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，并且昨天进入龙虎榜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，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；
- 昨天进入龙虎榜的股票代表市场关注度较高，有可能存在较大涨幅和收益；
- 综合以上三个指标，筛选出波动性较大、市场认可度较高，且受到市场关注度较高的股票，有望获得较大收益。
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；
- 龙虎榜的涨停股未必能够持续上涨，存在调整甚至下跌的风险；
- 龙虎榜的成交额并不一定代表买方力量强大，可能受到多种因素的影响，存在不确定性和风险。
如何优化？
- 增加其他因素，如公司基本面和行业状况等，以综合考虑股票涨跌因素；
- 结合其他技术指标等因素，对选股结果进行筛选和排序，以获得更优秀的选股组合。
最终的选股逻辑
选取振幅大于1，前25天至少有1次涨停，并且昨天进入龙虎榜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:=REF(HIGH=LOW AND HIGH/REF(CLOSE,1)>1.097, COUNT-1)>(COUNT-25);
// 昨天进入龙虎榜
COND3:=ISINLIST(LTG, 1);
// 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={"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", "换手率":"turnover", "流通股本":"circulating_shares"}, inplace=True)
stock_df['date'] = pd.to_datetime(stock_df['date'])
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)
cond2 = cond2.rolling(window=25, min_periods=1).sum() >= 1
# 昨天进入龙虎榜
ltg_df = ak.stock_em_yjyg_ths(date=(datetime.now() - timedelta(days=1)).strftime('%Y-%m-%d'))
cond3 = ltg_df['代码'].str.contains(stock_code).any()
# 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。
