问财量化选股策略逻辑
选股逻辑:振幅大于1,今日控盘>21,60开头的股票。
选股逻辑分析
该选股逻辑主要考虑了价格波动、市场影响力和公司代码等因素。振幅大于1和今日控盘>21为筛选波动大、市场影响力较大的个股,60开头的股票为筛选以60开头的股票。该逻辑仅仅是将股票的代码作为选股标准,没有充分考虑股票本身的基本面和价格特征,需要进一步优化。
有何风险?
该选股逻辑存在以下风险:
- 过于依赖技术指标和市场数据,忽略公司的基本面信息和发展趋势;
- 可能会漏选到一些表现良好的股票,或者选入表现不佳的个股;
- 对于特定股市和时间点,60开头的股票并不一定符合市场情况。
如何优化?
为了提高选股逻辑的可靠性和实用性,我们可以进行以下优化:
- 引入更多的基本面指标和技术指标,充分量化股票的价格特征和公司的基本面,并结合市场数据进行选股;
- 在市场情况的基础上,仅选择股价表现较好的股票,避免因股票的代码而忽略了表现良好的个股;
- 根据市场的情况和股票的表现,动态调整选股标准,减少潜在风险。
最终的选股逻辑
综合考虑上述因素,我们最终选择以下的选股逻辑:
- 振幅大于1;
- 今日控盘>21;
- 股票涨幅排名前25%;
在此基础上,可以引入其他多种基本面指标和技术指标,进行优化和完善。同时,在选股的同时需要充分考虑交易和操作成本等因素,避免盲目的选股而导致无法盈利。
同花顺指标公式代码参考
C1 = REF(ABS(AMO/REF(AMO, 1)-1), 1);
C1 = IF(C1>1, 1, C1);
C2 = CONTROL_SHares_TODAY()>0.21;
C3 = 1 - RANK(C1)/COUNT(C1, 10) < 0.25;
C4 = LEFT(STOCKID, 2) == "60";
SELECTOR = C2 + C3 + C4;
RESULT = SORT_RANK(SELECTOR, ASCEND(SEARCH_RANK()));
python代码参考
C1 = np.where(np.abs(ta.AMO()/ta.AMO().shift(1)-1)>1, 1, np.abs(ta.AMO()/ta.AMO().shift(1)-1))
C1 = np.where(C1>1, 1, C1)
C2 = ta.CONTROL_SHares_TODAY()>0.21
C3 = (1 - np.argsort(np.argsort(C1)) / np.count_nonzero(C1) < 0.25)
C4 = [True if x[:2] == '60' else False for x in ta.STOCKID()]
selector = C2 + C3 + C4
result = np.argsort(np.argsort(selector))
## 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。
