(i问财选股策略)换手率3%-12%_、20日均线大于120日均线、振幅大于1

用户头像神盾局量子研究部
2023-09-01 发布

问财量化选股策略逻辑

选股逻辑为振幅大于1,20日均线大于120日均线,换手率3%-12%。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

该选股策略主要通过以下几个条件筛选股票:

  1. 振幅大于1,说明该股票存在较大波动性,有更高的交易机会;
  2. 20日均线大于120日均线,说明该股票处于上涨趋势;
  3. 换手率在3%-12%之间,说明股票具有良好的流动性和交易活跃度。

有何风险?

以下是该选股策略可能产生的风险:

  1. 过度追求高波动性,导致风险和波动性过高;
  2. 忽略其他基本面和技术面指标,导致选股不准确;
  3. 换手率过高或过低,影响股票的流动性和交易能力。

如何优化?

为降低以上可能产生的风险,可以考虑以下优化措施:

  1. 结合其他指标进行判断,如市盈率、市净率等,尽量减少误判的情况;
  2. 规避过度追求高波动性的风险,注重稳健的投资策略;
  3. 总体把握全局风险,针对市场特征,适时调整选股策略。

最终的选股逻辑

经过上述优化,得到以下完善版的选股逻辑:

  • 振幅大于1,20日均线大于120日均线,换手率3%-12%;
  • 结合其他指标进行判断,如市盈率、市净率等,较少因单一指标出现误判的情况;
  • 注重选股安全性,在波动性适中的情况下,追求合理收益;
  • 总体把握全局风险,针对市场特征,适时调整选股策略。

注:以上选股逻辑仅供参考,具体根据实际需求和风险承受能力进行调整。

同花顺指标公式代码参考

以下是同花顺的相关代码:

/* 将具体选股条件填充至筛选公式中 */
SELECT
    /* 振幅大于1,20日均线大于120日均线,换手率3%-12% */
    AMPLITUDE >= 1 AND MA(CLOSE, 20) >= MA(CLOSE, 120) AND TURNOVERRATE >= 3 AND TURNOVERRATE <= 12
ORDER BY
    CLOSE DESC

python代码参考

以下是python代码的参考:

import baostock as bs
import pandas as pd

def stock_selection():
    #### 登陆系统 ####
    lg = bs.login()

    #### 获取沪深A股历史K线数据 ####
    rs = bs.query_history_k_data_plus("sh.600000", "date,code,open,high,low,close,volume,turn", start_date='2020-01-01', end_date='2021-03-31', frequency="d", adjustflag="2")
    #### 获取结果集 ####
    stock_data = rs.get_data()

    #### 计算振幅、20日均线和120日均线 ####
    stock_data['AMPLITUDE'] = (stock_data['high']-stock_data['low']) / stock_data['close'].shift(1) * 100
    stock_data['MA20'] = stock_data['close'].rolling(20).mean()
    stock_data['MA120'] = stock_data['close'].rolling(120).mean()

    #### 选取换手率在3%-12%之间的股票 ####
    stock_data['TURNOVERRATE'] = stock_data['turn'] / stock_data['volume'] * 100
    turn_mask = (stock_data['TURNOVERRATE'] >= 3) & (stock_data['TURNOVERRATE'] <= 12)
    stock_data = stock_data[turn_mask]

    #### 选股 ####
    stock_selection = (stock_data['AMPLITUDE'] > 1) & (stock_data['MA20'] > stock_data['MA120'])
    selected_stock = stock_data[stock_selection]

    #### 登出系统 ####
    bs.logout()

    return selected_stock

注:以上python代码需要安装baostock、pandas等库,仅供参考,具体根据实际需求和风险承受能力进行调整。

    ## 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