问财量化选股策略逻辑
选股逻辑为振幅大于1、60开头的股票，上市时间大于某个阈值。
选股逻辑分析
- 振幅大于1表明该股票波动性较高。
- 选择60开头的股票可以筛选出特定市场的股票。
- 上市时间大于某个阈值可以筛选出稳定股票，潜力不错。
有何风险？
- 振幅大的股票并不一定走势良好，需要综合考虑其他投资指标。
- 选取60开头的股票可能会忽略其他市场中较好的股票。
- 上市时间过长的股票可能会出现成熟期或者下滑期，需要综合考虑其他投资指标。
如何优化？
- 可以加入其他技术指标和基本面数据，综合考虑。
- 可以根据不同市场的投资特点和趋势，进行不同的选股策略。
- 可以增加风控策略，避免波动性过大导致的亏损。
最终的选股逻辑
振幅大于1、60开头的股票，上市时间大于某个阈值。
同花顺指标公式代码参考
//振幅大于1
COND1:=(HIGH-LOW)/REF(CLOSE,1)>0.01;
//60开头的股票
COND2:=LEFT(CODE,2)=60;
//上市时间大于某个阈值
LISTED_DAYS:=(DATE-IPODATE)>=10*365;
CONDITION:=COND1 AND COND2 AND LISTED_DAYS;
SIGNAL:=CHECKCOND(CONDITION, 1);
Python代码参考
import akshare as ak
import datetime
today = datetime.date.today()
last_friday = today - datetime.timedelta(days=today.weekday()) - datetime.timedelta(days=3)
listed_threshold = datetime.timedelta(days=10*365)
def select(df):
#振幅大于1
df = df[(df['最高价'] - df['最低价']) / df['收盘价'].shift(1) > 0.01]
#60开头的股票
df = df[df['股票代码'].str[:2] == '60']
#上市时间条件
df['ipodate'] = pd.to_datetime(df['上市日期'])
df['listed_days'] = today - df['ipodate']
df = df[df['listed_days'] > listed_threshold]
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。
