(supermind量化-)振幅大于1、下午大单净流入、竞价时涨跌幅买入大单

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、下午大单净流入、竞价时涨跌幅买入大单以及特大单共计买入量大于0.7千万的股票作为选股标准,选出的个股视为投资标的。

选股逻辑分析

本选股策略从技术面和资金面选择投资标的。具体选取振幅大于1、下午大单净流入、竞价时涨跌幅买入大单以及特大单共计买入量大于0.7千万的股票作为选股标准。其中,振幅大于1的股票具有一定波动性;下午大单净流入较多的股票具有较好的资金流入情况;竞价时涨跌幅买入大单代表了股票价格走势的敏感性;特大单共计买入量较大的股票代表了较强的资金支持。从多个角度综合考虑,选取投资标的。

有何风险?

本选股策略存在较大的风险。首先,在仅使用技术面和资金面的数据进行选股时,存在过度拟合的风险,即模型过度匹配特定的历史数据而导致未来表现不如预期。其次,特大单共计买入量较大的股票可能存在资金操纵的情况,需要谨慎考虑。最后,需要认识到股市投资风险较大,投资需谨慎。

如何优化?

为了综合考虑多个因素,可以加入基本面因素,例如市盈率、市净率、ROE等指标,考虑公司财务状况;加入行业板块等因素,考虑行业趋势。作为技术面的补充,可以使用其他技术面指标,例如均线、相对强弱指标、KDJ指标等,以综合判断股票的买卖信号和趋势情况。在特大单共计买卖量中,可以加入特定期间的平均值,以避免个别交易日影响结论。更综合考虑多个角度,筛选潜力股和优质股。

最终的选股逻辑

本选股策略通过多个角度,综合考虑短期、中期和长期因素,选取波动性大、资金流入情况好、股票价格走势敏感、以及特大单共计买入较大的个股作为投资标的,以期获得更好的收益。在此基础上,可以加入其他因素和补充指标,进行更为全面、准确的选股。

同花顺指标公式代码参考

振幅大于1:

(HIGH - LOW) / PRE_CLOSE > 0.01

下午大单净流入:

C - O > (0.005 * V - MA(V, 3)) / 10000

竞价时涨跌幅买入大单:

ABS(PRICE - PRE_CLOSE) / PRE_CLOSE > 0.02 AND PRICE - PRE_CLOSE > 0 AND BS == 'B'

特大单共计买入量大于0.7千万:

(BUY_L - SELL_L) > 7000000

python代码参考

# 引入Tushare库
import tushare as ts

# 连接Tushare库
pro = ts.pro_api()

# 查询所有股票的数据
all_data = pro.stock_basic()

# 根据选股条件进行筛选
selected_stocks = []
for ts_code in all_data["ts_code"]:
    # 获取股票数据
    k_data = pro.daily(ts_code=ts_code, trade_date='2022-01-25')
    trade_data = pro.stock_trade(ts_code=ts_code, trade_date='2022-01-25')
    if ts_code.startswith(("00", "30")) and \
            (k_data.high - k_data.low).mean() / k_data.close.mean() > 0.01 and \
            (k_data.close - k_data.open > ((0.005 * k_data.vol - pd.Series(k_data.vol).rolling(3).mean()) / 10000)).values[-1] and \
            trade_data[trade_data["bs"] == "B"][["price", "pre_close"]].apply(lambda x: (abs(x["price"] - x["pre_close"]) / x["pre_close"] > 0.02 and x["price"] - x["pre_close"] > 0), axis=1).sum() > 0 and \
            trade_data["buy_sm_vol"].iloc[:2].sum() / 10000 + trade_data["buy_md_vol"].iloc[:2].sum() / 10000 + trade_data["buy_lg_vol"].iloc[:2].sum() / 10000 > 70:
        selected_stocks.append(ts_code)

# 输出选中的股票
print(selected_stocks)

选股策略通过Tushare库获取股票数据并进行筛选,使用rolling函数来实现选股筛选条件的计算。在控盘的计算中使用交易金额较为准确。对于选股策略的后续优化,建议增加财务因素,同时保留技术面因素以考虑股票价格走势。特别注意在特大单共计买卖量中加入特定期间的平均值,以避免个别交易日影响结论。

    ## 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