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:
- 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;
- 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;
- 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:
- 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;
- 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;
- 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。
