(iwencai量化策略)竞价涨幅>-2<5_、昨日成交额大于6千万、今日增仓占比_5%

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

今日增仓占比>5%,昨日成交额大于6千万,竞价涨幅>-2<5

选股逻辑分析

这个策略的逻辑是基于三个指标来筛选股票。首先,要求股票今日的增仓比例大于5%,这意味着机构投资者在今天买入的股票数量较多,可能对股票的未来表现有积极的影响。其次,要求股票昨日的成交额大于6千万,这意味着股票的交易活跃度较高,可能存在更多的机会。最后,要求股票在竞价阶段的涨幅大于-2小于5,这意味着股票的价格波动较小,可能比较稳定。

有何风险?

这个策略的逻辑比较简单,但是仍然存在一些风险。首先,增仓比例的计算可能会受到数据的误差影响,导致结果不准确。其次,成交额的计算也可能会受到数据的误差影响,导致结果不准确。最后,竞价涨幅的计算也可能会受到数据的误差影响,导致结果不准确。

如何优化?

为了优化这个策略,可以考虑以下几点:

  1. 使用更多的数据来计算增仓比例、成交额和竞价涨幅,以提高准确度。
  2. 考虑加入其他指标,例如市盈率、市净率等,以更全面地评估股票的价值。
  3. 考虑加入技术指标,例如均线、MACD等,以更准确地预测股票的价格走势。

最终的选股逻辑

以下是最终的选股逻辑:

  1. 要求股票今日的增仓比例大于5%。
  2. 要求股票昨日的成交额大于6千万。
  3. 要求股票在竞价阶段的涨幅大于-2小于5。
  4. 要求股票的市盈率小于20,市净率大于1。
  5. 要求股票的均线多头排列,MACD金叉。

python代码参考

以下是python代码参考:

import talib

def get筛选条件():
    # 获取今日增仓比例
    open_price = get_open_price()
    close_price = get_close_price()
    total_trades = get_total_trades()
    gain_percentage = (close_price - open_price) / open_price * 100
    gain_percentage = gain_percentage if gain_percentage > 0 else 0
    gain_percentage = gain_percentage if total_trades > 0 else 0
    gain_percentage = gain_percentage / total_trades * 100
    today_percent_gain = gain_percentage
    # 获取昨日成交额
    open_price = get_open_price()
    close_price = get_close_price()
    total_trades = get_total_trades()
    turnover_percentage = (close_price - open_price) / open_price * 100
    turnover_percentage = turnover_percentage if turnover_percentage > 0 else 0
    turnover_percentage = turnover_percentage if total_trades > 0 else 0
    turnover_percentage = turnover_percentage / total_trades * 100
    yesterday_percent_turnover = turnover_percentage
    # 获取竞价涨幅
    open_price = get_open_price()
    close_price = get_close_price()
    high_price = get_high_price()
    low_price = get_low_price()
    open_price = open_price * 1.05
    close_price = close_price * 1.05
    high_price = high_price * 1.05
    low_price = low_price * 1.05
    bid_price = (high_price + low_price) / 2
    ask_price = (high_price + low_price) / 2
    bid_ask_diff = bid_price - ask_price
    bid_ask_diff = bid_ask_diff if bid_ask_diff > 0 else 0
    bid_ask_diff = bid_ask_diff / (high_price - low_price) * 100
    bid_ask_diff = bid_ask_diff if bid_ask_diff > 0 else 0
    bid_ask_diff = bid_ask_diff / (high_price - low_price) * 100
    bid_ask_diff = bid_ask_diff if bid_ask_diff > 0 else 0
    bid_ask_diff = bid_ask_diff if total_trades > 0 else 0
    bid_ask_diff = bid_ask_diff / total_trades * 100
    bid_ask_diff = bid_ask_diff if bid_ask_diff > 0 else 0
    bid_ask_diff = bid_ask_diff / total_trades * 100
    bid_ask_diff = bid_ask_diff if bid_ask_diff > 0 else 0
    bid_ask_diff = bid_ask_diff if bid_ask_diff > 0 else 0
    bid_ask_diff = bid_ask_diff / total_trades * 100
    bid_ask_diff = bid_ask_diff if bid_ask_diff > 0 else 0

## 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