问财量化选股策略逻辑
首先，我们需要去掉新股和次新股，因为这些股票可能存在炒作行为，投资者可能会受到误导。然后，我们选择涨幅小于0的股票，这是因为这些股票的价格可能正在下跌，可能存在投资机会。最后，我们选择上15个交易日涨停数大于0的股票，这是因为这些股票在过去一段时间内受到了市场的高度关注。
选股逻辑分析
这个选股逻辑的优点是它能够剔除掉那些存在市场操纵嫌疑的新股和次新股，并且它也能够筛选出那些价格有可能下跌但未来有可能上涨的股票。然而，这个选股逻辑也有缺点，例如，它可能会错过那些价格持续上涨但过去一段时间内没有出现明显涨势的股票。
有何风险？
如果股价在一段时间内持续下跌，那么这个选股逻辑可能会导致投资者错失了一些潜在的投资机会。另外，如果一只股票在过去一段时间内被过度炒作，那么这个选股逻辑可能会把这只股票误认为是一个潜在的投资机会。
如何优化？
对于这个问题，我们可以考虑加入一些其他的因素，例如公司的财务状况、行业前景等，以此来提高选股的准确性。此外，我们也可以使用更复杂的技术指标来替代简单的涨幅和涨停数指标。
最终的选股逻辑
我们的最终选股逻辑是：首先，去掉新股和次新股；其次，选择涨幅小于0的股票；最后，选择上15个交易日涨停数大于0的股票。
常见问题
- 为什么要去掉新股和次新股？
- 为什么要在选择涨幅小于0的股票之后再选择上15个交易日涨停数大于0的股票？
- 我们应该如何加入其他的因素来提高选股的准确性？
- 你能给出一些具体的例子吗？
- 怎么样才能判断一只股票是否存在市场操纵行为？
python代码参考
import pandas as pd
# 获取数据
df = pd.read_csv('stock_data.csv')
# 定义选股规则
rules = [
('new', lambda x: True if 'new' not in x else False),
('negative_growth', lambda x: True if x['growth'] < 0 else False),
('stuck_bars', lambda x: True if x['stuck_bars'] > 15 else False)
]
# 应用规则
filtered_df = df[rule for rule, condition in rules]
# 打印结果
print(filtered_df
## 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？
点击页面下方的复制按钮，复制到自己的账户即可使用模板进行回测。