(同花顺量化)10日涨幅大于0小于35_、涨幅_2

用户头像神盾局量子研究部
2023-08-31 发布

问财量化选股策略逻辑

  • 今日增仓占比>5%
  • 涨幅<2.6且涨幅>-5
  • 10日涨幅大于0小于35

选股逻辑分析

以上三个条件分别代表了股票的三个方面的特征:首先,今日增仓占比超过5%表示机构投资者对这只股票有明显的买入行为,这可能意味着这只股票具有良好的投资价值。其次,涨幅限制在-5到2.6之间,这可以避免选出一些过度波动的股票,使得选出的股票更加稳定。最后,10日涨幅大于0小于35,这可以筛选出一些有潜力的股票,但又不至于涨幅过大,使得选出的股票更加安全。

有何风险?

以上三个条件虽然可以筛选出一些有潜力的股票,但是仍然存在一定的风险。首先,机构投资者买入股票可能并不是基于长期投资的考虑,而是为了短期套利或者拉高股价。其次,股票的涨幅受到市场环境、行业政策等多种因素的影响,因此涨幅的预测存在一定的不确定性。最后,股票的价值评估需要考虑公司的财务状况、盈利能力等多个因素,而这些因素的变化也会影响到股票的价值。

如何优化?

为了降低风险,可以考虑以下优化措施:

  • 在条件中加入财务指标,例如市盈率、市净率等,以更加全面地评估股票的价值。
  • 在条件中加入技术指标,例如布林线、移动平均线等,以更加准确地预测股票的走势。
  • 在条件中加入行业因素,例如行业景气度、政策支持力度等,以更加准确地筛选出有潜力的股票。

最终的选股逻辑

  • 今日增仓占比>5%
  • 涨幅<2.6且涨幅>-5
  • 市盈率<20
  • 市净率>1.5
  • 布林线中轨以上
  • 移动平均线上穿布林线中轨

python代码参考

import talib
import pandas as pd

def get筛选条件():
    # 获取今日增仓占比
    data = pd.read_csv('data.csv')
    buy_signal = data['buy_signal'] > 0.5
    # 获取涨幅限制
    data = pd.read_csv('data.csv')
    price_change = data['price_change']
    upper_limit = price_change > 2.6
    lower_limit = price_change < -5
    # 获取10日涨幅限制
    data = pd.read_csv('data.csv')
    price_change = data['price_change']
    upper_limit = price_change > 0
    lower_limit = price_change < 35
    # 获取财务指标限制
    data = pd.read_csv('data.csv')
    pe_ratio = data['pe_ratio']
    pb_ratio = data['pb_ratio']
    upper_limit = pe_ratio < 20
    lower_limit = pb_ratio > 1.5
    # 获取技术指标限制
    data = pd.read_csv('data.csv')
    bollinger_upper = talib.BBANDS(data['close'], timeperiod=20, upperband=2, middleband=1, lowerband=1)
    bollinger_middle = talib.BBANDS(data['close'], timeperiod=20, upperband=2, middleband=1, lowerband=1)
    upper_limit = bollinger_upper[1] > bollinger_middle[1]
    lower_limit = bollinger_upper[1] < bollinger_middle[1]
    # 获取行业因素限制
    data = pd.read_csv('data.csv')
    industry_strength = data['industry_strength']
    upper_limit = industry_strength > 0.5
    lower_limit = industry_strength < -0.5
    # 将所有限制条件组合在一起
    conditions = buy_signal & upper_limit & lower_limit & upper_limit & lower_limit & upper_limit & lower_limit & upper_limit & lower_limit
    return conditions

def get筛选结果():
    data = pd.read_csv('data.csv')
    conditions = get筛选条件()
    selected = data[conditions]
    return selected

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。

94c5cde12014f99e262a302741275d05.png

收益&风险
源码

评论