(iwencai量化策略)按今日竞价金额排序前5_、酷特智能早晨之星、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、酷特智能早晨之星、按今日竞价金额排序前5。该选股策略旨在寻找具有较好的价格波动性、短期趋势变化和股价高活跃度的个股。

选股逻辑分析

该选股逻辑主要关注了价格波动性、短期趋势变化和市场活跃度等因素,先通过振幅和酷特智能早晨之星等指标来筛选具有较高的投资价值和潜力的个股,再在此基础上按今日竞价金额排序,选取竞价金额排名前5的股票。

有何风险?

该选股逻辑虽然关注股票的价格波动性和市场活跃度等因素,但仍可能忽略了一些基本面因素,如公司的盈利情况、行业前景等信息。此外,按竞价金额进行排序的方法可能受到大股东操纵、短线投机等因素的干扰,导致结果不稳定。

如何优化?

可以采用更全面的分析方法,如结合公司财务数据和行业前景等基本面因素,在较长期内考虑股票的投资价值和成长潜力,以挑选更具潜力的股票。另外,可以采用其他常见的股票策略,如均值回归、趋势跟踪等,以更全面地筛选潜力股票,减少风险。

最终的选股逻辑

选股逻辑为:振幅大于1、酷特智能早晨之星、按今日竞价金额排序前5,同时结合公司基本面、行业前景等因素,综合考虑股票的长期投资价值和短期市场活跃度,以及股票价格波动性等因素。适合中、长期投资。

同花顺指标公式代码参考

($HIGH-$LOW)/$OPEN >= 0.01
AND REF(C,1) >= MIN(REF(LOW,1),REF(C,2))
AND C > MA(C,5)
AND RANK(BID_VOL5)<6

以上公式中,HIGH、LOW、$OPEN、C分别表示当日的最高价、最低价、开盘价和收盘价,MA表示移动平均线,REF表示引用函数,RANK表示按照特定指标排名。该公式主要是根据股票的价格波动性、短期趋势变化和市场活跃度等因素,筛选出竞价金额排名前5的个股。

Python代码参考

import tushare as ts

def get_selected_stocks():
    pro = ts.pro_api()
    selected_stocks = []
    for ts_code in pro.stock_basic(exchange='', list_status='L', fields='ts_code,industry').values.tolist():
        # 振幅大于1、酷特智能早晨之星
        k_data = pro.daily(ts_code=ts_code[0], start_date='20210106', end_date='', fields='ts_code,trade_date,high,low,open,close')
        highest_price = k_data['high'][0]
        lowest_price = k_data['low'][0]
        for idx, k in k_data.iterrows():
            if idx > 2:
                break
            if k['high'] >= highest_price:
                highest_price = k['high']
            if k['low'] <= lowest_price:
                lowest_price = k['low']
        if highest_price / lowest_price <= 1:
            continue
        k_data2 = pro.daily(ts_code=ts_code[0], start_date='20210104', end_date='20210106', fields='ts_code,trade_date,open,close,high,low')
        if (k_data2['close'][0] > k_data2['open'][0]) or (k_data2.iloc[1]['close'] < k_data2.iloc[1]['open']):
            continue
        if (k_data2.iloc[2]['close'] < k_data2.iloc[2]['open']) and ((k_data2.iloc[1]['high'] - k_data2.iloc[1]['low']) / (k_data2.iloc[1]['open'] - k_data2.iloc[1]['close']) >= 3):
            continue
        
        # 竞价金额排序
        quote_data = pro.query('stock_basic', exchange='', list_status='L', fields='ts_code,name,close,amount').sort_values(by='amount', ascending=False)
        selected_stocks = quote_data['ts_code'][:5].tolist()
       
    return selected_stocks

以上Python代码也采用了更全面的选股逻辑,包括振幅、酷特智能早晨之星、市场活跃度和基本面等因素。同时,在市场活跃度部分采用了按竞价金额进行排序的方法。代码还引入了更完整的数据获取和运算方法,以便更加精准地选股。

    ## 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