港股打新之卖出策略（暗盘和首日）

港股新股的，暗盘收盘价，首日开盘价，首日收盘价平均盈利率。

参考：集思录新股暗盘数据

新股：20190501上市以来的新股。

结论：

暗盘盘尾卖出预期收益18.3515584416

开盘价卖出预期收益 13.4619749834

收盘价卖出预期收益 11.7666170539

最高价卖出预期收益(不可行) 33.6542119814

最低价卖出预期收益(不可行) -0.714902449712

可见暗盘卖出最合适。

代码

# 近期上市新股
stockDf=DataAPI.HKEquGet(secID=u"",ticker=u"",listStatusCD=u"L",field=u"",pandas="1")
stockDf=stockDf[stockDf['listDate']>'2019-05-01']
stockDf=stockDf[stockDf['ListSector']=='主板']
print(stockDf.shape)
tickers=stockDf['ticker'].values.tolist()
print(tickers[:5])import numpy as np
import pandas as pd#新股上市首日价格信息，开盘价，收盘，最高，最低
stockPriceDf=DataAPI.MktHKEqudGet(secID='',ticker=tickers,tradeDate=u"",beginDate=u"20190101",endDate=u"",field=u"",pandas="1")
stockPriceDf=stockPriceDf.groupby('secShortName').first()# stockPriceDf
stockPriceDf['openRate']=(stockPriceDf['openPrice']/stockPriceDf['preClosePrice']-1)*100
stockPriceDf['closeRate']=(stockPriceDf['closePrice']/stockPriceDf['preClosePrice']-1)*100
stockPriceDf['highRate']=(stockPriceDf['highestPrice']/stockPriceDf['preClosePrice']-1)*100
stockPriceDf['lowRate']=(stockPriceDf['lowestPrice']/stockPriceDf['preClosePrice']-1)*100
stockPriceDf=stockPriceDf.replace([np.inf, -np.inf], np.nan)
stockPriceDf=stockPriceDf.dropna(subset=['openRate','closeRate'],axis=0)stockPriceDf=stockPriceDf[['ticker','openRate','closeRate','highRate','lowRate']]
stockPriceDfhkAnpanDf=pd.read_csv('hk_newstock_anpan.csv')
hkAnpanDf['ticker']=hkAnpanDf['ticker'].apply(lambda x:str(x).rjust(5,'0'))
hkAnpanDf['anpanRate']=hkAnpanDf['anpanRate'].apply(lambda x:float(x.replace('%','').replace('-','0')))stockPriceDf=stockPriceDf.merge(hkAnpanDf,on='ticker',how='inner')
stockPriceDf
print('暗盘盘尾卖出预期收益 ')
print(stockPriceDf['anpanRate'].mean())
print('开盘价卖出预期收益 ')
print(stockPriceDf['openRate'].mean())
print('收盘价卖出预期收益 ')
print(stockPriceDf['closeRate'].mean())
print('最高价卖出预期收益(不可行) ')
print(stockPriceDf['highRate'].mean())
print('最低价卖出预期收益(不可行) ')
print(stockPriceDf['lowRate'].mean())#可见，暗盘收盘价卖出最佳
stockPriceDf# 第二，暗盘收盘买入，次日最高价涨跌率差异
#收益模拟： 暗盘正收益，则暗盘尾部买入，次日卖出价格暗盘+5%,否则持有到尾盘
def score(x):if x['anpanRate']<0:return 0else:if x['highRate']-x['anpanRate']>5.0:return 5.0else:return x['closeRate']-x['anpanRate']
stockPriceDf['predictRate']=stockPriceDf.apply(lambda x:score(x),axis=1)
print(stockPriceDf['predictRate'].mean())#收益模拟： 暗盘正收益，次日止损价格暗盘5%,否则持有到尾盘
def score(x):if x['anpanRate']<0:return 0else:if x['lowRate']-x['anpanRate']>5.0:return -5.0else:return x['closeRate']-x['anpanRate']
stockPriceDf['predictRate']=stockPriceDf.apply(lambda x:score(x),axis=1)
print(stockPriceDf['predictRate'].mean())

代码依赖外部数据hk_newstock_anpan.csv

内容如下，从集思录中取得，新股暗盘收盘涨跌百分率。（copy到excel，删除多余列，保存到csv即可）

港股打新之卖出策略（暗盘和首日）相关推荐

Python量化交易学习笔记（20）——保护点卖出策略
本文主要记录保护点卖出策略,给买入的股票设立保护点,随着股票收盘价的提升,保护点不断提高,股价一旦跌破保护点,即卖出股票. 示例的买入条件为,5日线金叉60日线,且股价进行小幅回踩(较金叉日收盘价下跌 ...
python 策略回测期货_量化投资实战教程(1)—基于backtrader的简单买入卖出策略
都说Python可以用于量化投资,但是很多人都不知道该怎么做,甚至觉得是非常高深的知识,其实并非如此,任何人都可以在只有一点Python的基础上回测一个简单的策略. Backtrader是一个基于Py ...
Python量化交易学习笔记（19）——连续下跌买入止盈止损卖出策略
好友提出要验证连续下跌买入止盈止损卖出策略,本文对该策略回测和实现做分析记录. 买入条件中,连续下跌定义为收盘价连续4日低于前1日的收盘价.卖出条件中,止盈率设置为10%,止损率设置为5%.回测初始资 ...
量化投资实战教程(1)—基于backtrader的简单买入卖出策略
都说Python可以用于量化投资,但是很多人都不知道该怎么做,甚至觉得是非常高深的知识,其实并非如此,任何人都可以在只有一点Python的基础上回测一个简单的策略. Backtrader是一个基于Py ...
用Python买卖策略：基于北向资金的择时买入卖出策略复现
大家好,我是菜鸟哥! 最近自己一直在学习理财相关的东西,所以后面一段时间,可能会多分享一些这方面的学习笔记其实在学习之前,我一直在思考一个问题:为什么我们在市场上赚不了钱?可能基金还好点,只要行情不 ...
基于北向资金的择时买入卖出策略复现
点击上方"Python爬虫与数据挖掘",进行关注回复"书籍"即可获赠Python从入门到进阶共10本电子书今日鸡汤位卑未敢忘忧国,事定犹须待阖棺. ...
2020-1-19 2.港股打新、REITs和分拆
1.港股打新介绍港股打新升级版财属目由尽握手中港股中签率较高 A股提高中签率港股提高中签之后的收益率有可能破发 2.第一版港股打新港股打新第一版 ■第一种策略:只选择低于1.5港币的配售 ...
下次激活策略10_（好文重读）低风险之可转债4大卖出策略
因为最近可转债整体行情确实不错,所以这篇文章我和你一起来谈谈可转债的卖出策略. (先说明一下,此策略适用于100-110买入的低价可转债,并且以强赎为最终目标.而最近频现的暴涨暴跌的"妖债& ...
Python怎么买入卖出
Python 基于北向资金的择时买入卖出策略复现大家好,我是海皇最近自己一直在学习理财相关的东西,所以后面一段时间,可能会多分享一些这方面的学习笔记其实在学习之前,我一直在思考一个问题:为什么我 ...

港股打新之卖出策略（暗盘和首日）

港股打新之卖出策略（暗盘和首日）相关推荐

最新文章

热门文章