问财量化选股策略逻辑
选股逻辑为振幅大于1，10日涨幅大于0小于35，前日实际换手率在3%~28%范围内。
选股逻辑分析
- 振幅大于1可以反映股票的市场波动情况，选股时可以挖掘出更具盈利潜力的股票。
- 选择10日涨幅大于0小于35的股票可以挖掘出有一定涨幅但是未过度涨价的股票，同时具有较好的风险收益特点。
- 前日实际换手率在3%~28%范围内，可以筛选出有一定交易活跃度的标的。
有何风险？
- 实际换手率不一定能反映出个股的交易活跃度，因为可能存在大宗交易等因素导致实际换手率异常高或异常低的情况。
- 选股逻辑泛指，需要对指标标准和权重进行再次衡量，以免产生误导和决策偏差。
如何优化？
- 可以引入其他技术指标和基本面指标，如OBV、股票财务指标等指标，构建更全面、更准确的选股指标体系。
- 可以结合市场热点和板块轮动，通过大数据分析挖掘更具有投资价值的股票。
- 做好风险控制，合理分配资金，规避市场风险。
最终的选股逻辑
选股逻辑为振幅大于1，10日涨幅大于0小于35，前日实际换手率在3%~28%范围内。
同花顺指标公式代码参考
待更新。
python代码参考
import akshare as ak
import talib
def select(df):
df = df[(df['最高价'] - df['最低价']) / df['开盘价'] > 0.01]
df['涨幅'] = df['收盘价'].pct_change(10)
df = df[(df['涨幅'] > 0) & (df['涨幅'] < 0.35)]
df['实际换手率'] = df['成交量'] / df['总股本']
df = df[(df['实际换手率'] > 0.03) & (df['实际换手率'] < 0.28)]
close = df['收盘价'].values
df = df[(df['流通市值'] > 50) & (df['流通市值'] < 100)]
df = df.sort_values(by=['涨跌幅乘超大单净量'], ascending=False)
return df
## 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。
