问财量化选股策略逻辑
选股逻辑：振幅大于1，昨天3连板，流通市值大于100亿元。
选股逻辑分析
该选股逻辑通过以下几个方面来筛选标的：
- 振幅大于1，以过滤市场活跃且波动比较剧烈的个股；
- 昨天3连板，表明市场对该标的的买入态势较为明显；
- 流通市值大于100亿元，筛选出较为成熟和稳定的上市公司。
有何风险？
该选股策略存在以下风险：
- 过于关注大市值股票，忽略了中小市值股票的投资机会；
- 忽略了行业因素和市场趋势，过于关注单一标的的波动和买卖行为；
- 生命周期和产业周期较长的公司可能被错过。
如何优化？
为了优化该选股逻辑的准确性，可以考虑以下方案：
- 在流通市值的基础上，加入相应的市盈率、市净率等价值投资指标；
- 结合基本面因素进行分析，加入估值和业绩等因素，筛选出更具有投资价值的标的；
- 对选股因素进行适当调整，加入相应的自适应机制，提高整体的准确性和合理性。
最终的选股逻辑
改进后的选股逻辑如下：
- 振幅大于1；
- 昨天3连板；
- 流通市值大于等于100亿元且小于等于500亿元；
- 相对强势指标RSI(14)大于等于50。
其中，相对强势指标RSI(14)计算方式为：RSI(14) = 100 - [100 / (1 + RS)]，其中RS的计算方式为：RS = N日内收盘涨数之和 / N日内收盘跌数之和。
同花顺指标公式代码参考
该选股逻辑的通达信指标公式如下：
FILTER(
ABS((HIGH-LOW)/REF(C,1)) >= 0.01 AND
REF(C,1) < REF(C,2) AND
CIRCULATION_MARKET_VALUE/100000000>=10 AND
CIRCULATION_MARKET_VALUE/100000000<=50 AND
RSI(C, 14) >= 50 AND
MARKET == SH
, 0)
python代码参考
import pandas as pd
from tqsdk import TqApi, TqAuth
api = TqApi(auth=TqAuth("YOUR_ACCOUNT", "YOUR_PASSWORD"))
symbol_list = ["SHFE.rb2101", "DCE.i2101"]
for symbol in symbol_list:
klines = api.get_kline_serial(symbol, 24 * 60 * 60, data_length=500)
df = pd.DataFrame(klines)
cmv = df['circulation_market_value'] / 100000000
C1 = (df['high'] - df['low'] >= 0.01 * df['close'].shift(1))
C2 = (df['close'].shift(1) < df['close'].shift(2)) & (df['close'].shift(2) < df['close'].shift(3))
C3 = (cmv >= 10) & (cmv <= 50)
C4 = (df['rsi_14'] >= 50)
selector = (C1 & C2 & C3 & C4).astype(int)
result = df[selector == 1].sort_values(by='amount', ascending=False).index.tolist()
## 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。
