(supermind)振幅大于1、底部抬高、昨日9_15匹配价跌停_

用户头像神盾局量子研究部
2023-08-21 发布

问财量化选股策略逻辑

选股逻辑:振幅大于1,底部抬高,昨日9:15匹配价跌停。

选股逻辑分析

该选股逻辑主要从股票价格走势和市场情绪等方面出发,振幅大于1表示股票波动较大,底部抬高表示股票已经反弹,而昨日9:15匹配价跌停则表明股票在当日开盘后出现大幅下跌,但因为跌停而得不到及时的调整,这种情况下,股票可能存在较大的上涨空间。

有何风险?

该选股逻辑忽略了公司的基本面数据,只考虑了股票价格走势和市场情绪等因素,容易被市场情绪所左右,存在一定的风险。同时,该选股策略可能过于追求短期涨幅,忽略根据公司经营情况和行业趋势对个股进行分析,存在短期投机的嫌疑。

如何优化?

该选股策略需要加入更多基本面数据和技术面指标进行筛选,如市盈率、市净率、成长性方面数据、股票行业位置等因素可以进一步优化策略。同时可以对交易量、资金流量等因素进行更深入的研究,从而提高选股准确度。最终可以通过部分基于价值投资理念的方法,如股息率等因素,结合短期技术面因素进行选股。

最终的选股逻辑

在综合考虑技术面和基础面数据的选股策略中,基于以上分析,我们可以得到最终的简化选股逻辑:

  1. 振幅大于1;
  2. 底部抬高;
  3. 昨日9:15匹配价跌停;
  4. 20日均线在250日均线上方;
  5. 去除ST和*ST股票;
  6. 止损条件:30日均线以下止损,或下跌超过8%止损。

同花顺指标公式代码参考

以下是在同花顺上实现该选股策略的指标公式代码:

C1: AMP()>1;
C2: BOTTOM(HIGH,C1)>BOTTOM(HIGH,C1+1);
C3: YEST_TODAY(LASTPRICE,PRICE0)<=-0.0995;
C4: MA(CLOSE,C2,20)>MA(CLOSE,C2,250);
C5: NOT(INSTR('ST',SINFO) OR INSTR('*ST',SINFO));
C6: MV<=10000000;
C7: NOT CROSS(CLOSE,MA(CLOSE,30),1) AND NOT((CLOSE-REF(CLOSE,1))/REF(CLOSE,1) < -0.08);
SELECTOR:=C1 AND C2 AND C3 AND C4 AND C5 AND C6 AND C7;
RESULT:=SELECTOR;

Python代码参考

以下是Python实现该选股逻辑的部分代码:

# 定义股票池
s_pool = ['SH.600000', 'SH.600036', 'SH.600519', 'SZ.000858', 
          'SZ.000333', 'SH.601398', 'SH.601288', 'SZ.000002', 
          'SZ.000651', 'SH.600030']

# 筛选振幅大于1,底部抬高,昨日9:15匹配价跌停的个股
selected_stocks = (sdf['amp'] > 1) & \
                  (sdf['low'].rolling(window=C1).apply(lambda x: (np.argmax(x[-C1:]) == C1 - 1) and (np.argmax(x[:-C1]) < np.argmax(x[-C1:])), raw=False)) & \
                  ((sdf['lastprice'] / sdf['price0'].shift(1))-1 <= -0.0995) & \
                  (sdf['close'].rolling(window=20).mean() > sdf['close'].rolling(window=250).mean()) & \
                  (~sdf['scode'].str.contains('ST')) & \
                  (~sdf['scode'].str.contains('*ST'))

# 加入止损策略:30日均线以下止损,或者下跌超过8%止损
sdf['ma30'] = sdf['close'].rolling(window=30).mean()
sdf['sell_signal'] = (sdf['close'] < sdf['ma30']) | ((sdf['close'] - sdf['close'].shift(1)) / sdf['close'].shift(1) < -0.08)
selected_stocks = selected_stocks & (~sdf['sell_signal'])

# 返回选中个股的代码
return selected_stocks['symbol'].tolist()

通过在Python中实现综合考虑技术面和基础面数据的选股逻辑,并加入市场趋势等因素进行筛选,可以提高选股的准确度和质量,让我们更加准确地发现具有上涨潜力的个股。

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论