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，按个股热度从大到小排序，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次涨停的代表市场对该股票认可度高，市场情绪较好；
- 热度排行从大到小排序，证明市场关注度高，具有较高的短期收益空间。
有何风险？
- 热度常常是市场情绪和资讯的反应，并不一定反应企业基本面，可能会忽略公司质量的细节，存在低估高质量公司或高估低质量公司的风险；
- 基于历史数据的选股结果未必能够准确预测未来的股票表现；
- 振幅大的股票风险较高，可能带来较大的波动，并不适合所有投资者；
- 排序方式的合理性需要进一步验证。
如何优化？
- 细致分析个股的基本面状况，结合市场情况以判断选股方向和策略；
- 在历史数据的基础上，考虑宏观经济环境和行业市场因素，确定股票基本面的变化；
- 可以考虑加入其他技术指标或基本面指标，增强选股策略的有效性；
- 合理设计排序指标的权重，以更具时效性地排序。
最终的选股逻辑
选取振幅大于1，前25天至少有1次涨停，按个股热度从大到小排序，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);
// 按个股热度排序
COND3:=RANK(CLOSE)<21;
// 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 datetime import datetime, timedelta
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={"日期":"date","开盘":"open","最高":"high","最低":"low","收盘":"close","成交量":"volume","成交额":"amount", "竞买价": "bid", "竞卖价": "ask", "竞买量":"bid_volume", "竞卖量":"ask_volume"}, 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)
# 按个股热度排序
cond3 = stock_df['close'].rank(ascending=False, method='dense') < 21
# 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。
