(同花顺量化)100亿市值以内的无亏损企业_、今日最大跌幅＜-4且＞-5、今日增仓占比_5

问财量化选股策略逻辑

今日增仓占比>5%,今日最大跌幅＜-4且＞-5,100亿市值以内的无亏损企业

选股逻辑分析

该策略的逻辑是基于今日的股票市场数据进行筛选，主要考虑以下几个方面：

1. 今日增仓占比：该指标表示股票近期的买入力度，如果增仓占比超过5%，说明市场对该股票的买入意愿较强，可能是一个好的买入信号。

2. 今日最大跌幅：该指标表示股票近期的跌幅情况，如果最大跌幅小于-4且大于-5，说明股票近期的跌幅较大，可能存在一定的抄底机会。

3. 100亿市值以内的无亏损企业：该指标表示股票的市值大小和盈利能力，如果市值小于100亿且没有亏损，说明该股票具有一定的安全性和盈利能力。

综合以上三个方面的指标，该策略可以筛选出在近期市场中具有买入意愿和抄底机会的股票，同时也考虑了股票的市值和盈利能力，具有一定的稳健性。

有何风险？

该策略的局限性在于，它只考虑了股票的短期市场表现，没有考虑股票的长期基本面情况。此外，该策略可能会筛选出一些市值较小、盈利能力较差的股票，这些股票可能存在较高的风险。

如何优化？

为了提高该策略的稳健性，可以考虑在筛选股票时加入一些基本面指标，例如市盈率、市净率等，以更好地评估股票的长期盈利能力。此外，可以考虑加入一些技术指标，例如移动平均线、布林线等，以更好地判断股票的短期市场趋势。

最终的选股逻辑

以下是最终的量化选股策略逻辑：

import talib

def select_stock():
    # 获取今日所有股票的数据
    data = get_stock_data()
    
    # 筛选出今日增仓占比超过5%的股票
    stocks = data.loc[data['net_flow'] > 0.05]['tushare_code'].unique()
    
    # 筛选出今日最大跌幅小于-4且大于-5的股票
    stocks = stocks.loc[data['max_during'] < -4.05]['tushare_code'].unique()
    
    # 筛选出市值小于100亿且没有亏损的股票
    stocks = stocks.loc[data['market_cap'] < 10000000000]['tushare_code'].unique()
    
    # 筛选出符合以上三个条件的股票
    stocks = stocks.loc[data['tushare_code'].isin(stocks)]
    
    return stocks

python代码参考

import talib

def get_stock_data():
    # 获取所有股票的历史数据
    data = get_historical_data()
    
    # 计算今日的增仓占比
    data['net_flow'] = data['net_flow'].diff()
    data['net_flow'] = data['net_flow'].fillna(0)
    data['net_flow'] = data['net_flow'] / data['net_flow'].sum()
    
    # 计算今日的最大跌幅
    data['max_during'] = data['max_during'].diff()
    data['max_during'] = data['max_during'].fillna(0)
    data['max_during'] = data['max_during'] / data['max_during'].max()
    
    # 筛选出市值小于100亿且没有亏损的股票
    data = data.loc[data['market_cap'] < 10000000000]
    data = data.loc[data['net_loss'] == 0]
    
    return data

def talib_func(data):
    # 使用talib函数进行技术分析
    # ...

    return talib_func_output

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。