问财量化选股策略逻辑
今日增仓占比>5%,外盘/内盘大于1.3,100亿市值以内的无亏损企业
选股逻辑分析
这个策略基于三个基本的逻辑:
-
今日增仓占比 > 5%:这意味着股票在最近一段时间内有较多的资金流入,表明市场对该股票的前景较为看好。
-
外盘/内盘大于1.3:这个指标表示股票的外盘(即卖盘)比内盘(即买盘)大,表明市场上的卖压较强。一般来说,当外盘/内盘大于1.3时,股票的价格可能会下跌。
-
100亿市值以内的无亏损企业:这个条件是为了确保所选股票的规模足够小,这样可以减少交易成本和风险。
有何风险?
这个策略的缺点是它没有考虑股票的基本面因素,因此可能会忽略一些重要的信息。此外,由于该策略只考虑了最近一段时间内的资金流入情况,因此可能会忽略一些长期趋势。
如何优化?
为了优化这个策略,可以考虑加入一些基本面因素,例如市盈率、市净率等。此外,可以考虑加入一些技术分析指标,例如移动平均线、布林线等,以更好地判断股票的价格走势。
最终的选股逻辑
最终的选股逻辑如下:
import talib
def select_stock():
# 获取所有A股股票的列表
stocks = get_stock_list()
# 初始化一个空列表,用于存储符合条件的股票
selected_stocks = []
# 遍历每个股票
for stock in stocks:
# 获取该股票的今日增仓占比、外盘/内盘和市值
today_percent_change = get_percent_change(stock, 'today')
foreign_buy_or_sell_ratio = get_buy_or_sell_ratio(stock)
market_cap = get_market_cap(stock)
# 如果该股票符合条件,则将其添加到列表中
if today_percent_change > 5 and foreign_buy_or_sell_ratio > 1.3 and market_cap <= 100e6:
selected_stocks.append(stock)
# 返回符合条件的股票列表
return selected_stocks
python代码参考
import talib
def get_percent_change(stock, time_frame):
# 获取指定时间框架内的股票价格数据
prices = get_prices(stock, time_frame)
# 计算股票的今日增仓占比
percent_change = (prices[-1] - prices[0]) / prices[0]
# 返回股票的今日增仓占比
return percent_change
def get_buy_or_sell_ratio(stock):
# 获取该股票的外盘/内盘数据
close_prices = get_prices(stock, 'close')
# 计算外盘/内盘
foreign_buy_or_sell_ratio = close_prices[-1] / close_prices[0]
# 返回外盘/内盘
return foreign_buy_or_sell_ratio
def get_market_cap(stock):
# 获取该股票的市值数据
market_cap = get_prices(stock, 'close') * get_amount_of_stock(stock)
# 返回市值
return market_cap
def get_prices(stock, time_frame):
# 获取指定时间框架内的股票价格数据
return get_data(stock, time_frame)
def get_amount_of_stock(stock):
# 获取指定股票的流通股数量
return get_data(stock, 'amount')
def get_data(stock, time_frame):
# 获取指定股票的指定时间框架内的数据
return get_historical_data(stock, time_frame)
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。


