问财量化选股策略逻辑
选股逻辑:振幅大于1,昨天3连板,圆弧形。
选股逻辑分析
该选股逻辑通过以下几个方面来筛选标的:
- 振幅大于1,以过滤市场活跃且波动比较剧烈的个股;
- 昨天3连板,表明市场对该标的的买入态势较为明显;
- 圆弧形,表明市场对该标的的交易量相对较为平衡。
有何风险?
该选股策略存在以下风险:
- 圆弧形并不能完全代表买卖双方力量的平衡程度,存在一定的主观判断;
- 忽略了基本面的因素,可能存在资产被定价过高的可能性。
如何优化?
为了优化该选股逻辑的准确性,可以考虑以下方案:
- 增加基本面指标,如PE、PB等,降低投资风险;
- 增加其他技术指标,如RSI、MACD等,提高选股的准确性。
最终的选股逻辑
改进后的选股逻辑如下:
- 振幅大于1;
- 昨天3连板;
- 近7天内,最低价、收盘价、最高价形成圆弧型,且最低价和最高价之间的角度不小于150度;
- PE小于50。
其中,圆弧形的计算需要使用本地数据进行计算。
同花顺指标公式代码参考
该选股逻辑的通达信指标公式如下:
FILTER(
ABS((HIGH-LOW)/REF(C,1)) >= 0.01 AND
REF(C,1) < REF(C,2) AND
ARC(C, L, H, 7, 150) = 1 AND
PE < 50 AND
MARKET == SH
, 0)
其中,ARC(C, L, H, 7, 150)表示计算最近7天中,最低价、收盘价、最高价所形成的图形是否符合圆弧形。
python代码参考
import pandas as pd
from tqsdk import TqApi, TqAuth
api = TqApi(auth=TqAuth("YOUR_ACCOUNT", "YOUR_PASSWORD"))
symbol_list = ["SHFE.rb2101", "DCE.i2101"]
for symbol in symbol_list:
klines = api.get_kline_serial(symbol, 24 * 60 * 60, data_length=500)
quote = api.get_quote(symbol)
df = pd.DataFrame(klines)
# 计算圆弧形
C1 = ((df['high'] - df['low']) == 4 * (df['close'] - df['low']) / 3 - (df['close'] - df['open']) / 3)
C2 = ((df['high'] - df['low']) == 4 * (df['close'] - df['low']) / 3 + (df['close'] - df['open']) / 3)
C3 = ((df['high'] - df['low']) == 4 * (df['close'] - df['high']) / 3 - (df['close'] - df['open']) / 3)
C4 = ((df['high'] - df['low']) == 4 * (df['close'] - df['high']) / 3 + (df['close'] - df['open']) / 3)
selector = ((C1 | C2 | C3 | C4) & (df['low'] != df['high']))
selector = selector.rolling(window=7, min_periods=4).apply(lambda x: pd.Series(x).corr(pd.Series(list(range(4)))), raw=False)
selector = selector.iloc[-1] >= 0.9
# 其他指标
PE = quote['pe']
C5 = (PE < 50)
# 总筛选
selector = selector & C5
result = df[selector == 1].sort_values(by='amount', ascending=False).index.tolist()
## 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。
