问财量化选股策略逻辑
选股逻辑为振幅大于1,100亿市值以内的无亏损企业,500日内至少2次涨停。
选股逻辑分析
- 振幅大于1可以筛选出短期内波动较大的股票,有较大的盈利机会。
- 100亿市值以内可以筛选出市值较小的股票,可能具有较好的成长潜力。
- 无亏损企业可以筛选质量较高的企业。
- 500日内至少2次涨停可以筛选出市场表现较好的股票,有较大的赚钱潜力。
有何风险?
- 过分追求短期涨停可能会忽略股票的长期表现和价值。
- 驱动股票涨停的因素有很多,如短线炒作、市场情绪等,并不能保证股票长期具有价值。
- 过分关注技术指标,忽略公司基本面和市场情况,也可能导致选股错误。
如何优化?
- 考虑股票长期表现和价值,结合多个指标进行筛选,如财务指标、技术指标等,增加选股维度,提高选股的准确性和可靠性。
- 静态指标和动态指标相结合,适当地调整选股的频率和方式,避免过分追求短期涨停而忽略了长期价值。
- 对于涨停股票,要考虑成交量和市场情绪,避免盲目跟风,增加风险控制。
最终的选股逻辑
选股逻辑为振幅大于1,100亿市值以内的无亏损企业,500日内至少2次涨停,结合多个指标进行筛选,考虑公司基本面和市场情况,选择适合的股票进行投资。
同花顺指标公式代码参考
(HIGH-LOW)/LOW>=0.01
AND MktValue<=100 AND MktValue>0
AND IF(net_profit>0,1,0)
AND FIND(TODAY>YESTERDAY*1.1, 2)>=2
python代码参考
import akshare as ak
def select():
data = ak.stock_zh_a_daily_sina(symbol="sh000001")
data.index = pd.to_datetime(data.index)
data_500d = data.loc[(data.index>=data.index[-1]-pd.Timedelta(500, unit='D'))&(data.index<=data.index[-1])]
data = ak.stock_zh_a_spot()
data = data.loc[(data['market_capitalization']>0)&(data['market_capitalization']<=100)]
data = data.loc[(data['high']-data['low'])/data['low']>=0.01]
data = data.loc[data['net_profit'].astype(float)>0]
data['is_up_limit'] = data['stock_symbol'].apply(lambda x: (ak.stock_zh_a_hist_sina(symbol=x, period='daily')['close']/ak.stock_zh_a_hist_sina(symbol=x, period='daily')['pre_close']>1.1).sum())
data = data.loc[data['is_up_limit']>=2]
return data
## 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。
