问财量化选股策略逻辑
选股逻辑包括振幅大于1，10日涨幅大于0小于35，竞价时涨跌幅买入大单和特大单共计买入量大于0.7千万的股票。
选股逻辑分析
- 振幅大于1和10日涨幅大于0小于35可以筛选出短期内涨势较好的股票。
- 竞价时涨跌幅买入大单和特大单共计买入量大于0.7千万，可以筛选出市场情绪较好、成交量较大、买入力度较强的股票。
- 综合考虑以上指标，能够筛选出在短期内上涨趋势良好，且具有较强市场情绪和成交量的股票。
有何风险？
- 忽略股票的基本面和长期价值，有可能会导致投资失败。
- 竞价时成交量大，但可能存在短期流动性较弱，投资后期难以退出的风险。
- 大单和特大单在后续交易中可能会出现逆向减仓等压力，超出了选股策略能够考虑到的范围。
如何优化？
- 加入股票基本面的考虑，例如公司财务状况、业绩增长等因素，提高投资确定性。
- 加入流通市值、ST等因素进行数据筛选，排除不符合投资需求的股票。
- 追加一些技术指标，如RSI、KDJ指标，增加市场情绪和成交量的分析维度，提升选股策略准确度。
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，竞价时涨跌幅买入大单和特大单共计买入量大于0.7千万的股票，并结合股票基本面、流通市值、KDJ指标等因素进行筛选。
同花顺指标公式代码参考
ABS(C-REF(C,1))/REF(C,1) > 0.01 AND SUM((C-REF(C,1))/REF(C,1)*100>0,10)>=1 AND \
(DATETYPE=2 AND TIME>93245 OR DATETYPE=3 AND TIME>145700) AND \
BUY/SELL>1 AND ((BUY_VOL/100000)+(BUY_VOL_LARGE/1000000))>7
python代码参考
import akshare as ak
def select():
data = pd.DataFrame()
end_date = datetime.now().strftime("%Y%m%d")
start_date = (datetime.now() - timedelta(days=365)).strftime("%Y%m%d")
for symbol in ak.stock_zh_a_spot_em(symbol="").iloc[:,0].tolist():
try:
k_data = ak.stock_zh_a_daily(symbol=symbol, start_date=start_date, end_date=end_date)
if len(k_data)<10:
continue
elif (k_data['close']-k_data['open'])/k_data['open']*100<=0 or \
(k_data['high']-k_data['low'])/k_data['low']<0.01 or \
k_data['low'].iloc[-1]>=k_data['low'].iloc[-2]:
continue
elif ((k_data['limit_up']==1)|(k_data['limit_down']==1)).any():
continue
elif k_data['trad_date'].iloc[-2]==datetime.now().strftime("%Y-%m-%d"):
stock_code = symbol.split('.')[0]
quote_data = ak.stock_zh_a_tick_tx_detail(symbol=stock_code, trade_date=end_date.replace('-',''))
if len(quote_data)==0:
continue
quote_data = quote_data[quote_data['time']>='09:32:45']
if len(quote_data)==0:
continue
buy_data = quote_data[quote_data['bs_flag']=='B']
if len(buy_data)==0:
continue
buy_vol = buy_data['volume'].sum()
buy_large_data = quote_data[quote_data['volume']>500]
if len(buy_large_data)==0:
continue
buy_large_vol = buy_large_data[buy_large_data['bs_flag']=='B']['volume'].sum()
if (buy_vol/100000+buy_large_vol/1000000)<0.7:
continue
else:
data = pd.concat([data, k_data.iloc[-2:]])
except:
continue
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。
