(supermind)振幅大于1、前25天有涨停、昨日竞价换手率大于0

问财量化选股策略逻辑

选取振幅大于1，前25天至少有一天涨停，昨日竞价换手率大于0.26的股票进入待投资池。

选股逻辑分析

1. 振幅大于1表明该股票波动性较大，有较大概率出现较高的涨幅；
2. 前25天至少有一天涨停，代表该股票有望超额表现；
3. 昨日竞价换手率大于0.26表明市场购买热度较高，有望出现较大涨幅。

有何风险？

1. 忽略股票基本面等重要因素，单纯依赖技术指标和市场交易数据进行选股。
2. 昨日竞价换手率的选取标准可能存在主观性和过度的局部最优效应。

如何优化？

1. 综合考虑股票基本面和技术指标等因素，避免单一因素影响投资决策。
2. 对竞价换手率选取标准进行优化和统一，以便更好地筛选出符合逻辑的股票。
3. 结合龙虎榜等数据，辅助判断市场人气热度程度。

最终的选股逻辑

选取振幅大于1，前25天至少有一天涨停，昨日竞价换手率大于0.26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;
//涨停，只选取前25天，这里举例取18
COND2:=REF(MAX(HIGH,1),1)/REF(CLOSE,1)>1.097 AND (HIGH=LOW) AND (CLOSE-REF(CLOSE,1))/REF(CLOSE,1)<0.009 AND (BARSSINCE(CLOSE=REF(MAX(HIGH,1),1))/COUNT>COUNT-18;
//昨日竞价换手率
COND3:=IVolume>PriorVolume AND IVolume/PriorVolume>0.26;
//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_history_df = ak.stock_zh_a_daily(symbol=stock_code, adjust="hfq")
    stock_history_df.rename(columns={"交易日期":"date","开盘价":"open","最高价":"high","最低价":"low","收盘价":"close","成交量":"volume","成交额":"amount"}, inplace=True)
    stock_history_df.sort_values("date", ascending=True, inplace=True)
    stock_history_df['pct_chg'] = stock_history_df['close'].pct_change() * 100
    stock_history_df['net_volume'] = stock_history_df['close'] * stock_history_df['volume'] * stock_history_df['pct_chg'] / 100 /10000
    df = stock_history_df[['date','open','high','low','close','volume','net_amount','pct_chg','net_volume']].copy()
    # 振幅
    cond1 = (df['high'] - df['low']) / df['low'] > 0.01
    # 涨停
    cond2 = (df['high'] / df['close'].shift(1) > 1.097) & (df['high'] == df['low']) & (df['close'] / df['close'].shift(1) - 1 < 0.009) & (df['close'] == df['high'].shift(1))
    cond2 = cond2.rolling(window=18).sum() > 0
    # 昨日竞价换手率
    cond3 = (df['net_volume'] > df['net_volume'].shift(1)) & (df['net_volume'] / df['net_volume'].shift(1) > 0.26)
    # 综合条件
    basic_cond = cond1 & cond2 & cond3
    df = df[basic_cond].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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)