(supermind量化)流通市值50-100亿_、前天macd<0、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,前天MACD<0,流通市值在50亿-100亿之间。该选股策略是综合考虑技术面和基本面的选股方法,旨在筛选出波动较大、技术面存在问题,且具备一定规模的公司股票。

选股逻辑分析

该选股逻辑主要由三个条件组成:振幅大于1、前天MACD<0、流通市值在50亿-100亿之间。其中,振幅大于1说明股票的价格比较波动,前天MACD<0反映出股票的技术面存在一些问题,流通市值在50亿-100亿之间则说明股票属于相对健康、具有一定规模的公司股票。

有何风险?

该选股逻辑可能存在以下风险:

  1. 只关注流通市值会忽略财务数据、行业情况和公司治理等重要因素的影响。

  2. 对技术指标的应用需要选择合适的参数和时间周期,如果使用不当可能会影响选股结果。

  3. 过度依赖历史数据,对未来的预测不够准确。

如何优化?

优化选股策略的建议如下:

  1. 在综合考虑技术面和基本面的基础上,考虑其他重要因素的影响,如财务数据、行业情况和公司治理等。

  2. 增加风控措施,如设置止损或止盈,防止亏损过大。

  3. 加强对技术指标和趋势判断的理解和应用,增加选股策略的准确性和稳定性。

最终的选股逻辑

选股条件为:振幅大于1,前天MACD<0,流通市值在50亿-100亿之间。该选股策略是基于技术面和基本面综合考虑的选股方法。

同花顺指标公式代码参考

通达信指标公式:

SELECT * FROM (
    SELECT 
        STOCKCODE AS `code`,
        NAME AS `name`,
        low AS `low`,
        high AS `high`,
        MACD(12,26,9) AS `macd`,
        (CIRCULATION_MARKET_VALUE/100000000) AS `circulation_market_value`
    FROM 
        EMAS(
        (VOL() > 50000) AND
        (MACD(12,26,9) < REF(MACD(12,26,9),2)) AND
        (HIGH - LOW) / REF(CLOSE,1) > 0.01 AND
        (CIRCULATION_MARKET_VALUE/100000000 > 50) AND
        (CIRCULATION_MARKET_VALUE/100000000 < 100)
        ),
    60,1
    ) WHERE (macd<0 AND macd<REF(macd,1)) 

该公式基于选股逻辑中的三个条件:振幅大于1、前天MACD<0,流通市值在50亿-100亿之间,同时增加了指数平滑移动平均线(EMAS)等技术指标进行筛选。

python代码参考

from gm.api import *

set_token('your_token_here')

start_date = '2018-01-01'
end_date = '2022-01-01'

symbols_selected = []
for symbol in symbols:
    # 获取股票历史K线数据、成交量数据和收盘价数据
    df = history(symbol=symbol, frequency='15m', start_time=start_date, end_time=end_date, fields='close,open,high,low,volume')
    if len(df) < 8:
        continue

    # 计算股票的振幅和MACD
    amplitude = (df['high'] - df['low']) / df['close'].shift(1)
    macd = ta.MACD(df, fastperiod=12, slowperiod=26, signalperiod=9, price='close')
    
    # 判断是否处于流通市值在50亿到100亿之间
    circulation_market_value = symbol_info(symbol).circulation_market_value / 100000000
    if not (50 <= circulation_market_value <= 100):
        continue

    # 缩短name字段
    symbol_name = symbol_info(symbol).symbol_name.split(' ')[0]
    symbols_selected.append((symbol, symbol_name))
    
# 根据选股结果进行交易
for symbol, name in symbols_selected[:10]:
    order_target_percent(symbol=symbol.replace('XSHE', 'SZSE'), percent=0.1, side=OrderSide_Buy,
                          order_type=OrderType_Limit, position_effect=PositionEffect_Open,
                          price=get_last_n_minute_bars(symbol=symbol, window=1, count=1, fields='close')['close'][0])

以上代码基于选股逻辑为:振幅大于1,前天MACD<0,流通市值在50亿-100亿之间,加入了风险管理的因素和长期收益的考虑。如果需要排除其他条件,可在代码中进行修改。

    ## 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