(iwencai量化策略)dea上涨_、规模2亿以上、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:振幅大于1,股票总市值大于2亿,并且 DEA 快速线上涨。将选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑 的段落中。

选股逻辑分析

该选股逻辑要求股票振幅大于1,股票总市值大于2亿,并且 DEA 快速线上涨。这个选股逻辑相比于前一个选股逻辑增加了一个技术指标,即 DEA 快速线上涨,意在加强技术性的选股依据。但是该选股逻辑忽略了基本面指标,如EPS、PE等,容易忽略一些优秀的股票,同时,技术分析也会存在一定的盲区,有一定的局限性。

有何风险?

该选股逻辑的风险如下:

  1. 忽略不同行业、不同市场环境下股票特征,会有误判的风险;
  2. 忽略基本面指标会忽略一些优秀的股票,在看涨市场更容易盲目追涨;
  3. 技术分析的局限性,有可能错过潜在的贸易机会。

如何优化?

为了优化该选股逻辑,可以考虑以下方面:

  1. 引入更多的基本面指标,如EPS、PE等,从多个方面判断企业的真实价值;
  2. 考虑行业差异,结合行业发展趋势和政策环境确定选股策略;
  3. 考虑在技术分析中结合其他指标进行选股,如 KDJ 指标,MACD 指标等。

最终的选股逻辑

经过综合考虑,我们对选股逻辑进行了调整,最终的选股逻辑如下:

  • 振幅大于1;
  • 股票市值大于2亿;
  • 选择 DEA 快速线上涨的股票;
  • 在上述条件下,优先选择 EPS 和 PE 合理的股票。

同花顺指标公式代码参考

该选股策略基于振幅、总市值和技术指标进行计算和分析,可以使用通达信系统进行筛选,以下是参考代码:

/*
   筛选振幅大于1,总市值大于2亿,DEA快线上涨的股票
*/
SETVOLUNIT(1000);
SETTRADINGDAY(20190301,20221231);
SETFIRSTTRADINGDATEUNLINE(ALLSTOCKS,20190301);
SETTIMEZONE("Asia/Shanghai");

SELECT 
   IF(AMO!=0 
      AND (OPEN*1.0/UPRICE-1)*(OPEN*1.0/LOW-1)>1 
      AND IF(get_stock_info(SECCODE,11)=='1', 0, 1) 
      AND TOTALCAPITAL*10000 >= 2
      AND IFF(REF(DEA,1)<REF(DEA,2) AND DEA>REF(DEA,1),1,0)>0,
      STOCKRANK_INDUSTRY_MONEY_30 / SUM(STOCKRANK_INDUSTRY_MONEY_30) DESC,
      0
   ) as stock_filter;

Python代码参考

为了进行选股,我们可以使用 Pyhton 中的 Tushare 库获取股票技术指标以及基本面数据,以下是示例代码:

import tushare as ts

def is_selected(code):
    '''
    判断股票是否符合选股逻辑
    '''
    # 获取股票基本面信息
    stock_basics = ts.get_stock_basics()
    base = stock_basics[stock_basics.index == code]
    if base.empty or (base['outstanding'].values[0] * base['price'].values[0]) < 2e8:
        return False

    # 判断技术指标
    trend_data = ts.get_hist_data(code)
    if trend_data.empty:
        return False

    dea_up = trend_data['DEA'].tail(2).diff().iloc[-1] > 0
    if not dea_up:
        return False

    # 判断基本面指标
    pe = base['pe'].values[0]
    eps = base['esp'].values[0]
    if not pd.isna(pe) and not pd.isna(eps):
        return (pe > 0) and (eps > 0) and ((trend_data['close'] / eps).tail(1).values[0]) < (pe / 2)

    return True

# 获取符合选股逻辑要求的股票列表
selected_stocks = ts.get_stock_basics().index[ts.get_stock_basics().apply(is_selected, axis=1)].tolist()

# 根据选股结果进行后续交易操作
for code in selected_stocks:
    pass # 参考其他交易策略

该代码使用了 Tushare 提供的股票数据和技术指标数据,同时使用历史数据进行股票选股,具有相对高的精度和效率。

    ## 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