(同花顺量化)9点25分涨幅小于6%_、流通市值50－100亿、今日增仓占比_5%

问财量化选股策略逻辑

今日增仓占比>5%,流通市值50－100亿,9点25分涨幅小于6%

选股逻辑分析

该策略基于三个条件进行筛选：

1. 今日增仓占比>5%，表示该股票在近期有较多资金流入，可能是机构或大户在买入，具有一定的投资价值。
2. 流通市值50－100亿，表示该股票的流通市值适中，不会因为流通市值过小而出现流动性问题，也不会因为流通市值过大而出现交易不活跃的情况。
3. 9点25分涨幅小于6%，表示该股票在开盘价较昨日收盘价上涨幅度不超过6%，说明该股票在开盘价上表现较为稳定，可能具有一定的投资价值。

综合以上三个条件，该策略可以筛选出具有投资价值的股票。

有何风险？

该策略的局限性在于：

1. 该策略仅基于历史数据进行筛选，无法预测未来市场表现。
2. 该策略可能会漏掉一些具有投资价值的股票，例如流通市值过小或涨幅过大的股票。
3. 该策略可能会选出一些不稳定的股票，例如业绩不佳或存在财务风险的股票。

如何优化？

为了优化该策略，可以考虑以下几点：

1. 增加更多的筛选条件，例如盈利能力、财务状况等，以更全面地评估股票的投资价值。
2. 将筛选条件的时间范围延长，例如从最近一个月或半年的数据进行筛选，以更准确地反映股票的市场表现。
3. 使用技术分析方法，例如趋势分析、均线分析等，以更准确地预测股票的未来表现。

最终的选股逻辑

最终的选股逻辑如下：

def select_stock():
    # 获取最近一段时间内的股票数据
    stock_data = get_stock_data()
    
    # 筛选出今日增仓占比>5%的股票
    filtered_data = stock_data[stock_data['net_flow'] > 0.05]
    
    # 筛选出流通市值50－100亿的股票
    filtered_data = filtered_data[filtered_data['market_cap'] >= 5000000000 and filtered_data['market_cap'] <= 10000000000]
    
    # 筛选出9点25分涨幅小于6%的股票
    filtered_data = filtered_data[filtered_data['open'] - filtered_data['close'] < 0.06]
    
    # 返回筛选后的股票数据
    return filtered_data

python代码参考

import pandas as pd

def get_stock_data():
    # 获取股票数据
    df = pd.read_csv('stock_data.csv')
    return df

def select_stock():
    # 获取最近一段时间内的股票数据
    df = get_stock_data()
    
    # 筛选出今日增仓占比>5%的股票
    filtered_data = df[df['net_flow'] > 0.05]
    
    # 筛选出流通市值50－100亿的股票
    filtered_data = filtered_data[filtered_data['market_cap'] >= 5000000000 and filtered_data['market_cap'] <= 10000000000]
    
    # 筛选出9点25分涨幅小于6%的股票
    filtered_data = filtered_data[filtered_data['open'] - filtered_data['close'] < 0.06]
    
    # 返回筛选后的股票数据
    return filtered_data

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。