(iwencai量化策略)按个股热度从大到小排序名_、今日上涨_1主板、今日增仓占比_5%

问财量化选股策略逻辑

• 今日增仓占比>5%,今日上涨>1主板

选股逻辑分析

• 该策略通过观察股票的今日增仓比例和今日上涨幅度来筛选股票。
• 增仓比例表示投资者对股票的买入力度，比例越大说明投资者越看好该股票。
• 上涨幅度表示股票的价格变化情况，如果上涨幅度超过1，则说明股票有较强的上涨动力。
• 该策略结合了两个指标，可以筛选出具备较强上涨潜力的股票。

有何风险？

• 该策略可能无法准确预测股票的未来表现，因为股票的价格受到多种因素的影响，包括市场情绪、公司业绩等。
• 如果投资者过于依赖该策略进行投资，可能会导致过度交易和投资失误。

如何优化？

• 可以考虑加入更多的指标来筛选股票，例如市盈率、市净率等。
• 可以通过回测和模拟交易来评估该策略的性能和风险。
• 可以考虑使用机器学习算法来优化该策略，例如使用神经网络模型预测股票的价格走势。

最终的选股逻辑

• 通过观察股票的今日增仓比例、今日上涨幅度、市盈率、市净率等指标，筛选出具备较强上涨潜力的股票。

python代码参考

• 以下是一个简单的Python代码示例，用于筛选符合该策略的股票：

import talib

def get_stock_data(symbol):
    # 获取股票的历史行情数据
    data = yf.download(symbol, start='2021-01-01', end='2021-12-31')
    # 计算今日增仓比例
    adj_close = data['Adj Close']
    close = data['Close']
    volume = data['Volume']
    open_price = data['Open']
    high_price = data['High']
    low_price = data['Low']
    adj_volume = volume * (close - open_price) / open_price
    gain = adj_close / close - 1
    gain = gain.where(gain > 0, 0)
    gain = gain.where(gain < 0, 0)
    gain = gain * adj_volume
    total_gain = gain.sum()
    total_gain = total_gain / data['Volume'].sum()
    gain_percent = (total_gain - 1) * 100
    # 计算今日上涨幅度
    close = data['Close']
    high = data['High']
    low = data['Low']
    gain = close - low
    gain = gain / close * 100
    # 进行筛选
    filtered_stocks = []
    for stock in data.index:
        if adj_gain_percent(stock) > 5 and gain(stock) > 1:
            filtered_stocks.append(stock)
    return filtered_stocks

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。