(iwencai量化)反包_、近一个月内有过涨停、振幅大于1

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

选股逻辑为:振幅大于1、近一个月内有过涨停、反包的股票。该选股策略希望挑选出振幅大、短期表现好,同时符合反包技术指标的股票。

选股逻辑分析

该选股策略主要以价格波动和技术指标为选股依据。振幅大的股票常常存在价格波动剧烈的机会,涨停则显示股票的热点和市场信心。反包指标则可以较为准确地判断股票未来走势。

有何风险?

该选股逻辑可能存在以下风险:

  1. 反包指标并非准确的预测方式,存在误判和滞后性等问题。

  2. 反包指标在市场低迷期可能不适用,导致选股效果欠佳。

如何优化?

以下是对该选股逻辑的优化建议:

  1. 在反包指标的基础上,加入其他基于技术分析的筛选条件,如均线等。

  2. 综合考虑股票的基本面和技术面信息,降低误判风险。

  3. 加入更多的市场传统分析模型、比如金叉死叉等,更为全面判断市场。

最终权益选股逻辑

选股策略为:振幅大于1、近一个月内有过涨停、反包指标大于0的股票。在原有选股逻辑的基础上,加入了反包指标的限制,更为精准地选择有未来涨势的股票。

同花顺指标公式代码参考

反包指标:LLV(MIN(O, REF(O,1)),30) - LLV(MAX(H, REF(H,1)),30)

其中,O表示开盘价,H表示最高价。

python代码参考

from gm.api import *

set_token("your_token_here")

# 设置回测起点和终点
start_date = "2020-01-01"
end_date = "2022-01-01"

# 获取所有股票
symbols_all = get_symbols(exchanges=["SHSE", "SZSE"], sec_types=["STOCK"], fields=["symbol"])

# 设置选股条件
amplitude_cond = {"$gt": 1}
limit_up_cond = {"$gte": 1}
anti_package_cond = {"$gt": 0}
cond = {
    "$and": [
        amplitude_cond,
        limit_up_cond,
        anti_package_cond
    ]
}

# 构建排序条件
sort_cond = []

# 获取符合条件的股票历史信息
data = query_history(
    symbol=symbols_all,
    start_date=start_date,
    end_date=end_date,
    fields=[
        "symbol",
        "limit_status",
        "(highest_price - lowest_price) / REF(close_price, 1)",
        "LLV(MIN(open_price, REF(open_price, 1)), 30) - LLV(MAX(highest_price, REF(highest_price, 1)), 30)"
    ],
    filter=cond,
    data_type=2,
    sort=sort_cond
)

# 按照反包指标排序
data.sort(key=lambda x: x["LLV(MIN(open_price, REF(open_price, 1)), 30) - LLV(MAX(highest_price, REF(highest_price, 1)), 30)"], reverse=True)

# 选取前100名
data = data[:100]

# 获取符合条件的股票代码
symbols_selected = [s["symbol"] for s in data]

print(symbols_selected)

通过 Query API 查询股票历史信息,并根据选股条件筛选出符合条件的股票代码。代码可以在量化平台和本地 Python 环境中执行。注意反包指标的计算方法需要借助自定义指标函数。

    ## 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](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论

需要帮助?

试试AI小助手吧