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，周线红柱。
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；
- 周线红柱表明当前股价处于上涨趋势中，可能存在中长期的上涨机会。
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；
- 操作复杂度较高，需要谨慎把握风险和回报的平衡；
- 周线红柱可能并不代表强势股票，需要配合其他技术指标进行判断，以减少错误选股的可能性。
如何优化？
- 加入其他技术分析指标，如KDJ、MACD等，进行综合分析和筛选，以增加选股的准确性和操作的稳定性；
- 结合基本面分析因素，如研究公司的财务报告和行业潜力等，以提高投资选择的准确性和风险控制水平；
- 根据个人风险偏好确定交易比例和止盈止损策略，控制操作复杂度和交易成本。
最终的选股逻辑
选取振幅大于1，前25天至少有1次涨停，周线红柱进入待投资池。
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);
//周线红柱
COND3:=COLORS(ORC)>0;
//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", "市值":"capital", "每股收益":"EPS", "流通市值":"circulated_capital"}, inplace=True)
stock_df['date'] = pd.to_datetime(stock_df['date'])
# 计算底部抬高
low30 = stock_df['low'].rolling(window=30, min_periods=1).min()
cond3 = (stock_df['low'] - low30) / low30 <= 0.1
# 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
# 周线红柱
stock_df.rename(columns={"开盘价":"open", "收盘价":"close", "最高价":"high", "最低价":"low", "成交量":"volume"}, inplace=True)
ohlc = {"open": "first", "high": "max", "low": "min", "close": "last", "volume": "sum"}
week_df = stock_df.resample('W-MON', closed='left', label='left').apply(ohlc)
week_df['color'] = week_df.apply(lambda x: 1 if x.close>x.open else -1 if x.close<x.open else 0, axis=1)
cond4 = week_df['color'] == 1
# 综合条件
basic_cond = cond1 & cond2 & cond3 & cond4
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。
