(supermind量化)流通盘小于等于55亿股_、涨幅_2

问财量化选股策略逻辑

今日增仓占比>5%,涨幅<2.6且涨幅>-5,流通盘小于等于55亿股

选股逻辑分析

这个策略的逻辑是基于以下三个条件来筛选股票：

1. 今日增仓占比>5%：这个条件筛选出最近一段时间内有明显增仓的股票，表明市场对该股票的看好程度较高。
2. 涨幅<2.6且涨幅>-5：这个条件筛选出最近一段时间内涨幅在一定范围内且为正的股票，表明该股票有上涨的趋势。
3. 流通盘小于等于55亿股：这个条件筛选出流通盘较小的股票，通常流通盘较小的股票更容易受到资金的关注和炒作。

综合以上三个条件，这个策略筛选出的是近期有明显资金流入、有上涨趋势且流通盘较小的股票，这些股票可能具有更高的投资价值。

有何风险？

这个策略的局限性在于，它只考虑了股票的短期表现，没有考虑长期的基本面因素。此外，流通盘较小的股票通常波动性较大，因此投资者在选择流通盘较小的股票时需要更加谨慎。

如何优化？

为了提高这个策略的稳定性和可靠性，可以考虑加入一些基本面因素的分析，例如公司的盈利能力、财务状况等。此外，可以考虑加入一些技术分析指标，例如移动平均线、布林线等，以更好地判断股票的走势。

最终的选股逻辑

def select_stock():
    # 获取所有A股股票的最新数据
    df = get_stock_data()
    
    # 筛选出符合今日增仓占比>5%条件的股票
    df = df[df['net_increase'] > 0.05]
    
    # 筛选出符合涨幅<2.6且涨幅>-5条件的股票
    df = df[df['close'] > df['close'].shift(1) - 0.026 and df['close'] > df['close'].shift(1) - 0.05]
    
    # 筛选出符合流通盘小于等于55亿股条件的股票
    df = df[df['market_cap'] <= 55000000000]
    
    # 筛选出综合评分最高的前100支股票
    df = df.sort_values(by=['net_increase', 'close', 'market_cap'], ascending=False)
    df = df.head(100)
    
    return df

python代码参考

import pandas as pd

def get_stock_data():
    # 获取所有A股股票的最新数据
    df = pd.read_csv('stock_data.csv')
    return df

def select_stock():
    # 获取所有A股股票的最新数据
    df = get_stock_data()
    
    # 筛选出符合今日增仓占比>5%条件的股票
    df = df[df['net_increase'] > 0.05]
    
    # 筛选出符合涨幅<2.6且涨幅>-5条件的股票
    df = df[df['close'] > df['close'].shift(1) - 0.026 and df['close'] > df['close'].shift(1) - 0.05]
    
    # 筛选出符合流通盘小于等于55亿股条件的股票
    df = df[df['market_cap'] <= 55000000000]
    
    # 筛选出综合评分最高的前100支股票
    df = df.sort_values(by=['net_increase', 'close', 'market_cap'], ascending=False)
    df = df.head(100)
    
    return df

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。