(iwencai选股策略)今日增仓占比_5%_、按个股热度从大到小排序名、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、按个股热度从大到小排序、今日增仓占比>5%。将选股逻辑作为第一个标题放入段落中。

选股逻辑分析

该选股策略的逻辑如下:

  1. 振幅大于1:表明该股票交易活跃度较高;
  2. 按个股热度从大到小排序:表示在符合条件下,按照市场的热度进行排序;
  3. 今日增仓占比>5%:表示该股票存在较大的投资机会。

综合以上三个点,在符合阈值的股票中按市场热度从大到小排序,选出今日增仓占比>5%的股票。

有何风险?

该选股策略可能存在以下风险:

  1. 过度依赖市场热度指标,忽略了一些中长期的价值;
  2. 完全忽略公司基本面和业绩状况,可能会选出短期概念炒作的股票;
  3. 对今日增仓占比的判断不准确,可能选出流动性差、波动性高的股票。

如何优化?

为了提高选股的准确性和降低风险,我们可以在以下方面对该选股策略进行优化:

  1. 引入其他技术指标,如KDJ、RSI等,进行多重指标判断;
  2. 结合市场情绪、基本面等因素进行综合分析;
  3. 调整策略的参数和阈值,根据市场走势进行动态调整;
  4. 对今日增仓占比的判断进行精细化处理,比如考虑增仓幅度的波动性等因素;
  5. 引入机器学习算法,进行选股结果的优化和预测。

最终的选股逻辑

综合以上分析和优化,我们最终的选股逻辑为:
在符合振幅大于1的要求下,按照市场热度从大到小排列,加入今日增仓占比>5%的判断,并结合多重技术指标和基本面指标的综合分析,以尽可能降低风险并提高选股准确率。

同花顺指标公式代码参考

该策略可引入以下指标进行辅助分析:

1.振幅的指标。
振幅:

((HIGH-LOW)/REF(CLOSE,1))>0.01

2.按个股热度排序的指标。
同花顺热度指标:

SORT_BY_DESC(stock_heat/)

3.今日增仓占比大于5%的指标。
今日增仓占比:

(VOL-REF(VOL,1))/REF(VOL,1)>0.05

Python代码参考

以下是使用Python进行选股的代码参考:

import pandas as pd
import tushare as ts
from pyecharts import Kline

def stock_selection():
    # 获取股票数据
    all_data = ts.get_k_data("002230", ktype="D")
    all_data = pd.DataFrame(all_data, columns=["date", "open", "close", "high", "low", "volume", "code"])

    # 按要求选股
    condition1 = ((all_data["high"] - all_data["low"]) / all_data["close"].shift(1) > 0.01) # 振幅大于1
    hot_code = ts.top_list().loc[1:10, 'code']
    condition2 = all_data['code'].apply(lambda x: x in hot_code.to_list()) # 按个股热度排序
    condition3 = (all_data["volume"] - all_data['volume'].shift(1)) / all_data['volume'].shift(1) > 0.05 # 今日增仓占比>5%

    # 按照市场热度排序
    all_data['pct_change'] = abs(all_data['close'] - all_data['open']) / all_data['open']
    all_data.sort_values('pct_change', ascending=False, inplace=True)

    # 返回符合条件的股票代码
    return all_data[condition1 & condition2 & condition3]["code"].values.tolist()

# 展示股价走势
def show_kline(data):
    kline = Kline()
    kline.add("K线图", data[["date", "open", "close", "high", "low"]].values.tolist())
    kline.render()

# 股票代码
code = "002230"
# 获取股票数据
all_data = ts.get_k_data(code, ktype="D")
# 展示股价走势
show_kline(all_data)
# 选出符合条件的股票
selected_stocks = stock_selection()
print("符合条件的股票:", selected_stocks)

其中,在代码中需要根据实际需求进行相应的设置。

    ## 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