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，并且股票代码以60开头的股票进入待投资池。
选股逻辑分析
- 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；
- 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；
- 股票代码以60开头，可能代表该股票属于科技股等高增长行业，有较大的涨幅和高收益的可能性；
- 综合以上三个指标，筛选出波动性较大、市场认可度较高，且属于高增长行业的股票，有望获得较大收益。
有何风险？
- 选股结果基于历史数据，未必能够准确预测未来股票表现；
- 振幅大、涨停股、行业热度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；
- 股票代码以60开头的股票并不一定属于高增长行业，需要结合其他文本挖掘等手段进行验证。
如何优化？
- 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；
- 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；
- 结合其他数据挖掘等手段，验证股票代码以60开头的股票是否属于高增长行业，并更加科学地确定选股条件；
- 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，并且股票代码以60开头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);
// 股票代码以60开头
COND3:=LEFT(SYMBOL,2)="60";
// 综合条件
CONDITION:=COND1 AND COND2 AND COND3;
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
# 股票代码以60开头
cond3 = stock_df['symbol'].str.startswith('60')
# 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。
