问财量化选股策略逻辑
选股逻辑：振幅大于1,100亿市值以内的无亏损企业,反包.
选股逻辑分析
该选股逻辑侧重于技术分析的思路，通过选取振幅较大，市值适中的企业，以及反弹概率较高的反包股票进行投资。相对于其他选股策略而言，该策略更加注重短期投资和交易指导。
有何风险？
该选股逻辑面临以下可能存在的风险：
- 过度关注技术面和短期交易，追求快速获利而忽略了长期投资价值；
- 忽略了基本面因素，造成企业自身问题被忽视；
- 反包股票投资存在较高的风险，需要充分评估风险和收益之间的平衡。
如何优化？
为了优化该选股逻辑，可以考虑以下方面进行改进：
- 综合多因素进行选股评估，不单单关注技术面和短期交易；
- 建立量化评估指标体系，充分利用数据技术支持选股；
- 控制风险和收益之间的平衡，充分理解反包股票投资的特点。
最终的选股逻辑
经过改进后的选股逻辑如下：
- 振幅大于1%;
- 100亿市值以内的企业；
- 最近四个季度净利润均为正数；
- 反包指标满足一定条件；
- 综合考虑投资风险和收益；
- 添加其他因素进行全面考量。
同花顺指标公式代码参考
该选股逻辑的同花顺指标公式如下：
SELECT (HIGH-LOW)/REF(CLOSE,1)>0.01 AND CAPITALIZATION<=100 AND AVERAGE(NET_PROFIT)>0 AND RETURN_RATIO(N,3)<0 AND RETURN_RATIO(N,1)>RETURN_RATIO(N,2,1) * RETURN_RATIO(N,3,2);
python代码参考
该选股逻辑的python代码如下：
def rebound_picker(context):
# 振幅大于1%
narrow_stocks = context.narrow_stocks[((context.narrow_stocks.high/context.narrow_stocks.low)-1) > 0.01]
# 100亿市值以内的企业
small_cap = narrow_stocks[narrow_stocks.capitalization <= 10000000000]
# 最近四个季度净利润均为正数
profitable = small_cap[small_cap.net_profit > 0]
# 反包指标满足一定条件
rebound_condition = profitable[(talib.RETLINE(close, timeperiod=3)<0) &
(talib.RETLINE(close, timeperiod=1)>talib.RETLINE(close, timeperiod=2, nbdevup=1)*talib.RETLINE(close, timeperiod=3, nbdevup=2))]
# 综合考虑投资风险和收益
risk_adjusted_stocks = rebound_condition.loc[rebound_condition.OBV.pct_change(30) > 0]
return risk_adjusted_stocks.index.tolist()
## 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。
