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，涨跌幅与超大单净量的乘积高于一定阈值的股票。
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。
- 涨跌幅与超大单净量的乘积可以综合考虑成交量和价格波动的信息。
有何风险？
- 这个选股逻辑仍然偏重于短期内的行情波动，对长期基本面分析的作用有限。
- 太过依赖数据，波动较大的个股可能造成较大的亏损。
如何优化？
- 结合定量和定性指标进行选股，如同时考虑企业的财务数据和产业背景等。
- 可以加入风险控制措施，如设置止盈止损点位。
- 可以考虑增加筛选条件，如股息率等因素，以减少风险。
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，涨跌幅与超大单净量的乘积高于一定阈值的股票，需要结合长期因素和基本面分析，以筛选长期具有成长潜力和质量的个股。
同花顺指标公式代码参考
ABS(HIGH-REF(HIGH,1))/REF(HIGH,1)>0.01
AND MktValue<=100 AND MktValue>0
AND IF(net_profit>0, 1, 0)
AND (CLOSE-REF(CLOSE,1))/REF(CLOSE,1)>0.01
AND (BIG_ORDER_BUY-BIG_ORDER_SELL)*price>threshold
AND (INDUSTRY LIKE '%主板%')
python代码参考
import akshare as ak
def select(threshold):
data = ak.stock_zh_a_spot()
data = data.loc[(data['market_capitalization']>0)&(data['market_capitalization']<=100)]
data = data.loc[data['current_price']!=data['last_close_price']]
data = data.loc[data['net_profit'].astype(float)>0]
data['big_order_net'] = data['big_order_buy'].astype(float)-data['big_order_sell'].astype(float)
data = data.loc[(data['current_price']-data['last_close_price'])*data['big_order_net']>threshold]
data = data.loc[(data['industry'].str.contains('主板') == True)]
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。
