问财量化选股策略逻辑
在选股策略中，我们采用了以下逻辑来筛选股票：
- 涨停数大于0，10日振幅<,非涨停：我们关注股票在过去的15个交易日中，涨停数大于0，10日振幅小于一定值，且非涨停。这样的股票往往具有较高的活跃度和市场关注度。
选股逻辑分析
这个选股策略的风险主要在于选股的样本偏差和市场变动的风险。如果选股策略所筛选出的股票在接下来的某个时间段内表现不佳，那么这个策略可能会带来一定的亏损。此外，市场行情的不确定性也会对选股策略产生影响。
如何优化？
为了优化这个选股策略，我们可以考虑以下几个方面：
- 增加交易日数：增加选股策略的训练时间，提高模型的预测准确度。
- 调整振幅阈值：根据市场情况，调整选股策略中所使用的10日振幅阈值。
- 结合其他指标：结合其他技术指标和基本面指标，提高选股策略的全面性。
最终的选股逻辑
在经过优化后，我们的选股策略如下：
- 股票在过去15个交易日中，涨停数大于0。
- 股票在最近的10个交易日内，10日振幅小于一定值（可以根据市场情况调整）。
- 股票在最近一个交易日非涨停。
常见问题
-
什么情况下会触发选股策略中的“非涨停”条件？
答：只有当股票在最近一个交易日没有涨停时，才会触发“非涨停”条件。 -
选股策略中的“一定值”是如何设定的？
答：这个“一定值”可以根据市场情况和历史数据进行调整，以提高选股策略的适应性。 -
选股策略是否可以结合其他指标进行优化？
答：是的，我们可以结合其他技术指标和基本面指标，如MACD、布林带等，来优化选股策略。
指标公式代码参考
以下是选股策略中所使用的部分指标公式代码：
- 涨停数：计算过去15个交易日中的涨停数，公式如下：
def count_stock_dead_ups(stock):
dead_ups = 0
for i in range(15, 0, -1):
if stock[i] > stock[i-1]:
dead_ups += 1
return dead_ups
- 10日振幅：计算股票在最近的10个交易日的振幅，公式如下：
def calculate_stock_price_range(stock):
price_range = []
for i in range(10):
price_range.append(stock[i] - stock[i-1])
return max(price_range), min(price_range)
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？
点击页面下方的复制按钮，复制到自己的账户即可使用模板进行回测。