(supermind量化)买一量_卖一量_、10天内涨停天数大于2、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1,10天内涨停天数大于2,买一量大于卖一量。将选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑 的段落中。

选股逻辑分析

该选股策略基于以下几个条件来筛选股票:

  1. 振幅大于1,说明该股票存在较大波动性,有更高的交易机会;
  2. 10天内涨停天数大于2,说明该股票存在一定的热度;
  3. 买一量大于卖一量,说明买方力量更为强势。

有何风险?

该选股逻辑可能存在以下风险:

  1. 过于依赖技术指标,可能忽略公司基本面和股票市场行情等因素;
  2. 买卖盘数据的变化可能导致误判,买入结果并不理想。

如何优化?

为降低可能存在的风险和提升选股效果,可以考虑以下优化措施:

  1. 结合股票市场行情和公司基本面等因素来确认股票走势;
  2. 加入其他和行业相关的数据,如同行业估值、市场占有率、政策走向等,综合选股;
  3. 对选股条件进行灵活调整,根据实际情况进行优化。

最终的选股逻辑

经过上述优化,得到以下完善版的选股策略:

  • 振幅大于1,10天内涨停天数大于2,买一量大于卖一量;
  • 结合其他市场行情、公司基本面、行业相关数据等因素来确认股票走势;
  • 对选股条件进行灵活调整,根据实际情况进行优化。

注:以上选股策略仅供参考,具体可以根据实际需求和风险承受能力进行调整。

同花顺指标公式代码参考

以下是同花顺的相关代码:

/* 将具体选股条件填充至筛选公式中 */
SELECT 
    /* 振幅大于1,10天内涨停天数大于2 */
    (HIGH-LOW)/REF(CLOSE,1)*100 >= 1 AND
    COUNT(IF(HIGH==REF(HIGH,1),1,0),10) > 2 AND
    /* 买一量大于卖一量 */
    B1_V > S1_V

注:以上代码需要在同花顺的选股界面中进行填充。

Python代码参考

以下是Python代码的参考:

import baostock as bs
from datetime import datetime, timedelta

def stock_selection():
    #### 登陆系统 ####
    lg = bs.login()
    
    #### 获取股票基本信息 ####
    rs_basic_info = bs.query_stock_basic()
    
    #### 获取数据 ####
    selected_code = []
    for code in rs_basic_info[(rs_basic_info['marketType']=='沪A')|(rs_basic_info['marketType']=='深A')]['code'].tolist():
        #### 获取行情数据和买卖盘数据 ####
        rs_data = bs.query_history_k_data_plus(code, "date,open,high,low,close,volume", 
                                               start_date=datetime.now().strftime('%Y-%m-%d'), 
                                               end_date=datetime.now().strftime('%Y-%m-%d'), 
                                               frequency="d", adjustflag="3")
        data = rs_data.get_data()
        rs_bs_data = bs.query_history_k_data_plus(code, "buyVol,sellVol", 
                                                  start_date=datetime.now().strftime('%Y-%m-%d'), 
                                                  end_date=datetime.now().strftime('%Y-%m-%d'), 
                                                  frequency="d", adjustflag="3")
        bs_data = rs_bs_data.get_data()
        
        #### 计算选股条件 ####
        if len(data) > 0 and len(bs_data) > 0:
            condition1 = (data['high']-data['low']).iloc[-1]/data['close'].iloc[-1]*100 > 1
            condition2 = len(data[data['pctChg']>9.8]) > 2
            condition3 = bs_data['buyVol'].iloc[-1] > bs_data['sellVol'].iloc[-1]
            
            #### 判断是否满足条件 ####
            if condition1 and condition2 and condition3:
                selected_code.append(code)
    
    #### 登出系统 ####
    bs.logout()
    
    return selected_code

注:以上Python代码需要安装baostock等库,仅供参考,具体根据实际需求和风险承受能力进行调整。

    ## 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