问财量化选股策略逻辑
选股逻辑为振幅大于1、2021年、非ST、五部涨停战法的股票。
选股逻辑分析
- 振幅大于1表明该股票波动性较高，有较大的涨幅和收益的可能；
- 2021年作为选股时间段，可以分析市场趋势等信息；
- 非ST股票排除一些风险股票；
- 五部涨停战法可以在选股时间段内进行快速过滤，筛选出部分表现较好的股票。
有何风险？
- 五部涨停战法过于依赖历史数据，不能完全保证股票未来的走势；
- 如果市场情况发生变化，选股可能会失去指导意义；
- 按照选股逻辑选出的股票数量少，有可能存在更好的股票未被选中的情况。
如何优化？
- 可以加入更多技术指标进行筛选，提高选出待投资池的股票的稳定性；
- 应重视市场实时情况并做出相应的调整；
- 不要过度依赖历史数据，应加入一些未来走势的预测因素。
最终的选股逻辑
选取振幅大于1、2021年、非ST、五部涨停战法的股票进入待投资池。
同花顺指标公式代码参考
// 振幅大于1
COND1:=(HIGH-LOW)/LOW>0.01;
// 2021年
COND2:=YEAR=2021;
// 非ST
COND3:=INDUSTRYTYPE <> 'ST';
// 五部涨停战法
LOWCOUNT:=COUNT(CLOSE<REF(CLOSE,1),60);
AVGLOW:=MA(LOWCOUNT,60)/60;
COND4:=LOWCOUNT>REF(AVGLOW,1);
// 综合条件
CONDITION:=COND1 AND COND2 AND COND3 AND COND4;
SIGNAL:=CHECKCOND(CONDITION, 1);
Python代码参考
import pandas as pd
import akshare as ak
def get_trade_data(stock_code):
stock_df = ak.stock_zh_a_daily(symbol=stock_code)
stock_df = stock_df[['开盘价', '收盘价', '最高价', '最低价', '成交量', '成交额']]
return stock_df
def is_not_ST(stock_code):
name = ak.stock_info_a_code_name(stock_code)
return not ('ST' in name or 'S' in name or '退' in name)
def get_five_up(stock_code):
stock_df = get_trade_data(stock_code)
low_count = (stock_df['收盘价'] < stock_df['收盘价'].shift(1)).rolling(window=60).sum()
avg_low = low_count.rolling(window=60).mean()
return low_count[-1] > avg_low[-2]
def select(df):
# 振幅大于1
df = df[(df['最高价'] - df['最低价']) / df['收盘价'] > 0.01]
# 2021年
df = df[df['交易日期'].dt.year == 2021]
# 非ST
df = df[df['股票名称'].apply(is_not_ST)]
# 五部涨停战法
df = df[df['股票代码'].apply(get_five_up)]
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。
