问财量化选股策略逻辑
该策略选股逻辑包括以下条件:换手率3%-12%,开盘价在十日线左右,反包。
选股逻辑分析
该选股逻辑结合了短期交易活跃度、短期走势和技术指标等维度,选出的股票具有交易活跃度和短期走势良好的特点,同时在技术指标上符合反转交易的思路。反包指标在技术分析中常用,表示当前开盘价低于前一日最低价的价格,也相当于股价有往上反弹的可能性。该策略相对简单,能在一定程度上避免高估风险。
有何风险?
在策略的选股逻辑中,无法全面考虑公司的财务实力、基本面以及行业地位等因素,可能存在较高的风险。
如何优化?
可以在选股条件中加入一些基本面和财务指标等长期价值因素,以更加完善的维度选择优秀的标的资产。同时,也可以采用均线组合、技术指标等作为辅助选股因素,减小风险,提升收益。
最终的选股逻辑
该选股逻辑为:换手率大于等于3%且小于等于12%、开盘价在十日线左右、反包。
同花顺指标公式代码参考
通达信公式代码:
(TURNOVER>=0.03 AND TURNOVER<=0.12)
AND (OPEN>MA(CLOSE,10)*0.95 AND OPEN<MA(CLOSE,10)*1.05)
AND OPEN<REF(LOW,1)
python代码参考
import pandas as pd
import numpy as np
from pytdx.hq import TdxHq_API
# 创建连接
api = TdxHq_API()
api.connect('119.147.212.81', 7709)
# 获取所有A股列表
all_stocks = api.get_security_list(1, 0)
df = pd.DataFrame(all_stocks, columns=['code', 'name', 'market_type', 'exchange_type'])
# 获取A股个股财报数据
selected_stocks = []
for code in df['code']:
k_data = api.get_k_data(code)
if k_data is not None and len(k_data)>10:
tmp_df = pd.DataFrame(k_data)
if df[df['code']==code]['market_type'].values[0] != '北京' \
and (tmp_df['open']<tmp_df['low'].shift(1)).any() \
and tmp_df['turnover_ratio'].quantile(0.7)>=0.03 \
and tmp_df['turnover_ratio'].quantile(0.7)<=0.12 \
and tmp_df['open'].median()>=tmp_df['close'].rolling(10).mean()*0.95 \
and tmp_df['open'].median()<=tmp_df['close'].rolling(10).mean()*1.05:
selected_stocks.append({'code': code, 'name': df[df['code']==code]['name'].values[0], 'market_type': df[df['code']==code]['market_type'].values[0], 'circulation_mv': tmp_df['circulation_mv'].quantile(0.7)})
df_selected = pd.DataFrame(selected_stocks)
# 断开连接
api.disconnect()
## 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。
