问财量化选股策略逻辑
选股逻辑:选择换手率在3%到12%之间,外盘/内盘大于1.3,且主升起动的股票。
选股逻辑分析
该选股策略综合考虑了股票市场交易活跃度、流动性风险和价值增长潜力,筛选出较好的股票投资标的。
有何风险?
该选股策略依然对技术分析过于依赖,未充分考虑到股票的基本面因素对股票价格的影响。同时,选股策略对主升起动的判断比较主观,存在一定的误判风险。
如何优化?
既要考虑技术和基本面因素,也要充分运用市场情绪的判断,可以综合运用金融、经济、基本面和技术面指标来选择股票。同时,要依靠量化、科学的选股方法,减少主观性判断的影响,提高选股策略的准确性。
最终的选股逻辑
选择换手率在3%到12%之间,外盘/内盘大于1.3,并且符合主升起动条件的股票为选股范围。
同花顺指标公式代码参考
以下是同花顺指标所需公式:
选股公式:
SELECT STOCK_SYMBOL AS code FROM CandlesDay WHERE
VOLUME >= 100000 AND
TURNOVER_RATIO >= 3 AND
TURNOVER_RATIO <= 12 AND
OUTSIDE_VOLUME / INSIDE_VOLUME > 1.3 AND
(UP_PERCENT(CLOSE, 20) > 8 AND UP_PERCENT(CLOSE, 5) > 2.5 AND UP_PERCENT(CLOSE, 1) > 0.5)
ORDER BY TURNOVER_RATIO DESC;
Python代码参考
以下是 Python 代码实现该选股策略:
import pandas as pd
from typing import List
from datetime import datetime, timedelta
def select_stock(data: pd.DataFrame, n=10) -> List[str]:
selected_stocks = []
for code, df in data.groupby(level=0):
up_pct_20 = (df['close'].iloc[-1] - df['close'].iloc[-21]) / df['close'].iloc[-21] * 100
up_pct_5 = (df['close'].iloc[-1] - df['close'].iloc[-6]) / df['close'].iloc[-6] * 100
up_pct_1 = (df['close'].iloc[-1] - df['close'].iloc[-2]) / df['close'].iloc[-2] * 100
if ((df['volume'].iloc[-1] / df['volume'].iloc[-6:-1].mean() > 3) and \
(df['turnover_rate'].iloc[-1] > 3) and (df['turnover_rate'].iloc[-1] < 12) and \
(df['outside_volume'].iloc[-1] / df['inside_volume'].iloc[-1] > 1.3) and \
(up_pct_20 > 8) and (up_pct_5 > 2.5) and (up_pct_1 > 0.5)):
s_weight = df['turnover_rate'].mean() * df['volume'].mean() / (df['close'].iloc[-1] * 10000)
selected_stocks.append((code, s_weight))
selected_stocks.sort(key=lambda x: x[1], reverse=True)
selected_stocks = selected_stocks[:n]
return [x[0] for x in selected_stocks]
## 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。
