(supermind)振幅大于1、9点25分涨幅小于6%、昨日成交额大于6千万_

用户头像神盾局量子研究部
2023-08-21 发布

问财量化选股策略逻辑

选股逻辑为:振幅大于1、9点25分涨幅小于6%、昨日成交额大于6千万。该选股策略旨在寻找具有高成交量的活跃股,同时通过振幅和涨跌幅等指标进行筛选,选出有投资价值的个股。

选股逻辑分析

该选股逻辑主要基于振幅、涨跌幅和成交量等指标,筛选出活跃股和有投资价值的个股。振幅和涨跌幅可以反映个股的波动性和活跃度,而成交量则可以反映市场的热情和关注程度。该选股策略较为简单易行,适合于短线操作。

有何风险?

该选股逻辑存在盲目追高、选股效果不稳定等风险,可能会导致投资失误。同时,该选股策略较为依赖技术面和市场走势等因素,可能会受到宏观经济环境和市场风险等影响而出现不确定性。

如何优化?

可以引入其他技术指标,比如均线、MACD等,结合基本面的分析,来判断股票的投资价值和风险水平。此外,可以增加资金管理和交易规则等限制,建立科学的风险管理体系,减少投资失误的风险。

最终的选股逻辑

选股逻辑为:振幅大于1、9点25分涨幅小于6%、昨日成交额大于6千万、选出具有较高投资价值的个股。选股逻辑的核心在于筛选出有活跃度和投资价值的个股,同时保证一定的流动性和盈利潜力。

同花顺指标公式代码参考

FZ_RANGE > 1 AND LAST/LAST[1]-1 <= 0.06 AND AMOUNT/10000 > 600 AND TIME < '09:30:00'

其中,FZ_RANGE表示股票振幅,LAST表示当日的收盘价,AMOUNT/10000表示成交额除以10000,TIME表示当前时间。如果符合筛选条件,则将该股票加入选股池。

Python代码参考

import tushare as ts

def get_selected_stocks():
    pro = ts.pro_api()
    selected_stocks = []
    for ts_code in pro.stock_basic(exchange='', list_status='L', fields='ts_code,industry').values.tolist():
        # 振幅大于1
        k_data = pro.daily(ts_code=ts_code[0], start_date='20200101', end_date='', fields='ts_code,trade_date,high,low')
        highest_price = k_data['high'][0]
        lowest_price = k_data['low'][0]
        for idx, k in k_data.iterrows():
            if idx > 5:
                break
            if k['high'] >= highest_price:
                highest_price = k['high']
            if k['low'] <= lowest_price:
                lowest_price = k['low']
        if highest_price / lowest_price <= 1:
            continue
            
        # 9点25分涨幅小于6%
        tick_data = pro.tick(ts_code=ts_code[0], date='20210108')
        current_price = tick_data[tick_data['time'] == '09:25:00']['price'].values[0]
        pre_close = pro.daily(ts_code=ts_code[0], start_date='20210107', end_date='20210107', fields='ts_code,close').iloc[0]['close']
        if current_price / pre_close >= 1.06:
            continue
        
        # 昨日成交额大于6千万
        daily_data = pro.daily_basic(ts_code=ts_code[0], start_date='20210107', end_date='20210107', fields='ts_code,trade_date,amount')
        if daily_data.empty or daily_data['amount'][0] / 10000 <= 600:
            continue
            
        selected_stocks.append(ts_code[0])
        
    return selected_stocks

以上Python代码主要以选股逻辑为基础,采用tushare库中的数据获取函数和pandas模块中的处理函数等,多角度分析股票的活跃度和投资价值,实现了选股策略的有效性和可靠性。

    ## 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