ai量化策略-流通市值小于400亿、开盘涨幅大于小于5、股价低于近三日最低价的1

用户头像神盾局量子研究部
2023-11-20 发布

问财量化选股策略逻辑

本次选股策略基于以下三个逻辑:

  1. 流通市值小于400亿:市值是指公司股票的总市场价值,流通市值则是指公司在股票市场上的可交易股票市值,小于400亿的市值意味着公司规模相对较小,可能存在更大的成长空间。

  2. 开盘涨幅大于小于5:开盘涨幅是指公司股票在开盘时相对于前一日收盘价的增长幅度,大于5意味着股票开盘就有较高的涨幅,可能存在较大的市场机会。

  3. 股价低于近三日最低价的1.04倍:近三日最低价是指公司在过去三个交易日中的最低股价,股价低于近三日最低价的1.04倍意味着股票价格相对较低,可能存在较大的反弹空间。

选股逻辑分析

以上选股策略主要考虑了公司市值、开盘涨幅和股价相对于最低价的比例三个因素,这三个因素都是公司股票价格波动的重要影响因素。但是,这些因素并不能完全预测股票的未来走势,选股策略的风险在于公司的基本面可能出现变化,导致股票价格波动。

有何风险?

选股策略的风险主要在于公司的基本面可能出现变化,导致股票价格波动。此外,股票市场的波动性也较大,选股策略并不能完全预测股票的未来走势。

如何优化?

为了优化选股策略,可以考虑引入更多的因素,例如公司的盈利能力、行业前景、市场地位等。此外,也可以通过技术分析来优化选股策略,例如使用均线系统、布林带等技术指标来判断股票价格的趋势。

如何优化?

为了优化选股策略,可以考虑引入更多的因素,例如公司的盈利能力、行业前景、市场地位等。此外,也可以通过技术分析来优化选股策略,例如使用均线系统、布林带等技术指标来判断股票价格的趋势。

最终的选股逻辑

最终的选股逻辑是:选择流通市值小于400亿、开盘涨幅大于小于5、股价低于近三日最低价的1.04倍的公司股票进行投资。

常见问题

  1. 该策略是否考虑了公司的基本面因素?
    答:该策略主要考虑了公司的市值、开盘涨幅和股价相对于最低价的比例三个因素,但并没有完全考虑公司的基本面因素。

  2. 该策略是否考虑了股票市场的波动性?
    答:该策略没有完全考虑股票市场的波动性,选股策略并不能完全预测股票的未来走势。

  3. 如何判断公司的基本面是否出现变化?
    答:公司基本面可能出现变化的判断较为困难,需要综合考虑公司的财务报告、行业前景、市场地位等因素。

  4. 该策略的风险有哪些?
    答:该策略的风险主要在于公司的基本面可能出现变化,导致股票价格波动。此外,股票市场的波动性也较大,选股策略并不能完全预测股票的未来走势。

  5. 如何使用技术分析来优化选股策略?
    答:可以使用均线系统、布林带等技术指标来判断股票价格的趋势,从而优化选股策略。

指标公式代码参考

以下是通达信和同花顺的指标公式代码:

通达信指标公式代码参考

def select_stock(df):
    df['MA10'] = df['close'].rolling(window=10).mean()
    df['MA20'] = df['close'].rolling(window=20).mean()
    df['MA5'] = df['close'].rolling(window=5).mean()
    df['RSI'] = talib.RSI(df['close'].values, timeperiod=14)
    df['STOCH'] = talib.STOCH(df['close'].values, timeperiod=14)
    df['MACD'] = talib.MACD(df['close'].values, timeperiod=14)
    return df.loc[(df['MA10'] > df['MA20']) & (df['MA10'] > df['MA5']) & (df['RSI'] < 30) & (df['STOCH'] < 30) & (df['MACD'] > 0)]

同花顺指标公式代码参考

def select_stock(df):
    df['MA10'] = df['close'].rolling(window=10).mean()
    df['MA20'] = df['close'].rolling(window=20).mean()
    df['MA5'] = df['close'].rolling(window=5).mean()
    df['RSI'] = talib.RSI(df['close'].values, timeperiod=14)
    df['STOCH'] = talib.STOCH(df['close'].values, timeperiod=14)
    df['MACD'] = talib.MACD(df['close'].values, timeperiod=14)
    return df.loc[(df['MA10'] > df['MA20']) & (df['MA10'] > df['MA5']) & (df['RSI'] < 30) & (df['STOCH'] < 30) & (df['MACD'] > 0)]

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?

点击页面下方的复制按钮,复制到自己的账户即可使用模板进行回测。
收益&风险
源码

评论