问财量化选股策略逻辑
选股逻辑:振幅大于1,周线红柱,底部抬高。
选股逻辑分析
该选股策略基于振幅、周线红柱和底部形态指标进行筛选,可以选出具有较高上涨潜力的股票。该选股逻辑相对较为综合,包含多种指标,并且同时考虑了股票的短期和中长期走势,可信度较高。但是,底部形态指标有时候会出现误判,选股效果不一定总是最优的。
有何风险?
该选股策略虽然考虑了多种指标,但是仍然不能避免因为底部形态指标的误判导致选股结果不理想的情况。另外,股票市场的波动性较大,该策略的选股结果可能会受到市场行情的影响,不具备绝对的稳定性。
如何优化?
该选股策略可以加入其他技术指标进行辅助筛选,如加入均线指标或其他形态指标进行共同筛选,提高选股的准确性和稳定性。另外,策略在选股的时候可以进行风险控制,对于股票市场波动较大的时期,可以对选股结果进行适当调整,保证投资的稳健性。
最终的选股逻辑
综合以上分析,最终的选股逻辑如下:
1.振幅大于1;
2.周线为红柱;
3.底部形态抬高;
4.加入其他技术指标进行筛选;
5.加入风险控制进行调整。
同花顺指标公式代码参考
以下是同花顺实现该策略的部分指标公式代码:
C1 = AMP() > 1;
C2 = WEEKLY(COLOR(MACD(12, 26, 9), RED)) > 0;
C3 = REF(GT(HIGH(), REF(HIGH(), 1)), 1) AND REF(GT(HIGH(), REF(HIGH(), -1)), 1);
SELECTOR = REF(SORT(RANK(TODAY_UP()),1),0) == 0;
RESULT = SELECTOR AND C1 AND C2 AND C3;
Python代码参考
以下是Python实现该策略的部分代码:
def select_stocks():
selected_stocks = []
for stock in get_all_securities(types=['stock']).index:
c1 = get_price(stock, count=1, end_date=datetime.now(), frequency='1d', fields='amplitude')[0] > 0.01
c2 = get_macd(stock, count=1, unit='1w', include_now=True, fillna=True)['macdhist'][-1] > 0
c3 = True if get_k_data(stock, end_date=datetime.now(), ktype='D')[['open', 'close', 'low', 'high']].iloc[-3:-1]['low'].max() < get_k_data(stock, start_date=datetime.now()-timedelta(days=7), end_date=datetime.now()-timedelta(days=1), ktype='D')[['open', 'close', 'low', 'high']]['low'].max() else False
if c1 and c2 and c3:
selected_stocks.append(stock)
return selected_stocks
result = select_stocks()
print(result)
以上Python代码仅供参考,具体实现还需要根据自身需求进行调整。
## 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。
