问财量化选股策略逻辑
该选股策略选股逻辑为:选择换手率在3%-12%的股票中,上市年份为2021年,且符合酷特智能早晨之星形态的股票。
选股逻辑分析
该选股策略选股逻辑结合了换手率和形态分析等因素,能够综合考虑股票的基本面和技术面,同时具有寻找反转走势的功能。酷特智能早晨之星形态是一种反转形态,出现在下跌趋势中,可以预示股票的反转走势。
有何风险?
该选股策略存在以下风险:1、形态分析具有一定的主观性,需要结合其他技术指标进行判断;2、选股仍然存在一定的盲目性,需要结合其他因素进行综合判断。
如何优化?
可加入其他基本面指标和技术指标,以辅助判断股票的买卖情况,并且应结合不同市场和周期进行多方面的回测,以判断该选股策略的稳定性和实际效果。
最终的选股逻辑
选择换手率在3%-12%的股票中,上市年份为2021年,且符合酷特智能早晨之星形态的股票。
同花顺指标公式代码参考
C1:=REF(CLOSE,1);
C2:=REF(CLOSE,2);
C3:=REF(CLOSE,3);
O1:=REF(OPEN,1);
O2:=REF(OPEN,2);
O3:=REF(OPEN,3);
COND1:=O2
COND2:=O<REF(O,1) AND REF(O,1)<REF(O,2) AND MIN(O,CLOSE)>REF(LOW,1) AND O<LOW;
STICKLINE(COND1 AND COND2,0,LOW,1,0),COLORGREEN;
Python代码参考
import pandas as pd
from pytdx.hq import TdxHq_API
from pytdx.util.best_ip import select_best_ip
#初始化TdxHq_API()并获取最优IP
api = TdxHq_API()
ip = select_best_ip('tdx')
def get_stock_list(api):
#遍历股票市场获取所有股票
dataList = []
for market in [0, 1]:
stock_list = api.get_security_list(market, 0)
results = [(stock['code'], pd.Timestamp(stock['ipo_date']).year, stock['ipo_year'], stock['ipo_price'],
stock['ipo_amount'], stock['ltgb'], stock['zy'], stock['zql']) for stock in stock_list if stock['code'][0] in ['0', '3'] and
stock['market'] == 0 and stock['ipo_year'] == 2021]
dataList += results
return pd.DataFrame(dataList, columns=['stock_code', 'ipo_date', 'ipo_year', 'ipo_price', 'ipo_amount', 'ltgb', 'zy', 'zql'])
def get_matched_stocks(api, stock_list):
#筛选出符合条件的股票
condition1 = (stock_list['ltgb'] >= 200000000)
condition2 = (stock_list['zql'] >= 3) & (stock_list['zql'] <= 12)
matched_stocks = []
for code in stock_list[condition1 & condition2]['stock_code'].tolist():
data = api.get_k_data(code, 'D', '20210101', '20211231')
if len(data) >= 4:
c1 = data['close'].shift(1)
c2 = data['close'].shift(2)
c3 = data['close'].shift(3)
o1 = data['open'].shift(1)
o2 = data['open'].shift(2)
o3 = data['open'].shift(3)
cond1 = ((o2 < c2) & (o1 > c1) & (min(o1, c1) < c2) & ((o1-c1)/c1 > 0.009) & ((c2-o2)/o2 > 0.007) & ((o2-c3)/c3 > 0.015))
cond2 = ((data['open'] < c1) & (c1 < c2) & (min(data['open'], data['close']) > data['low'].shift(1)) & (data['open'] < data['low']))
if cond1.iloc[-1] & cond2.iloc[-1]:
matched_stocks.append(code)
return matched_stocks
#获取股票列表
stock_list = get_stock_list(api)
#筛选符合条件的股票
matched_stocks = get_matched_stocks(api, stock_list)
#输出结果
print('下列股票符合选股策略:')
print(matched_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。
