(supermind)振幅大于1、前25天有涨停、2021年_

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

选股逻辑为振幅大于1,前25天至少有1次涨停,且股票涨幅在2021年内排名前20%的股票进入待投资池。

选股逻辑分析

  1. 振幅大于1表明该股票波动性较大,可能存在较大涨幅和收益;
  2. 前25天至少有1次涨停的股票代表市场对该股票认可度较高,市场情绪可能较好;
  3. 2021年股票涨幅排名前20%的股票代表近期市场行情相对较好,表现突出;
  4. 综合以上三个指标,筛选出波动性较大、市场认可度较高,且近期表现突出的股票,有望获得较大收益。

有何风险?

  1. 选股结果基于历史数据,未必能够准确预测未来股票表现;
  2. 振幅大、涨停股、热点板块等特征也可能伴随着较大风险,投资者需要谨慎把握风险和回报的平衡;
  3. 选股结果可能会带来较高的交易成本和操作复杂度。

如何优化?

  1. 结合其他技术分析指标,如均线、动量指标等,进行综合分析和筛选,减少选股风险;
  2. 加入基本面分析因素,如研究公司的财务报告和行业潜力等,以提高投资选择准确性和风险控制水平;
  3. 加入股价趋势分析因素,如趋势线、多空分析等,进行更全面的选股判断以及优化买入和卖出策略;
  4. 合理控制交易成本和操作复杂度,采取适合自己的选股和交易策略。

最终的选股逻辑

选取振幅大于1,前25天至少有1次涨停,且股票涨幅在2021年内排名前20%的股票进入待投资池。

同花顺指标公式代码参考

// 振幅大于1
COND1:=(HIGH-LOW)/LOW>0.01;
// 前25天至少有1次涨停
COND2:=REF(HIGH=LOW AND HIGH/REF(CLOSE,1)>1.097, COUNT-1)>(COUNT-25);
// 2021年内涨幅排名前20%
CONDA:=YEAR>=2021;
COND3:=RANK(CLOSE) < COUNT*0.2;
// 综合条件
CONDITION:=COND1 AND COND2 AND COND3 AND CONDA;
SIGNAL:=CHECKCOND(CONDITION, 1);

Python代码参考

import pandas as pd
import akshare as ak
from talib import abstract

def get_trade_data(stock_code):
    stock_df = ak.stock_zh_a_daily(symbol=stock_code, adjust="hfq")
    stock_df.rename(columns={"成交额":"amount","成交量":"volume","收盘价":"close","开盘价":"open","股票代码":"symbol","日期":"date","涨跌幅":"pct_change", "最高价":"high", "最低价":"low", "市盈率":"PE", "市净率":"PB", "振幅":"amplitude", "换手率":"turnover", "流通股本":"circulating_shares"}, inplace=True)
    stock_df['date'] = pd.to_datetime(stock_df['date'])
    stock_df.sort_values("date", ascending=True, inplace=True)
    # 振幅大于1
    cond1 = (stock_df['high'] - stock_df['low']) / stock_df['low'] > 0.01
    # 前25天至少有1次涨停
    cond2 = (stock_df['high'] == stock_df['low']) & (stock_df['high'] / stock_df['close'].shift(1) > 1.097)
    cond2 = cond2.rolling(window=25, min_periods=1).sum() >= 1
    # 2021年内股票涨幅排名前20%
    cond3 = stock_df['date'].dt.year >= 2021
    cond3 &= stock_df['close'].rank(ascending=False, pct=True) < 0.2
    # 综合条件
    basic_cond = cond1 & cond2 & cond3
    df = stock_df.loc[basic_cond].sort_values('close', ascending=False).reset_index(drop=True)
    return df

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

评论