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，反包。
选股逻辑分析
- 振幅大于1表明该股票波动性较高，有大的盈利潜力。
- 选择60开头的股票可以筛选出特定市场的股票。
- 反包是一种技术指标，是指当日股价收盘价小于开盘价并且当前的收盘价大于昨日的收盘价时，股票出现反转的潜力，可以作为选择股票的依据。
有何风险？
- 过于依赖技术指标，可能会忽略其他基本面因素的影响。
- 反包指标存在滞后性，需要结合其他指标进行综合分析。
- 过于追求高波动性和反转可能会忽略风险管理和资金分散。
如何优化？
- 拓展选股策略，结合其他技术指标和基本面进行综合分析。
- 考虑资金流入较为稳定的股票，减少投资风险。
- 合理分散资金，避免过度投资高波动性股票。
最终的选股逻辑
选股逻辑为振幅大于1，60开头的股票，反包。
同花顺指标公式代码参考
//选股逻辑为振幅大于1，60开头的股票,反包
COND1 := (HIGH-LOW)/OPEN > 0.01 AND LEFT(CODE,2) = '60'
REF_CLOSE := REF(CLOSE, 1);
COND2 := CLOSE < OPEN AND CLOSE > REF_CLOSE;
CONDITION := COND1 AND COND2;
//按成交额排序
SORTFIELD := AMOUNT;
SIGNAL := SORTBY(SORTFIELD, 1, CONDITION);
Python代码参考
import akshare as ak
def select(df):
start_date = '2021-01-01'
end_date = '2021-12-31'
df = df[(df['最高价'] - df['最低价']) / df['开盘价'] > 0.01]
df = df[df['股票代码'].str[:2] == '60']
ref_close = df.groupby('股票代码')['收盘价'].shift(1)
df = df[(df['收盘价'] < df['开盘价']) & (df['收盘价'] > ref_close)]
df = df[df['交易日期'] >= start_date]
df = df.sort_values(by=df['成交额'])
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。
