(supermind量化-)振幅大于1、前日实际换手率_3~28、资金强度由大到小_

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

选取振幅大于1、前日实际换手率在3%到28%之间、资金强度由大到小的股票进行买入。

选股逻辑分析

相比于前一个逻辑,该逻辑增加了资金强度的考虑,可以更好地筛选出成交量和资金活跃度高的股票。同时,该逻辑没有考虑到技术方面的指标,可能存在部分筛选结果的精度不足的情况。

有何风险?

由于选取的仅有少量的技术指标以外,筛选结果可能存在较大的不确定性,容易受到市场情绪和资讯面的影响而导致出现较大波动。

如何优化?

可以结合技术分析指标,建立更全面、更准确的选股模型,根据趋势及财经新闻进行调整,同时可以考虑引入基本面指标选择具有成长性公司的股票。

最终的选股逻辑

选取振幅大于1、前日实际换手率在3%到28%之间、资金强度由大到小的股票作为筛选条件,同时加入其他技术指标和基本面分析进行完善。

同花顺指标公式代码参考

// 筛选振幅大于1的股票
amplitude = (HIGH - LOW) / OPEN
amplitude_bool = amplitude > 1

// 筛选前日实际换手率在3%到28%之间的股票
volume_ratio = TODAY_VOLUME / REF(YESTERDAY_VOLUME, 1)
volume_ratio_bool = (volume_ratio >= 0.03) & (volume_ratio <= 0.28)

// 筛选资金强度由大到小
capital_flow = SUM((CLOSE - REF(CLOSE, 1)) / REF(CLOSE, 1) * VOLUME, 10)
capital_flow_bool = CAPITAL_FLOW >= CAPITAL_FLOW[1]

// 选出符合条件的股票
result = amplitude_bool & volume_ratio_bool & capital_flow_bool

// 输出筛选结果
result

Python代码参考

import tushare as ts
import talib as TA

# 筛选条件1:振幅大于1
today_data = ts.get_today_all()
amplitude = (today_data['high'] - today_data['low']) / today_data['open']
amplitude_bool = amplitude > 1

# 筛选条件2:前日实际换手率在3%到28%之间
hist_data = ts.get_hist_data('600519')
volume_ratio = hist_data['volume'] / hist_data['volume'].shift(1)
volume_ratio_bool = (volume_ratio >= 0.03) & (volume_ratio <= 0.28)

# 筛选条件3:资金强度由大到小
capital_flow = TA.SUM((today_data['close'] - today_data['close'].shift(1)) / today_data['close'].shift(1) * today_data['volume'], timeperiod=10)
capital_flow_bool = capital_flow >= capital_flow.shift(1)

# 选出符合条件的股票
result = amplitude_bool & volume_ratio_bool & capital_flow_bool

# 输出筛选结果
final_result = today_data.loc[result].sort_values(by=["turnoverratio"],ascending=False)
print(final_result)

注:以上为示例代码,请根据实际情况进行调整。

    ## 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