问财量化选股策略逻辑
选股逻辑:在换手率3%到12%,外盘/内盘大于1.3的基础上,只选择近两日内的最高价为历史高点的股票。
选股逻辑分析
该选股逻辑主要考虑了股票的历史走势,认为近两日内的最高价为历史高点的股票具有上涨潜力。
有何风险?
该选股策略忽略了基本面因素和技术面因素,只是单纯的基于历史走势作出选择。同时,由于历史高点存在一定的随机性,不能完全代表股票未来走势,存在一定的局限性。
如何优化?
可以在基础的选股条件之上,加入其他的因素,如市净比、股息率、PEG比率等,强化选股策略的综合能力。同时,也可以考虑使用机器学习模型等现代化方法提高选股的效率和准确性。
最终的选股逻辑
在换手率3%到12%,外盘/内盘大于1.3的基础上,只选择近两日内的最高价为历史高点的股票。
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_id AS code FROM XDT_MinuteTable a WHERE
( OUT_VOL / IN_VOL > 1.3 ) AND
( UNIT > 10000 ) AND
( C_STATUS in ('正常', 'ST', 'ST*', 'XD', 'DRS', 'DRS*', 'GRS', 'PG') ) AND
( HIGH = (SELECT MAX(HIGH) FROM XDT_MinuteTable b WHERE a.STOCK_ID = b.STOCK_ID AND
b.TIMESTAMP_L >= DATE_SUB(CURRENT_DATE(), INTERVAL 2 DAY)) )
ORDER BY T_UNIT 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):
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 \
(df['high'].iloc[-1] == df['high'].iloc[-2:].max()) and \
(df['market'].iloc[-1] != 'KCB')):
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。
