问财量化选股策略逻辑
选取振幅大于1，前25天至少有1次涨停，三个技术指标同时金叉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，容易有较大的涨幅和收益；
- 前25天至少有1次涨停代表市场对该股票认可度高；
- 三个技术指标同时金叉代表市场对该股票的看涨情绪较高；
- 选股策略综合了技术面和基本面因素，可以较好地辅助股票投资决策。
有何风险？
- 三个技术指标同时金叉只是短期的技术指标，有可能出现虚假信号；
- 股市行情不佳，导致选出的股票涨幅不如预期；
- 选股策略没有考虑公司的基本面和价值投资潜力，只考虑股票的技术面，可能会出现投资失误。
如何优化？
- 在选股逻辑中加入股票基本面和财务面因素，如市盈率、市净率等；
- 考虑其他技术指标如KDJ、ROC、DMI等，增加选股的精准度；
- 对选股结果进行风险控制，控制单只股票投资比例，增加投资组合的多样性。
最终的选股逻辑
选取振幅大于1，前25天至少有1次涨停，三个技术指标（如MACD、KDJ、RSI等）同时金叉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:=BARSSINCE(HIGH=REF(MAX(HIGH,1),1))/COUNT>=1 AND (BARSSINCE(CLOSE=REF(MAX(HIGH,1),1))/COUNT>COUNT-25);
// MACD、KDJ、RSI同时金叉
COND3:= CROSS(MACD(12,26,9), MACD(12,26,9)*REF(MACD(12,26,9),1)) AND CROSS(RSI(CLOSE,14),70) AND CROSS(KDJ(9,3,3),KDJ(3,3,3));
// 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
import talib
def get_trade_data(stock_code):
stock_df = ak.stock_zh_a_daily(symbol=stock_code, adjust="hfq")
stock_df.rename(columns={"日期":"date","开盘":"open","最高":"high","最低":"low","收盘":"close","成交量":"volume","成交额":"amount"}, inplace=True)
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)
# MACD、KDJ、RSI同时金叉
cond3 = (talib.CROSS(talib.MACD(stock_df['close'], fastperiod=12, slowperiod=26, signalperiod=9), talib.MACD(stock_df['close'], fastperiod=12, slowperiod=26, signalperiod=9).shift(1)) == 1) & (talib.CROSS(talib.RSI(stock_df['close'], timeperiod=14), 70) == 1) & (talib.CROSS(talib.STOCH(stock_df['high'], stock_df['low'], stock_df['close'], fastk_period=9, slowk_period=3, slowd_period=3), talib.STOCH(stock_df['high'], stock_df['low'], stock_df['close'], fastk_period=3, slowk_period=3, slowd_period=3)) == 1)
# 综合条件
basic_cond = cond1 & cond2 & cond3
df = stock_df.loc[basic_cond].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。
