(supermind量化策略)task14/a/元宇宙、2021年、振幅大于1

用户头像神盾局量子研究部
2023-08-30 发布

问财量化选股策略逻辑

本股票选股策略为:在元宇宙行业中,选择2021年交易的股票,振幅大于1的股票进行买入。

选股条件为:元宇宙、2021年、振幅大于1。

选股逻辑分析

本选股策略利用元宇宙行业的热度以及近期股票的波动性指标,选出2021年振幅大于1的股票,这类股票存在较大的波动幅度,有很好的赚钱潜力。

有何风险?

本选股策略存在以下风险:

  1. 只考虑过去的市场表现,没有考虑股票的基本面等因素,可能导致低估或高估了股票价值;
  2. 短期内股票市场易受消息面等实时变化因素的影响,可能导致选股策略突然失效;
  3. 过于强调波动幅度,可能会忽略股票的长期价值和稳健性。

如何优化?

为进一步提高选股策略的准确性和稳定性,可以:

  1. 引入其他行业指标、基本面指标等因素作为辅助工具,更加客观准确地判断股票的市场表现;
  2. 加入资金流入流出、市值和股东结构等因素,更好地把握股票的长期趋势;
  3. 选择适合自己风险偏好的股票,避免过多地追求波动性。

最终的选股逻辑

在元宇宙行业中,选择2021年振幅大于1的股票进行买入。

选股条件为:元宇宙、2021年、振幅大于1。

同花顺指标公式代码参考

选股条件:2021年,振幅大于1
TDX公式:
C1: YEAR(DATE) == 2021; // 选择2021年的数据
C2: AMPLITUDE() > 1; // 振幅大于1
SELECT IF(C1 AND C2, 1, 0);

同花顺公式:
选择2021年股票中,振幅大于1的股票。

python代码参考

import pandas as pd
from typing import List

def select_stocks(data: pd.DataFrame) -> List[str]:
    df = data.copy()
    
    select_df = []
    for code in df['证券代码'].unique():
        his_df = df.loc[df['证券代码'] == code]
        if his_df.empty:
            continue
        year_data = his_df.loc[his_df['交易日期'].dt.year == 2021]
        if year_data.empty or year_data['振幅比率'].min() < 1:
            continue
        select_df.append(code)
    select_df.sort(key=lambda x: df.loc[df['证券代码'] == x, '市值'].iloc[-1], reverse=False)
    return select_df
    ## 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