问财量化选股策略逻辑
- 资金强度由大到小: 使用量比指标，从大到小排序
- 昨天换手率＞8%: 使用换手率指标，筛选昨天换手率大于8%的股票
- 振幅大于1: 使用振幅指标，筛选振幅大于1的股票
选股逻辑分析
- 通过资金强度指标筛选出市场关注度较高的股票
- 通过换手率指标筛选出活跃的股票
- 通过振幅指标筛选出波动较大的股票
有何风险？
- 这些指标可能被市场操纵，导致选出的股票并不具备投资价值
- 过于依赖单一指标可能导致选出的股票过于集中，风险较高
如何优化？
- 结合多个指标，例如市盈率、市净率等，综合评估股票的投资价值
- 分散投资，避免过于集中于某个行业或某个股票
最终的选股逻辑
- 使用量比指标，从大到小排序
- 使用换手率指标，筛选昨天换手率大于8%的股票
- 使用振幅指标，筛选振幅大于1的股票
- 结合多个指标，例如市盈率、市净率等，综合评估股票的投资价值
- 分散投资，避免过于集中于某个行业或某个股票
python代码参考
- 量比指标：
vbt.VolatilityRatio()，排序：df.sort_values(by='VolatilityRatio', ascending=False)，筛选条件：df['VolatilityRatio'] > x，其中x为筛选条件
- 换手率指标：
df['Turnover']，筛选条件：df['Turnover'] > x，其中x为筛选条件
- 振幅指标：
df['Volatility']，筛选条件：df['Volatility'] > x，其中x为筛选条件
import vbt as vbt
import talib as ta
def get_volatility_ratio(df):
return vbt.VolatilityRatio(df['Close'], timeperiod=14)
def get_turnover(df):
return df['Turnover'].mean()
def get_volatility(df):
return ta.STDDEV(df['Close'], time
## 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。
