1>1

上市时间:
DATEDIFF(LISTDATE,TODAY)>365

圆弧形:
ABS((3MA(CLOSE,5)+2MA(CLOSE,10)+MA(CLOSE,20))/6-MA(CLOSE,60))/(MA(CLOSE,60)*0.1)<1

python代码参考

# 引入Tushare库
import tushare as ts

# 连接Tushare库
pro = ts.pro_api()

def select_stocks(n):
    selected_stocks = []

    today = pro.trade_cal(exchange='', is_open='1')["cal_date"].values[-1]

    # 筛选出市值前10%的股票
    stock_heat = pro.query('top_list', ts_code='', trade_date=today, list_date='',
                           market_type='', publisher='', fields='ts_code,name,mktcap')
    stock_heat = stock_heat.sort_values(by=['mktcap'], ascending=False)
    stock_heat = stock_heat.iloc[:int(len(stock_heat) * 0.1), :]

    for code in stock_heat["ts_code"]:
        if len(selected_stocks) >= n:
            break

        # 振幅大于1
        quote_info = pro.query('daily', ts_code=code, start_date=int(today)-21, end_date=int(today)-1, fields='open,close,high,low')
        if len(quote_info) < 20:
            continue

        var1 = (abs(quote_info["high"] - quote_info["low"]) / quote_info["close"].shift(1)) * 100
        if (var1 <= 1).any():
            continue

        # 上市时间大于一年
        stock_info = pro.query('stock_basic', ts_code=code, fields='list_date')
        stock_list_date = stock_info['list_date'].values[0]
        if int(today) - int(stock_list_date) < 365:
            continue

        # 圆弧形
        close = pro.query('daily', ts_code=code, start_date=int(today)-60, end_date=int(today)-1, fields='close')
        if len(close) < 60:
            continue

        arc_condition = abs((3*close["close"].rolling(5).mean()+2*close["close"].rolling(10).mean()+close["close"].rolling(20).mean())/6 - close["close"].rolling(60).mean())/(close["close"].rolling(60).mean()*0.1) < 1
        if not arc_condition.all():
            continue

        selected_stocks.append(code)

        if len(selected_stocks) >= n:
            break

    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