(iwencai选股策略)今日最低价小于昨日最低价_、涨幅_2

问财量化选股策略逻辑

今日增仓占比>5%,涨幅<2.6且涨幅>-5,今日最低价小于昨日最低价

选股逻辑分析

这个策略的逻辑是基于股票的三个特征：今日增仓占比、涨幅和最低价。首先，要求今日增仓占比大于5%，意味着该股票在最近一段时间内有较多的资金流入，表明市场对该股票的看好程度较高。其次，要求涨幅小于2.6且涨幅>-5，意味着该股票在最近一段时间内的表现相对稳定，没有出现大幅的涨跌。最后，要求今日最低价小于昨日最低价，意味着该股票的价格在最近一段时间内有一定的上涨趋势。

有何风险？

这个策略的风险主要在于它过于侧重于股票的短期表现，而忽略了长期趋势。如果股票在短期内出现大幅的涨跌，那么该策略可能会出现较大的误差。此外，如果股票的价格波动较小，那么该策略可能会选择一些表现平平的股票，而不是那些有潜力的股票。

如何优化？

为了优化这个策略，可以考虑加入一些长期趋势的指标，例如股票的市盈率、市净率等。这样可以更好地判断股票的长期表现，从而减少策略的误差。此外，可以考虑加入一些过滤条件，例如股票的市值、行业等，以避免选择一些表现不佳的股票。

最终的选股逻辑

最终的选股逻辑如下：

def select_stock():
    # 获取所有股票的今日增仓占比、涨幅和最低价
    data = get_stock_data()
    
    # 筛选出今日增仓占比大于5%的股票
    stocks = data[data['net_inflows'] > 0.05]['trend']
    
    # 筛选出涨幅小于2.6且涨幅>-5的股票
    stocks = stocks[stocks['pct_change'] < 0.026 and stocks['pct_change'] > -0.05]['trend']
    
    # 筛选出今日最低价小于昨日最低价的股票
    stocks = stocks[stocks['low'] < stocks['yesterday_low']]['trend']
    
    # 筛选出市值大于10亿、行业为科技的股票
    stocks = stocks[(stocks['market_cap'] > 1000000000) & (stocks['industry'] == 'Technology')]['trend']
    
    # 返回最终的股票列表
    return stocks

python代码参考

import pandas as pd

def get_stock_data():
    # 获取股票数据
    data = pd.read_csv('stock_data.csv')
    return data

def select_stock():
    # 获取所有股票的今日增仓占比、涨幅和最低价
    data = get_stock_data()
    
    # 筛选出今日增仓占比大于5%的股票
    stocks = data[data['net_inflows'] > 0.05]['trend']
    
    # 筛选出涨幅小于2.6且涨幅>-5的股票
    stocks = stocks[stocks['pct_change'] < 0.026 and stocks['pct_change'] > -0.05]['trend']
    
    # 筛选出今日最低价小于昨日最低价的股票
    stocks = stocks[stocks['low'] < stocks['yesterday_low']]['trend']
    
    # 筛选出市值大于10亿、行业为科技的股票
    stocks = stocks[(stocks['market_cap'] > 1000000000) & (stocks['industry'] == 'Technology')]['trend']
    
    # 返回最终的股票列表
    return stocks

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。